담담(DAMDAM)

01 / 프로젝트 이해

텍스트·음성의 감정 분석 결과와 사용자 맥락을 RAG 기반 LLM에 전달하고, 상담 대화를 기록·리포트로 연결하는 AI 상담 서비스입니다.

6인 팀의 단독 백엔드 개발자이자 PL로서 데이터·API 설계, 인증, 실시간 상담, 외부 AI 연동과 기록·리포트를 구현했습니다.

전체 아키텍처실시간 상담과 분석·기록 시스템의 연결

인증된 API 요청 · 실시간 상담 메시지

Spring Boot 백엔드

인증 · 상담 상태 · AI 요청 조합 · 기록·리포트 API

모델 호출 · 상태·전문·리포트 저장

내 담당: Spring Boot 백엔드와 연동 API. AI 모델·FastAPI 서버, Spark, FE·인프라는 각 팀원이 담당했습니다.

01 · 사용자 → Spring Boot텍스트·음성 입력
사용자 발화 또는 업로드한 음성을 받습니다.
02 · Spring Boot ↔ 감정 분석 API감정 점수 조회
텍스트·음성 분석 결과를 백엔드 DTO로 변환합니다.
03 · Spring Boot → LLM API상담 요청 조합
발화·프로필·선택적 설문과 감정 결과를 전달합니다.
04 · Spring Boot → WebSocket응답·상태 처리
정상 답변을 전달합니다. LLM 호출 실패 시 안내하고 횟수 차감 단계로 진행하지 않습니다.

LLM이 감정 분석 모델을 대신하지 않습니다. 별도 모델의 감정 결과를 백엔드에서 사용자 맥락과 조합합니다.

문제: DTO 필드와 전달 값이 맞지 않아 AI 채팅에 필요한 발화·맥락·감정 결과가 전달되지 않았습니다.
판단·대응: messageInput과 빌더를 맞추고, 감정 결과를 최종 요청까지 연결했습니다. 선택적 설문과 음성의 messageOrder도 처리했습니다.
결과·한계: 각 서버의 결과가 하나의 LLM 요청에 포함되는 경로를 연결했습니다. 모델 개발은 AI 담당 팀원의 범위입니다.

문제: 정상 답변을 받지 못한 사용자는 실패 이유를 알아야 하고 상담 횟수도 보존돼야 했습니다.
판단·대응: 정상 LLM 응답 이후 횟수를 갱신하고, 호출 예외는 별도 오류 안내로 전달했습니다.
결과·한계: LLM 호출 실패는 정상 답변 저장·횟수 차감 단계로 진행하지 않습니다. 발화 저장·감정 분석·음성 업로드는 별도 단계입니다.

로그인부터 실시간 상담, 전문 보관과 상담별·기간별 리포트까지 데이터 관계를 연결했습니다. 종료 후 전문과 일부 리포트 문자열의 저장 시 암호화도 보완했습니다.