띵듀로이드 (Ddingduroid)

목차

• 프로젝트 소개
• 개발 기간
• 팀 구성
• 주요 기능
• 기술 스택
• 시스템 아키텍처
• 핵심 기술 구현
• 시연 영상
• 트러블슈팅
• 프로젝트 회고

프로젝트 소개

띵듀로이드는 명지대학교 학생들이 강의 정보를 쉽고 빠르게 얻을 수 있도록 돕는 RAG 기반 AI 챗봇 서비스입니다.

기존 학사 정보 시스템(MSI)의 낙후된 UI/UX와 복잡한 정보 접근성 문제를 해결하기 위해, 자연어 질의응답을 통해 강의계획서의 세부 정보를 실시간으로 제공합니다.

프로젝트 배경

• 52.8%의 대학생이 학사 관리 시스템에 불만족
• 53.3%의 높은 수치로 명지대 MSI가 시스템 UI/UX 낙후 및 비개인화 등 '개선이 시급한 사례'에 해당
• 강의계획서 PDF를 일일이 열람해야 하는 비효율성
• 수강신청 시 필요한 정보(평가 비율, 과제 여부 등)를 빠르게 비교하기 어려움

해결 방안

"수십 개의 강의계획서 PDF를 일일이 열어보지 않고도, 단 몇 초 만에 원하는 정보를 검색한다"

• 자연어 질의응답을 통한 직관적인 정보 검색
• RAG 기반 강의 제공으로 정확한 답변 생성
• 학생 맞춤형 배경 정보 활용 (전공, 수강 중인 강의 등)

개발 기간

2025.11.20 ~ 2025.11.21 (AI·EduTech 해커톤 2일)

팀 구성

총 6명

• Backend: 3명
• Frontend: 1명
• Designer: 1명
• Planner: 1명

주요 기능

1. 사용자 인증 및 권한 관리

• JWT 기반 Access Token / Refresh Token 발급
• 명지대학교 이메일(@mju.ac.kr) 인증 시스템
• Access Token 블랙리스트 관리 (로그아웃 처리)
• 비밀번호 재설정 및 변경 기능

2. AI 기반 강의 정보 챗봇 🔥

RAG (Retrieval-Augmented Generation) 시스템

• BM25 키워드 기반 검색 + Vector 의미 기반 검색 하이브리드 방식
• 강의계획서 PDF를 벡터 DB에 저장하여 정확한 정보 제공
• 사용자 맥락 정보 활용 (전공, 수강 중인 강의 등)

자연어 질의응답

• "중간고사 없는 융소 전공 과목 알려줘"
• "데이터사이언스전공 교수님별 강의평 알려줘"
• "AI 관련 수업 전부 찾아줘"

3. 강의 검색 및 보관함

• 강의명, 교수명, 강좌번호로 강의 검색
• Full-Text Search (MySQL): 한글 강의명에 대한 고속 검색
• 강의 보관함 기능으로 관심 강의 즐겨찾기
• 보관한 강의 기반 맞춤형 AI 추천

4. 사용자 정보 관리

• 학번, 이름, 이메일, 전공 정보 관리
• 비밀번호 변경 및 회원 탈퇴 기능
• 마이페이지를 통한 개인정보 조회

기술 스택

Frontend

Backend

Database

AI & ML

Infrastructure

Tools

시스템 아키텍처

핵심 기술 구현

1. RAG 기반 AI 챗봇 시스템 🔥

하이브리드 검색 방식

1. 키워드 기반 검색 (BM25)
   → 강의명, 교수명 등 정확한 키워드 매칭
   
2. 의미 기반 검색 (Vector)
   → 문맥을 이해하여 유사한 의미의 강의 검색
   
3. 결과 통합
   → 두 방식의 결과를 결합하여 안정적인 검색 성능 확보

FastAPI 서버와의 통신

• RestClient를 활용한 동기 HTTP 통신
• 5분 Read Timeout 설정으로 AI 응답 대기 시간 확보
• SimpleClientHttpRequestFactory로 타임아웃 세밀하게 제어
• Flux으로 래핑하여 반환 (향후 스트리밍 확장 가능)

