AI 신문고

LLM 멀티에이전트 기반 국민신문고 민원·제안·청원 자동 구조화 및 정책 제안서 생성 플랫폼

시민이 자연어(텍스트·음성·첨부파일)로 문제를 입력하면, 에이전트가 민원/제안/청원을 분류하고 처리에 필요한 누락 정보를 되묻습니다. 이후 관련 법령을 검색해 정책 제안서 초안을 만들고, 자체 검토 결과에 따라 재검색·재작성한 뒤 가결 확률과 소관 위원회 등 분석 결과와 함께 DOCX 문서로 제공합니다. 같은 방향의 제안이 누적되면 클러스터로 묶어 집단 의견으로 집계합니다.

주요 기능

• 대화형 접수: 분류 직후, 접수 내용에 아직 없는 필수 정보만 골라 명확화 질문을 생성 (이미 언급된 정보는 다시 묻지 않음)
• 자기 검토 루프: 생성된 제안서를 검토 에이전트가 평가하고, 수정이 필요하면 법령 재검색 후 재생성
• 법령 근거 검색: 국가법령정보센터 Open API로 관련 법령·판례 검색, 선택적으로 Chroma 벡터 검색 결합
• 정량 분석: 국회 가결 확률, 예상 소요 기간, 소관 위원회 후보를 ML 모델로 예측
• 집단 의견 집계: 유사 제안을 클러스터링하고, 임계치 도달 시 법안 문서 생성 트리거
• 멀티모달 입력: Whisper 음성 입력, PDF·DOCX·이미지 첨부 텍스트 추출

아키텍처

분석 파이프라인 (LangGraph)

backend/app/graph/pipeline.py

flowchart LR
    A[route<br/>분류·담당부처] --> B[structure<br/>문제 구조화]
    B --> C[search<br/>법령·유사사례 검색]
    C --> D[generate<br/>제안서 생성]
    D --> E[review<br/>타당성 검토]
    E -- needs_revision<br/>최대 1회 --> F[inc_rev]
    F --> C
    E -- done --> G[visualize<br/>가결확률·분석]
    G --> H((END))

각 노드의 진행 상태는 GET /api/chat/stream(SSE)으로 프론트엔드에 실시간 전달됩니다.

대화형 접수 흐름

backend/app/api/routes_conversation.py — 컨텍스트를 요청/응답 페이로드로 주고받는 stateless 설계로 서버리스 환경에서도 동작합니다.

단계	엔드포인트	처리
start	POST /api/conversation/start	분류, 소관 위원회 추천, 명확화 질문 생성
answer	POST /api/conversation/answer	답변 반영 초안 제안서, 가결 확률을 높이는 개선안 제시
finalize	POST /api/conversation/finalize	최종 제안서 및 DOCX 생성

에이전트 구성

에이전트	파일	역할
Router	agents/router.py	민원/제안/청원 분류, 담당 부처·주제·키워드 추출
Questioner	agents/llm_questioner.py	누락된 필수 정보에 대한 맞춤형 명확화 질문 생성
Structurer	agents/llm1_structurer.py	원인·대상·해결 방향으로 문제 구조화, 제안서 생성
Searcher	agents/llm2_searcher.py	관련 법령·판례·유사 사례 검색
Reviewer	agents/llm3_reviewer.py	제안서 타당성 점수, 강점·약점, 수정 필요 여부 판단
Visualizer	agents/llm4_visualizer.py	가결 확률·소요 기간 등 분석 결과 구성
Improver	agents/llm_improver.py	통과 가능성을 높이는 구체적 개선안 3~4개 제시
Bill Generator	agents/llm_bill_generator.py	정책 제안서를 정식 법안 형식으로 변환

