전공 문헌 RAG & 멀티 에이전트 에디토리얼·교안 자동화 파이프라인

사진학 전문 서적 벡터 DB와 역할 분리형 에이전트를 결합해 칼럼·광학 도해·A4 인쇄 교안을 일관된 품질로 생성하는 파이프라인

On-premise literature RAG & multi-agent DAG pipeline automating photography columns, optical diagrams, and A4 handouts.

01 / 01

전공 문헌 RAG & 멀티 에이전트 에디토리얼·교안 자동화 파이프라인

본 프로젝트는 고도의 전문성이 요구되는 사진학(Photography Science & Optics) 교육 콘텐츠와 전문 칼럼을 단일 모델의 환각(Hallucination) 없이 일관된 완성도로 생성하기 위해 구축된 문헌 기반 RAG(Retrieval-Augmented Generation) 및 멀티 에이전트 자동화 파이프라인입니다.

기존 상용 LLM에 단일 프롬프트를 입력하는 방식은 감광재료학의 화학적 반응 수치, 존 시스템(Zone System)의 농도 공식, 렌즈 광학 수차 등 엄밀한 전공 지식에서 필연적으로 사실 왜곡을 발생시킵니다. 또한 웹 칼럼, 인스타그램 카드뉴스, 강의실 배포용 A4 인쇄 교안 등 각 매체가 요구하는 조판 규격과 시각 자료를 단일 텍스트 출력으로 충족하는 것은 불가능했습니다.

본 파이프라인은 신뢰할 수 있는 학술 문헌을 벡터화한 전용 지식 베이스를 중심으로, 기획·집필·도해 조립·팩트 검증의 역할 분리형 DAG(Directed Acyclic Graph)를 구축하고 Satori 엔진 및 Print CSS 기반의 자동 조판 시스템을 연동하여 지식 생산의 전 과정을 자동화했습니다.


1. 문제 정의 및 엔지니어링 과제

교육 현장과 전문 매체 운영에서 체감된 주요 기술적 병목은 세 가지였습니다:

  1. 전공 지식의 환각(Hallucination) 위험: 조리개 값, 셔터 속도와 같은 기본 상식 외에 상반칙 불궤(Reciprocity Failure) 계산식, MTF 차트 해석, 현상액 화학 반응 등 전문 도메인 수식에서 범용 LLM의 통계적 추론 오류가 빈번히 발생했습니다.
  2. 단조로운 AI 문체와 호흡 불일치: 범용 지시 튜닝 모델은 전형적인 서술형 문체("~에 대해 알아보겠습니다", "결론적으로 ~입니다")를 반복하여 아카데믹하면서도 현장감 있는 전문 교육자의 호흡을 구현하지 못했습니다.
  3. 매체별 조판 규격의 파편화: 동일한 교육 콘텐츠라도 웹 롱폼 에디토리얼, 1:1 정방형 소셜 카드뉴스, 인쇄소 실물 출력을 위한 A4/A5 Paged Media 규격은 레이아웃과 도해 비율이 완전히 상이하여 수작업 재편집 비용이 컸습니다.

2. 전공 문헌 RAG 및 지식 인덱싱 아키텍처

엄밀한 사실 정합성을 담보하기 위해 사진학 고전 개론서부터 현대 디지털 광학 논문까지 선별된 문헌 코퍼스를 구조화하여 로컬 벡터 데이터베이스에 인덱싱했습니다.

[원천 문헌 코퍼스] ──> [계층형 청킹 (512 토큰)] ──> [BGE-M3 임베딩] ──> [ChromaDB 로컬 인덱스]
                                                                        │
[쿼리 분석기] ──────> [키워드 추출 / 의도 분류] ────> [하이브리드 리랭킹] ──────┘
  • 계층형 시맨틱 청킹 (Hierarchical Semantic Chunking): 단순 글자 수 기반 분할을 배제하고, 목차(H1/H2/H3) 계층과 단락 문맥을 보존하는 512 토큰 단위 윈도우 청킹을 적용했습니다. 광학 공식이나 표(Table) 데이터는 마크다운 구조를 원형 보존하여 검색 시 문맥 결손을 방지했습니다.
  • Dense + Sparse 하이브리드 검색: 어휘적 정확도가 중요한 전공 술어(예: '초점거리', '피사계심도', '감색법')를 검색하기 위한 BM25 희소 벡터와, 개념적 맥락을 파악하기 위한 고밀도 임베딩을 상호 보완적으로 결합했습니다.
  • 메타데이터 가중치 필터링: 문헌의 신뢰도 등급(Class A: 표준 학술서, Class B: 실무 매뉴얼, Class C: 기고 칼럼)에 따라 검색 가중치를 차등 부여하여 학술적 엄밀성을 최우선으로 인출하도록 제어했습니다.

3. 멀티 에이전트 오케스트레이션 DAG

단일 거대 프롬프트의 컨텍스트 오염을 방지하기 위해 각 공정을 독립된 책임(Single Responsibility)을 갖는 순차적 에이전트 노드로 분리했습니다.

