학원 상담 전 학생·학부모 정보를 구조화하고, 내부 수업·교재 데이터를 RAG로 검색해 상담 요약과 추천 결과를 생성하는 백엔드 기능
“무엇을 만들었나” 보다 “왜 그렇게 결정했나” 를 남깁니다.
사전 상담 사용자는 아직 정식 회원이 아니지만, 상담 이후 등록으로 이어질 수 있는 데이터였습니다. 기존 회원 테이블에 바로 귀속시키기보다 temp_user 구조로 상담 단계를 분리했습니다.
tb_temp_user 중심의 임시 사용자 구조 설계초기 MySQL n-gram full-text 검색은 정보량이 많은 문서가 우선 노출되는 문제가 있었습니다. 학생 상담 맥락과 맞는 수업·교재를 찾기 위해 MongoDB Vector Search 기반 RAG 구조로 전환했습니다.
초기 LLM 응답은 자유 서술형이라 관리자 화면에서 활용하기 어려웠습니다. 응답 항목을 고정하고, 서버에서 유효성 검증과 재시도 흐름을 추가했습니다.
상담자가 바로 확인할 수 있는 형태로 결과를 구조화하고, 프론트엔드와는 Swagger 명세를 기준으로 API 연결 비용을 줄였습니다.
“RAG는 LLM에 검색 결과를 넘기는 작업이 아니라, 어떤 데이터를 신뢰할지 정하는 일이라고 배웠습니다.”