ML 모델

모델	구성	용도
가결 확률	KoBERT 임베딩 + Logistic Regression	법안 텍스트의 국회 가결 확률
소요 기간	KoBERT 768d → PCA 128d + 메타 피처 10d → LightGBM	가결까지 예상 일수 (log1p 회귀)
위원회 추천	TF-IDF + Logistic Regression	소관 상임위원회 후보
접수 유형 분류	TF-IDF + Logistic Regression	민원/제안/청원 분류 (LLM 분류의 보조)

기술 스택

• Backend: FastAPI, LangGraph, Pydantic, Instructor, SQLAlchemy (SQLite / PostgreSQL)
• LLM: OpenAI GPT 계열 (기본 gpt-4o-mini) — 모델명은 OPENAI_MODEL_NAME 환경변수로 지정
• 검색: 국가법령정보센터 Open API, Tavily 웹 검색, Chroma + Ko-SRoBERTa 임베딩 (선택)
• ML: KoBERT, scikit-learn, LightGBM
• 음성: OpenAI Whisper API
• Frontend: Next.js 14, TypeScript, Tailwind CSS, Recharts
• 배포: Vercel (프론트), Railway (백엔드·PostgreSQL) — 상세는 DEPLOY.md

프로젝트 구조

backend/app/
├── agents/       # LLM 에이전트
├── graph/        # LangGraph 파이프라인
├── api/          # FastAPI 라우터 (chat, conversation, cluster, bill, upload, voice, admin)
├── rag/          # 법령 API 연동, Chroma 인덱서·검색기
├── ml/           # ML 모델 어댑터 및 싱글턴 레지스트리
├── aggregator/   # 제안 클러스터링, 임계치 트리거
├── stt/          # Whisper 음성 인식
├── utils/        # DOCX 생성, 첨부파일 텍스트 추출
└── storage/      # DB 모델, 시드 데이터
frontend/
├── app/          # 홈, 접수 결과, 클러스터, 제안 목록, 관리자 페이지
└── components/   # ChatBox, ConversationBox, ClusterStatus

실행 방법

Backend

cd backend
pip install -r requirements.txt
uvicorn app.main:app --reload --port 8001

Frontend

cd frontend
npm install
npm run dev   # http://localhost:3000

환경 변수 (backend/.env)

OPENAI_API_KEY=            # 필수
OPENAI_MODEL_NAME=gpt-4o-mini
LAW_API_KEY=               # 선택, https://open.law.go.kr 발급 (미설정 시 샘플 법령 데이터)
TAVILY_API_KEY=            # 선택, 웹 검색
ENABLE_CHROMA=false        # true 시 Chroma 벡터 검색 활성화
ML_ENABLE_KOBERT=true      # false 시 KoBERT 기반 모델 로딩 생략 (메모리 절약)
DATABASE_URL=              # 미설정 시 SQLite

프론트엔드는 frontend/.env.local에 NEXT_PUBLIC_API_URL을 지정합니다.

주요 API

Method	Endpoint	설명
POST	/api/conversation/start · /answer · /finalize	대화형 접수 3단계
POST	/api/chat	분석 파이프라인 일괄 실행
GET	/api/chat/stream	분석 파이프라인 SSE 스트리밍
POST	/api/session/{id}/bill	정식 법안 형식 변환
GET	/api/session/{id}/download/docx	제안서 DOCX 다운로드
GET	/api/clusters · /api/cluster/{id}	집단 의견 클러스터 조회
POST	/api/upload	첨부파일 업로드 및 텍스트 추출
POST	/api/voice/transcribe	음성 → 텍스트

한계 및 향후 과제

• 접수 유형 분류기는 직접 구축한 시드 문장 221개(민원 71, 제안 75, 청원 75)로 학습했으며, 실제 국민신문고 데이터로의 검증은 이루어지지 않았습니다.
• 명확화 질문은 한 번에 일괄 생성하는 방식으로, 답변에 따라 다음 질문을 다시 정하는 순차적 문답은 지원하지 않습니다.
• Chroma 벡터 검색은 로컬 Windows 환경 호환성 문제로 기본 비활성화되어 있습니다.