+─────────────────────────────────────────────────────────────────────────────+
|                         멀티 에이전트 DAG 파이프라인                           |
+─────────────────────────────────────────────────────────────────────────────+
  [Stage 1: 기획 & 검색]
      │  - 주제 선정 및 핵심 논점 구조화
      │  - ChromaDB에서 필수 인용 전공 문헌 Top-K 인출
      ▼
  [Stage 2: 문체 RAG 집필]
      │  - 문체 코퍼스 기반의 호흡·단락 전개 패턴 동기화
      │  - 전공 문헌 인출 컨텍스트를 주입한 초안 작성
      ▼
  [Stage 3: 원자 도해 조립]
      │  - 본문 광학 개념과 143종 SVG 아토믹 라이브러리 매핑
      │  - 3-Zone 다이어그램 파라미터(수치·라벨) 동적 바인딩
      ▼
  [Stage 4: 팩트 검증 & Self-Correction]
      │  - 원천 문헌과의 수치 및 광학 공식 역방향 대조
      │  - 임계치 미달 시 Stage 2로 피드백 반환 및 자동 수정
      ▼
  [Stage 5: 다중 매체 출력 렌더링]

1) 기획 및 문헌 인출 에이전트

작성할 주제(예: '대형 카메라 무브먼트의 샤임플루크 원리')가 주어지면 세부 서술 목차를 생성하고, 각 절에 필요한 전공 수식과 물리 법칙을 지식 베이스에서 인출하여 컨텍스트 패키지를 구성합니다.

2) 문체 RAG 집필 에이전트

단순 지식의 나열이 아닌 교육적 완성도를 확보하기 위해, 과거 엄선된 우수 사진학 칼럼 코퍼스에서 추출한 문체 벡터를 함께 투입합니다. 도입부 문제 제기, 실기 현장 사례 비유, 결론의 미학적 확장 등 고유한 전개 리듬을 일관되게 유지합니다.

3) 원자 SVG 도해 매핑 에이전트

광학 원리 설명에 필수적인 시각 자료를 자동 결합하기 위해 사전 구축된 143종의 표준 광학·조명 SVG 에셋 라이브러리를 탐색합니다. 조명 셋업 다이어그램, 렌즈 단면 굴절 광선도, 셔터 막 주행 타이밍도 중 본문 맥락에 가장 부합하는 에셋을 식별하고 수치 라벨을 동적으로 주입합니다.

4) 팩트 검증 및 Self-Correction 루프

생성된 본문 내 모든 수치(F값, 셔터 스피드, 화학 농도 비율)와 인용 명제를 원천 문헌과 역방향 교차 대조합니다. 허구적 내용이나 모순이 발견될 경우 검증 리포트를 첨부하여 집필 에이전트로 반환하는 자기 수정(Self-Correction) 피드백 루프를 가동합니다.


4. 멀티모달 합성 및 온디바이스 비전 처리

텍스트 생성 완료 후 최종 독자 접점에 전달되는 시각적 에셋을 합성하는 엔진부입니다.

  • Satori 기반 동적 SVG 조립 엔진: CSS/JSX 문법을 기반으로 벡터 그래픽을 조작하는 Satori 렌더러를 활용하여, 라이트 모드 및 다크룸(Darkroom) 테마에 최적화된 3-Zone 다이어그램을 동적으로 생성합니다.
  • 온디바이스 YuNet 안면 인식 및 프라이버시 보호: 교육 실습 예시 사진에 인물이 포함될 경우, 외부 클라우드 비전 API 호출 없이 로컬 NPU 환경에서 경량 심층신경망 YuNet 모델을 구동합니다. 실시간으로 얼굴 영역 랜드마크를 검출하고 가우시안 블러 처리를 자동 적용하여 초상권 침해 위험을 원천 차단합니다.
  • Playwright 기반 래스터화 파이프라인: 웹 반응형 롱폼 이미지와 1:1 정방형 소셜 카드뉴스 포맷에 맞춰 서브픽셀 텍스트 렌더링 품질을 검증하고 무손실 웹 이미지로 내보냅니다.

5. A4/A5 Paged Media 인쇄 CSS 조판 자동화

디지털 발행물을 오프라인 실습 교안이나 핸드아웃으로 즉각 전환할 수 있도록 W3C Paged Media 규격을 준수하는 인쇄 CSS 아키텍처를 결합했습니다.

  • 페이지 브레이크 제어 (break-inside: avoid): 표(Table), 코드 블록, 광학 다이어그램이 페이지 경계에서 잘리는 현상을 CSS 수준에서 원천 차단했습니다.
  • 헤어라인 인쇄 그리드: 실물 인쇄 시 잉크 번짐과 가독성을 고려하여 1px 단일 실선 헤어라인과 300 DPI에 최적화된 폰트 메트릭스를 적용했습니다.
  • 단일 원천 멀티 퍼블리싱 (Single Source of Truth): 작성된 단 하나의 마크다운 원고로부터 웹 칼럼, 소셜 카드뉴스, 인쇄용 PDF가 오차 없이 동시 렌더링되도록 스타일 파이프라인을 단일화했습니다.

6. 엔지니어링 결과 및 아키텍처 성과

  • 환각 검증 통과율 99% 달성: 문헌 기반 RAG와 역방향 팩트 체크 루프를 통해 전문 광학 수치 및 공식의 사실 정합성을 완벽에 가깝게 보증했습니다.
  • 콘텐츠 생산 리드타임 85% 단축: 기획, 문헌 조사, 초안 작성, 다이어그램 제작, 인쇄 조판으로 이어지는 평균 6시간의 전공 교안 작성 공정을 20분 내외의 에이전트 파이프라인 검수 프로세스로 전환했습니다.
  • 데이터 프라이버시 완결: 온디바이스 안면 블러와 로컬 지식 베이스 검색을 통해 일체의 민감 교육 데이터나 학생 실습 사진이 외부 네트워크로 유출되지 않는 보안성을 확립했습니다.

누적 빌드 로그 & 연관 아티클

1건