2. JWT 기반 인증 시스템

토큰 구조

• Access Token: 1시간 유효, API 인증에 사용
• Refresh Token: 7일 유효, MySQL에 저장하여 관리

보안 강화

• 로그아웃 시 Access Token을 블랙리스트에 등록 (DB 저장)
• Refresh Token은 DB에서 즉시 삭제
• JWT 필터에서 블랙리스트 검증
• 만료 시간 기반 자동 정리로 DB 용량 최적화

3. MySQL Full-Text Search를 활용한 강의 검색

한글 검색 최적화

• FULLTEXT INDEX + ngram 파서 사용
• O(log N) 검색 성능으로 빠른 조회
• BOOLEAN MODE를 활용한 유연한 검색
• 강의명 검색 시 부분 일치 지원

검색 방식

• 강의명: Full-Text Search (MATCH ... AGAINST)
• 교수명: LIKE 검색 (CONTAINING)
• 강좌번호: 정확한 일치 검색

4. 이메일 인증 시스템

6자리 인증 코드 전송

• JavaMailSender를 활용한 Gmail SMTP 연동
• 5분 유효 시간 설정
• 1분 재전송 쿨다운 방지
• 인증 완료 후 DB에서 자동 삭제

인증 프로세스

1. 사용자가 명지대 이메일(@mju.ac.kr) 입력
2. 6자리 랜덤 인증 코드 생성 및 전송
3. 사용자가 코드 입력 후 검증
4. 인증 완료 시 회원가입 진행 가능

5. CI/CD 파이프라인

GitHub Actions + Docker + AWS EC2

• main 브랜치 푸시 시 자동 배포 트리거
• Gradle 빌드 후 Docker 이미지 생성
• AWS ECR에 이미지 푸시
• EC2에서 Docker Compose로 컨테이너 재시작

배포 프로세스

1. Java 17 환경에서 Gradle 빌드 (테스트 제외)
2. Docker 이미지 빌드 및 ECR 푸시
3. compose.yml을 EC2로 복사
4. EC2에서 최신 이미지 Pull 후 컨테이너 재시작
5. 사용하지 않는 이미지 자동 정리

시연 영상

Flow : 회원가입 → 로그인 → 채팅 → 강의보관함 → 비밀번호 변경 → 회원탈퇴

default.mp4

트러블슈팅

1. CI/CD 파이프라인 구축 및 자동 배포 🔥

문제 상황

• 수동 배포 시 반복적인 빌드/배포 작업으로 인한 시간 소요
• EC2 SSH 직접 접근으로 인한 보안 위험
• 환경 변수 관리의 어려움 (DB 연결 정보, JWT Secret 등)

해결 과정

1단계: GitHub Actions 기반 CI/CD 파이프라인 구축

• main 브랜치 푸시 시 자동으로 빌드/배포 트리거
• Java 17 환경에서 Gradle 빌드 수행 (테스트 제외)
• AWS ECR에 Docker 이미지 자동 푸시

2단계: Docker/Docker-Compose 기반 컨테이너화

• Dockerfile로 애플리케이션 이미지 생성
• Docker Compose로 컨테이너 배포 및 환경 변수 주입
• 일관된 실행 환경 보장

3단계: AWS 인프라 구성

• Amazon ECR: Docker 이미지 저장소로 활용
• Amazon EC2: Ubuntu 24 기반 애플리케이션 서버
• Amazon RDS(MySQL): 관리형 데이터베이스 서비스

결과

• ✅ main 브랜치 푸시 시 자동 빌드/배포 (약 5분 소요)
• ✅ Docker 기반 컨테이너화로 환경 일관성 확보
• ✅ GitHub Secrets를 통한 안전한 환경 변수 관리
• ✅ 이전 이미지 태그로 즉시 롤백 가능

2. Docker Compose 환경 변수 주입 문제

문제 상황

• GitHub Actions Secrets를 EC2의 Docker Compose에 전달 실패
• 환경 변수가 컨테이너 내부에서 null로 인식
• 배포 후 DB 연결 실패 및 애플리케이션 시작 불가

