[★]pastelize

팀명

pastelization

팀원 명단

안형진, 김태현

지도교수

정상근 교수님

작품 배경 및 목적

RAG(Retrieval Augmented Generation)을 활용한 PDF 문서 지원 지식 그래프 프로그램을 개발하고자 한다. 기존의 Obsidian, LogSeq, SimpleMind 등 다양한 지식 관리 도구들이 있지만, 최신 RAG 기술을 직접 탑재해 연속적인 사용자 경험을 제공하는 프로그램은 없었다. 우리는 Cursor와 같이 연속적이고 직관적인 사용자 경험을 목표로, RAG를 내장하여 사용자가 PDF 문서를 원활하게 탐색하고 지식을 체계적으로 정리할 수 있는 환경을 제공한다. 이를 통해 사용자는 작업의 중단 없이 문서를 읽고 정리하며, 직관적이고 효율적인 UX/UI를 경험할 수 있을 것으로 기대된다.

작품 내용

최근 LLM이 대두되면서 LLM과 함께 작업을 처리하는 사례가 늘어나고 있다. 이와 같은 흐름 속에서 사용자와 LLM 사이의 직관적이고 연속적인 상호작용 방법이 점차 중요해지고 있다. 대표적으로 Cursor는 코드 에디터에 LLM을 성공적으로 탑재하여 개발자가 LLM과 함께 코드를 작성하는 경험을 성공적으로 극대화하고 있다. 작업과 LLM 간의 연속성이 사용자 경험에 큰 영향을 미치기 때문이다. 한편, Obsidian, LogSeq, Notion, SimpleMind 등 지식 그래프(Knowledge Graph)를 활용해 정보를 저장하는 프로그램이 큰 관심을 받고 있지만, 대부분은 LLM과의 통합을 시도하지 않고 있다. 이에 우리는 LLM과 지식 그래프 프로그램을 통합해 사용자가 지식을 정리하는 과정에서 LLM을 활용할 수 있도록 하는 프로그램을 개발하고자 한다. LLM이 지식 정리 과정에서 부드러운 연속성을 제공하는 데 중점을 두고, RAG(Retrieval Augmented Generation) 기법을 적용하여 PDF 내용과 사용자가 정리한 내용을 기반으로 유사한 정보를 추천하거나 생성하는 기능을 추가한다. 이를 통해 사용자가 미처 다루지 못한 부분을 보완하고 정보를 정리해주는 ‘제 2의 뇌’를 목표로 한다. 또한, 논문이나 수업 자료를 읽을 때는, 여러 파일을 많이 돌아가며 보는 경우가 많다. 하지만 LLM을 활용하여 PDF 내용을 정리하는 Moonlight의 경우 하나의 PDF에 대해서만 컨텍스트를 가져 여러 파일을 읽어 전체적인 컨텍스트를 파악하는데 어려움이 있다. 하지만 Pastelize는 많은 PDF 파일에 대하여 전체 컨텍스트를 RAG로 활용하여 다수의 파일을 바꿔가며 지식 그래프를 완성할 수 있다.

창의작품경진대회_결과보고서(pastelization) - 김태현.pdf

PDF 다운로드 • 2.88MB