동양미래대학교 숲의 줄임말로, 학생들의 교내 생활 편리성 증진 목적의 정보 제공 및 통합 커뮤니티 서비스입니다.
사용자에게 공지사항, 학사 일정 등 정보를 실시간으로 제공하고, 시간표를 등록해 학업 관리를 돕습니다.
팀원 모집, 맛집 추천, 과팅 기능 등 교내 다른 학우들과 소통할 수 있는 커뮤니티를 제공합니다.

동숲의 AI 백엔드는 학생이 직접 입력하고 확인해야 했던 반복 작업을 자동화하는 데 초점을 맞춰 설계했습니다. 시간표 이미지는 일정 데이터로, 학교 정보 질문은 근거 기반 답변으로, 커뮤니티 문장은 안전한 게시 환경을 위한 필터링 결과로 변환합니다.

동시성 및 스케줄링 문제 해결 경험 WIKI

정해진 세션 정원 수에 따라 매칭 인원 충족 시 과팅 세션이 시작됩니다.
과팅은 채팅봇의 안내에 따라 진행되며, 주어진 대화 주제로 사용자가 대화를 하게 됩니다.
세션 마지막에는 마음에 드는 사람을 선택할 수 있으며, 서로를 선택한 경우 1:1 채팅방이 개설됩니다.

사용자는 자신이 선택한 공지사항과 대학 공지를 실시간으로 받아볼 수 있습니다.
등록된 학사 일정이 있는 날은 매일 아침 알림으로 리마인드합니다.
시간표를 등록한 경우도 학사 일정 알림과 같은 시간에 함께 알림으로 리마인드합니다.

Kakao map 기반 학교 주변 1Km 이내 식당을 확인할 수 있습니다.
사용자간 추천을 통해 많이 가는 맛집을 조회할 수 있습니다.

• 시간표 이미지를 업로드하면 OCR과 OpenCV 기반 분석 로직이 강의명, 교수명, 강의실, 요일/교시 정보를 추출해 일정을 자동 등록합니다.
• 이미지 품질 차이를 고려해 격자 검출, 셀 분리, 텍스트 보정 과정을 거쳐 Spring Boot 서버가 사용할 수 있는 시간표 데이터로 변환합니다.
• 캘린더 UI를 통해 학업 일정을 추가 및 관리할 수 있습니다.

커뮤니티 게시글과 채팅 문장을 분석해 부적절한 표현을 사전에 감지합니다. 파인튜닝된 ELECTRA 모델과 규칙 기반 필터를 함께 사용해 한국어/영어 비속어, 띄어쓰기 변형, 우회 표현을 안정적으로 처리합니다.

• ML 기반 필터와 규칙 기반 필터를 분리해 운영 환경에서 필요한 방식으로 선택할 수 있습니다.
• 한국어 문장 특성을 고려해 단순 키워드 매칭보다 문맥 기반 판별을 우선합니다.
• 회귀 케이스와 품질 리포트로 false positive/false negative를 지속적으로 확인합니다.

튜터링, 스터디, 프로젝트 등 다양한 모임을 모집하고 참여할 수 있습니다.
원하는 물건을 이미지와 함께 등록해 거래할 수 있습니다.

학교 관련 궁금한 점을 챗봇에게 질문하면 학교 데이터에서 근거를 검색한 뒤 실시간 답변을 받을 수 있습니다. 챗봇은 공지사항, 학사일정, 연락처, 장학금, 수강신청, 졸업 요건 등 학교 정보에 특화된 RAG 흐름으로 동작합니다.

사용자 질문
→ 인사/의도 감지
→ 학교 문서 Hybrid Search(BM25 + semantic search)
→ RAG context 구성
→ Ollama 기반 gpt-oss:20b 응답 생성
→ 안전 필터 및 출처 기반 응답 반환

챗봇은 단순 응답 확인이 아니라 질문 세트 기반으로 검색 품질과 답변 근거성을 함께 평가합니다.

• 질문 세트: tests/regression/chatbot/rag_eval_cases.json
• 평가 범위: 학사일정, 연락처, 장학금, 수강신청, 졸업, 학과/기숙사 안내
• 검색 평가: top-k 검색 결과에 기대 URL/문서가 포함되는지 Recall@1, Recall@3 측정
• 답변 평가: 필수 키워드, 날짜 형식, 출처 URL 포함 여부, 비공식 URL 환각 여부 점검
• 자동화: RAG Light Check GitHub Actions가 PR 라벨 run-rag-check 또는 수동 실행에서 질문 세트 스키마와 경량 query-index 회귀를 검증합니다. RAG Full Evaluation은 self-hosted runner가 준비되면 수동 실행으로 전체 RAG 리포트를 생성하며, GitHub artifact에는 상세 질문/답변을 제외한 날짜 prefix summary만 업로드합니다. runner가 준비되기 전에는 로컬에서 전체 RAG 평가를 수동 실행합니다.

# 질문 세트 스키마 검증
python tests/regression/chatbot/evaluate_rag_retrieval.py --validate-only

# 로컬 모델/아티팩트 기반 전체 RAG 평가
python tests/regression/chatbot/evaluate_rag_retrieval.py --out tests/reports/chatbot/rag_eval_report.json --fail-on-fail

# OSS FastAPI 서버 대상 API 회귀 평가
python tests/regression/chatbot/run_chatbot_regression.py --url http://127.0.0.1:8010/chatbot

FE
BE
AI

주성준	백승민	유제승	우승원	전승빈
BE	BE	AI	FE	FE

본 서비스는 아래 오픈소스/오픈웨이트 소프트웨어를 사용합니다.
배포 형태: 서버 호스팅 추론(가중치 미배포), 모델/파라미터 수정 없음.

• License: Apache License 2.0 · 원문: https://github.com/openai/gpt-oss/blob/main/LICENSE
• Source: OpenAI gpt-oss
• Notes: 원본 그대로 사용(파인튜닝/양자화/파라미터 변경 없음), 서버 내 추론만 수행

Model: gpt-oss:20b
Digest: sha256:b112e727c6f18875636c56a779790a590d705aec9e1c0eb5a97d51fc2a778583
Short ID: aa4295ac10c3
Deployed at: 2025-10-10 KST
OpenAI SDK (Python): 2.2.0
Modifications: none (no finetune/quant/param changes)

• OpenAI Python SDK — Apache-2.0
• FastAPI — MIT
• Starlette — BSD-3-Clause
• Uvicorn — BSD-3-Clause
• Pydantic — MIT
• python-dotenv — BSD
• requests — Apache-2.0

전체 목록: THIRD_PARTY_LICENSES.md