2025 SW중심대학 디지털 경진대회 : SW부문

삼육대학교 mymeta team입니다.
현대자동차 PDF 매뉴얼을 기반으로 사용자의 차량 관련 질문에 답변하는 RAG 기반 질의응답 시스템입니다.

Streamlit 기반 UI와 FastAPI 백엔드를 분리한 멀티 컨테이너 구조로 설계되었으며, FAISS 벡터 검색 및 EXAONE-3.5 LLM을 활용한 고품질 응답 생성을 지원합니다.

또한 HyperCLOVA X Vision 기반 이미지 분석을 추가하여 이미지 기반 질의 또한 지원합니다.

사용자의 질문은 MongDB에 저장되며 추후 유지 보수및 개선이 가능합니다.

시연연상 링크 -> https://youtu.be/YCA6Cyp6zPM

💻  실행 환경
Python 3.10
CUDA 11.8
GPU: NVIDIA L4 / (텍스트만 사용시)RTX 4060 이상 권장
OS: Ubuntu 20.04 / Docker 환경 기준

✅ 주요 기능
현대차 PDF 문서를 구조화 파싱 (pdfminer 기반)
텍스트 블록 → 청크화 → 차량 모델 메타정보 추가
BGE-M3 임베딩 모델로 벡터화 → FAISS 인덱스 구축
차량 모델(metadata) 기준으로 FAISS 문서 필터링 지원
HyperCLOVA X Vision 기반 이미지 분석 → 질문 생성
LangChain 기반 Retriever + EXAONE LLM 응답 생성
Streamlit UI ↔ FastAPI 백엔드 연동
차량 모델 기준 응답 우선순위 및 출처 인용 지원
MongoDB에 사용자 질문, 답변, 차량 정보, 피드백 로그 저장
Prometheus 기반 서버 상태, 요청 처리 속도, GPU/메모리 사용률 모니터링 및 Grafana 시각화 연동

🛠️ 기술 스택
Python 3.10
Streamlit
FastAPI + Uvicorn 
LangChain + FAISS
EXAONE-3.5 / BGE-M3 / HyperCLOVA X Vision / MongoDB
Prometheus + Grafana
Locust
Docker, Docker Compose