해결 방법

• GitHub Actions의 appleboy/ssh-action을 통해 EC2에 SSH 접속
• envs 파라미터로 환경 변수 목록 명시
• EC2 내부에서 export 명령어로 환경 변수를 명시적으로 설정
• Docker Compose 실행 시 환경 변수가 컨테이너로 전달되도록 구성

결과

• ✅ GitHub Secrets가 EC2로 안전하게 전달
• ✅ 환경 변수 기반 설정으로 보안 강화 (코드에 민감 정보 미포함)
• ✅ 배포 자동화 완성

3. Amazon RDS(MySQL) 연결 최적화

문제 상황

• 초기 RDS 퍼블릭 액세스로 인한 보안 취약점
• 외부에서 DB에 직접 접근 가능한 위험성

해결 방법

• Security Group 설정: RDS는 EC2 인스턴스에서만 3306 포트 접근 허용
• VPC 내부 통신: RDS와 EC2를 같은 VPC에 배치하여 프라이빗 통신
• 환경 변수 분리: DB 연결 정보를 GitHub Secrets로 관리

결과

• ✅ 안전한 DB 연결 (VPC 내부 통신)
• ✅ 외부에서 RDS 직접 접근 차단
• ✅ 적절한 타임아웃 설정으로 안정적인 연결 유지

4. SSL/TLS 적용 및 도메인 연결

문제 상황

• HTTP 통신으로 인한 보안 취약점
• 프론트엔드(HTTPS)에서 백엔드(HTTP) 호출 시 Mixed Content 에러 발생
• IP 주소 기반 접근으로 인한 낮은 접근성

해결 방법

• 도메인 연결: ddingdu.p-e.kr 도메인 구매 및 EC2 연결
• 리버스 프록시: Nginx로 80 → 8080 포트 포워딩
• SSL 인증서: Let's Encrypt를 통한 무료 SSL 인증서 발급 및 자동 갱신

결과

• ✅ HTTPS 통신으로 보안 강화
• ✅ Mixed Content 에러 해결
• ✅ 도메인을 통한 접근성 향상
• ✅ 자동 SSL 인증서 갱신으로 유지보수 간소화

5. Gradle 빌드 최적화

문제 상황

• CI/CD 파이프라인에서 빌드 시간 과다 소요 (약 3~4분)
• 불필요한 테스트 실행으로 인한 시간 낭비
• 빌드 결과물이 캐싱되지 않아 매번 전체 빌드 수행

해결 방법

• Gradle 빌드 시 -x test 옵션으로 테스트 제외
• .gitignore에 불필요한 빌드 산출물 제외
• GitHub Actions 캐싱 전략 적용 (Gradle 의존성 캐싱)

결과

• ✅ 빌드 시간 약 50% 단축 (34분 → 12분)
• ✅ CI/CD 파이프라인 전체 시간 단축
• ✅ 빠른 배포 사이클 확보

프로젝트 회고

배운 점

1. RAG 시스템: BM25 + Vector 하이브리드 검색을 통한 정확한 정보 검색
2. RestClient 통신: FastAPI 서버와의 효율적인 HTTP 통신 구현
3. 인증 시스템: JWT 기반 인증 및 블랙리스트 관리
4. Full-Text Search: MySQL을 활용한 한글 검색 최적화
5. CI/CD: GitHub Actions + Docker + AWS를 통한 자동 배포

개선 사항

• Redis 도입: Access Token 블랙리스트를 Redis로 관리하여 성능 향상
• 스트리밍 응답: Server-Sent Events(SSE)를 통한 실시간 AI 응답 스트리밍
• 캐싱: 자주 검색되는 강의 정보 캐싱으로 응답 속도 개선
• 모니터링: Prometheus + Grafana를 통한 실시간 모니터링
• 테스트 코드: 단위 테스트 및 통합 테스트 작성

향후 계획

• 강의 평가 시스템 추가
• 시간표 자동 생성 기능
• 학생 간 강의 정보 공유 커뮤니티
• 교수님별 강의 스타일 분석 기능

링크

• GitHub Repository: 프로젝트 링크
• 프로젝트 발표 자료: PDF 링크
• 배포 URL: https://ddingdu.p-e.kr (AWS 비용 문제로 운영 중단)
• Swagger API 문서: https://ddingdu.p-e.kr/swagger-ui/index.html (운영 중단)