작업 목록으로
Investment Intelligence
AI VC - Investment Intelligence
1인 개발로 진행한 투자 인텔리전스 서비스(AI VC)입니다. ‘테마 탐지/추적’을 목표로 뉴스/트렌드/거시지표를 ETL로 수집하고, 오케스트레이터로 테마 라이프사이클(수집→정규화→모델링→리포트)을 산출합니다.
기술 스택
PythonFastAPIPostgreSQLAPSchedulerLangGraphVector Search
기간
2025 - Present
요약
도전 과제
여러 외부 소스 수집에서 중복/백오프/업서트 처리와, 작업 유형별 멀티 LLM 라우팅/폴백, 그리고 테마 상태의 일관된 업데이트가 필요했습니다.
해결 방식
PostgreSQL 업서트 기반 ETL 파이프라인(GDELT/Trends/FRED)을 구성하고, 멀티 Provider 라우터/폴백 정책을 구현했습니다. StateGraph 기반 워크플로우로 테마 분석을 자동 실행하고, PII 마스킹 + 벡터 검색 기반 RAG 질의응답 파이프라인을 제공했으며, APScheduler로 주기 실행을 자동화했습니다.
구현 범위
1인 개발로 진행한 투자 인텔리전스 서비스(AI VC)입니다. ‘테마 탐지/추적’을 목표로 뉴스/트렌드/거시지표를 ETL로 수집하고, 오케스트레이터로 테마 라이프사이클(수집→정규화→모델링→리포트)을 산출합니다.
증빙 자료
공개 가능한 증빙 자료가 등록되지 않았습니다.
기술 문서
구현 방식
개요
- 1인 개발로 진행한 투자 인텔리전스 서비스입니다.
목적 / 사용 흐름
1) 목적
- “지금 떠오르는 테마가 무엇인지”를 데이터 기반으로 탐지하고, 일 단위로 상태를 업데이트하며, 근거 기반 Q&A로 확인하는 것이 목적입니다.
2) 사용자 플로우(요약)
- 스케줄 수집(뉴스/트렌드/거시) → 테마 정규화/모델링 → 리포트 산출 → RAG 질의응답(근거 포함).
핵심 구성
1) ETL 수집
- GDELT 뉴스, Google Trends, FRED 거시지표를 수집/정규화하고 PostgreSQL 업서트로 중복 처리를 구성했습니다.
2) 멀티 LLM 라우팅/폴백
- 작업 유형에 따라 Provider를 선택하고 폴백 정책으로 안정적인 실행을 구성했습니다.
3) LangGraph 오케스트레이터
- StateGraph 기반 테마 워크플로우(collect→normalize→model→report)를 구성해 자동 실행합니다.
4) RAG 질의응답
- PII 마스킹과 벡터 검색을 포함한 RAG 파이프라인으로 테마/기사 기반 질의응답을 제공합니다.
5) 스케줄 자동화
- APScheduler로 수집/분석 작업을 주기적으로 실행합니다.