← 포트폴리오로 돌아가기

포트폴리오 Agent

경력 Knowledge Graph와 채용·기술 동향을 연결해 질의응답·경력 분석·일간 브리핑을 제공하는 Agent

Graph RAGAgentic RAGKnowledge GraphGoogle ADKLeiden Community DetectionPersonalized PageRankHybrid Search (RRF)MCPCareer BriefingData Collection

Overview

경력 문서에서 프로젝트·기술·역할·성과를 추출해 Knowledge Graph로 관리하는 Agentic RAG 서비스입니다. 질문에 맞는 경험과 원본 근거를 검색하며, MCP와 스킬을 통해 경력 분석·이력서 작성·채용 요건 적합성 분석에 활용합니다.

채용공고·기술 동향 수집 파이프라인을 연결해 개인 경력과 관련된 변화와 다음 행동을 일간 브리핑으로 정리합니다. 이 페이지의 챗봇에서는 공개 경력을 질문할 수 있으며, 개인 분석과 브리핑·수집 자료는 관리자 기능으로 제공합니다.

Demo

Key Features

1. 경력 문서의 KG 구축

  • 엔티티 추출 → 기존 설명 병합 → 저장 → 관계 추출·저장의 Google ADK 워크플로우를 구성했습니다.
  • 프로젝트·기술·역할·성과 등의 엔티티와 관계를 정의하고, Pydantic 구조화 출력으로 추출 형식을 검증합니다.
  • 추출된 엔티티를 원본 문서와 연결하고, 기존 엔티티 설명에 새 경험을 병합해 경력 정보를 보강합니다.

2. 질문 유형과 그래프 구조에 맞춘 검색

  • 질문을 분석해 잡담, 전체 경력처럼 넓은 질문, 구체적인 사실 질문의 검색 경로를 나눕니다.
  • 엔티티 벡터·전문 검색을 RRF로 결합하고 관계 요약 검색과 Personalized PageRank 기반 확장을 적용합니다.
  • Leiden 커뮤니티 탐지와 LLM 요약으로 경력의 주제별 구조를 만들고, 전체 경험을 묻는 질문의 검색에 활용합니다. Planner가 근거 충분성을 판단해 제한된 횟수 안에서 재검색합니다.
  • PostgreSQL 대화 세션과 이전 턴의 질문 분석 정보를 유지하여 후속 질문의 맥락을 연결합니다.

3. MCP 기반 경력 분석과 접근 제어

  • MCP로 경력 검색과 분석 기능을 노출하고, Claude Code·Codex의 사실 조회·심층 분석 스킬과 연결합니다.
  • 경력·프로젝트 원문 근거를 모아 이력서 작성, 강점·공백 분석, 채용 요건과의 비교에 활용합니다.
  • 공개·비공개 데이터 검색 범위와 관리자 전용 분석 모드를 구분합니다. 공개 챗봇과 관리 API의 접근 경로도 분리합니다.

4. 채용·기술 동향 수집과 일간 브리핑

  • 채용공고를 정규화하고 신규·변경·마감 이력을 추적합니다. 표현만 달라진 공고는 실제 내용 변경과 구분합니다.
  • 기술 동향 수집기는 공개 소스와 웹 검색에서 후보를 찾고 LLM으로 선별·정제합니다. 같은 발표를 가리키는 중복 후보를 통합하고 출처를 보존합니다.
  • 수집기를 독립 실행하고 조회 전용 DB 뷰로 연결해 수집·분석·조회 역할을 분리합니다.
  • Codex 기반 예약 워커가 이전 브리핑 이후의 주요 변화, 요구 기술, 개인 경력과의 연결과 다음 행동을 정리합니다. 수집한 기술 자료는 원문을 다시 확인한 뒤 브리핑 근거로 활용하도록 구성합니다.

5. 관리자 조회와 운영 관측

  • Google 로그인 기반 웹에서 브리핑·채용공고·기술 동향·수집 현황을 검색하고 상세 내용을 조회합니다.
  • 핵심 요약과 출처를 우선 표시하고 수집 진단은 상세 정보로 분리해, 자료가 늘어나도 주요 내용을 빠르게 확인할 수 있도록 구성했습니다.
  • 검색 후보의 실제 선택은 Gemini 결과를 유지하면서 경량 판단 모델(Jev)을 백그라운드에서 비교하는 섀도 평가를 구현했습니다.
  • 생성·임베딩 호출의 토큰과 추정 비용을 PostgreSQL에 저장하여 모델·처리 단계별로 조회합니다.

Architecture

flowchart LR
  DOC["경력·프로젝트 문서"] --> ING["엔티티 추출·병합 · 관계 추출"]
  ING --> KG[("Neo4j 경력 KG")]
  WEB["공개 포트폴리오 챗봇"] --> API["FastAPI · 접근 제어"]
  MCP["Claude Code · Codex MCP"] --> API
  API --> QA["질문 분석"]
  QA -->|넓은 질문| COMMUNITY["커뮤니티 검색"]
  QA -->|구체적인 질문| RETRIEVE["하이브리드 검색 · 그래프 확장"]
  QA -->|잡담| ANSWER["응답 스트리밍"]
  COMMUNITY --> RETRIEVE
  RETRIEVE --> KG
  RETRIEVE --> PLAN["근거 충분성 판단"]
  PLAN -->|보완 검색| RETRIEVE
  PLAN -->|답변 가능| ANSWER
  JOBS["채용공고 수집기"] --> DATA[("PostgreSQL 수집 데이터")]
  TECH["기술 동향 수집기"] --> DATA
  DATA --> BRIEF["일간 커리어 브리핑"]
  KG -->|경력 근거| BRIEF
  BRIEF --> REPORT[("발행본 · 출처 · 실행 기록")]
  ADMIN["Google 로그인 관리자 웹"] --> API
  API --> DATA
  API --> REPORT

Challenges

프로젝트명을 몰라도 경력을 찾을 수 있도록

“어떤 프로젝트를 했나요?”와 “RAG 경험이 있나요?”는 필요한 검색 범위가 다릅니다. 전체 경력을 묻는 질문은 주제별 요약에서 시작하고, 구체적인 질문은 관련 경험과 관계를 검색하도록 나눴습니다. 근거가 부족하면 추가 검색하는 흐름도 연결했습니다.

매일 쌓이는 정보를 실제로 읽을 만한 브리핑으로 바꾸기

채용공고와 기술 소식을 그대로 나열하면 같은 내용이 반복되고 중요한 변화가 묻힙니다. 표현만 바뀐 공고와 중복 기술 자료를 걸러내고, 이전 발행 이후의 변화·개인 경력과의 연결·다음 행동을 중심으로 브리핑을 구성했습니다.

Tech Stack

영역 기술
AI Google ADK, Gemini, Codex, Graph RAG, Leiden, PPR, Jev 섀도 평가
Backend Python, FastAPI, FastMCP
Data Neo4j, PostgreSQL
Infra GCP VM, Docker Compose, Cloud Build, nginx, oauth2-proxy
Frontend GitHub Pages(Jekyll), SSE 챗봇 위젯, 관리자 웹