👫 칭구야(Chingoo-ya)

CBT·행동활성화 기반 감정 회복 지원 RAG 챗봇(API + 서비스)

“당신의 감정을 이해하고, 다시 살아갈 힘을 주는 AI 친구”

📌 2025 새싹 해커톤(SeSAC Hackathon) 출품작

📌 팀명: 세계확장

📌 구성원: 정수미 · 이재훈 · 이동호 · 조영진 · 김지운

---

📖 프로젝트 개요

• *칭구야(Chingoo-ya)**는

우울감·고립감을 느끼는 청년들이 스스로 감정을 이해하고 회복 행동을 수행하도록 돕는

CBT 기반 감정 회복 AI 챗봇이다.

서비스는 다음 두 가지 핵심 개입(Evidence-Based Intervention)을 중심으로 구성된다:

🔹 1. 과거 일기 기반 RAG

• 사용자 과거 감정·행동 기록을 벡터DB(pgvector)에서 검색

• “비슷한 감정을 느꼈던 순간”을 찾아 비교

• 감정 패턴을 재해석할 수 있도록 도움

  [세계확장] 칭구야

🔹 2. CBT·행동활성화 매뉴얼 기반 RAG

• 치료 논문·심리학 매뉴얼을 기반으로

  사고 재구성 / 행동 활성화 / 자기자비 훈련 과제를 추천

  [세계확장] 칭구야

이 두 가지 RAG를 기반으로

단순 공감 챗봇을 넘어 실제 심리치료 원리를 적용한 개입형 챗봇을 제공한다.

---

🎯 서비스 목표

✔ 청년 우울·고립감 완화

✔ 전문가 상담 접근성 부족 문제 해결

✔ 감정 분석 & 행동 제안 기반 실질적 회복 촉진

✔ 감정 패턴 기록 및 시각화를 통한 자기 이해

✔ CBT 기반 과제 추천

---

🌟 주요 기능

1) CBT 기반 감정 대화 구조

• 공감 (Emotional Reflection)

• 사고 탐색 (Cognitive Exploration)

• 감정 명확화 (Labeling)

• 행동 제안 (Behavioral Suggestion)

• 인지 왜곡 자동 탐지

  (흑백논리, 과일반화, 개인화, 파국화 등)

  [세계확장] 칭구야

2) 근거 기반 개입 (Evidence-based Intervention, EBI)

🟦 a. 논문 기반 CBT / 행동활성화 과제 RAG

• 챗봇 내에 CBT 메뉴얼 기반 대화 유도
• 모델을 통해 나온 감정 기반으로 메뉴얼에 따라 과제 추천

🟨 b. 과거 일기 기반 RAG

• 사용자 개인 감정 기록에서 유사한 경험 검색
• “그때 무엇을 했는지” 비교 → 회복 전략 안내
• 감정 패턴 인식 & 자각 증진

3) 감정 변화 기록/시각화

• 일/주/월 단위 감정 그래프
• 감정 비율 파이차트

---

🧠 시스템 구조

사용자 입력(대화 전체)
      ↓
감정 분석 모델 (BERT/RoBERTa)
      ↓
인지 왜곡 탐지
      ↓
[RAG] 과거 일기 검색 (pgvector)
[RAG] CBT 논문 기반 검색
      ↓
GPT-4.1이 CBT 대화 생성
      ↓
[RAG] 행동 활성화 과제 추천
      ↓
감정 일기 자동 저장 → 그래프 생성

---

🧩 기술 스택

Backend(API)

• FastAPI
• PostgreSQL + pgvector
• LangChain RAG Pipeline
• OpenAI GPT-4o-mini

NLP & ML

• text-embedding-3-small
• 감정 라벨링 BERT 모델

---

📦 백엔드 API 설명 (RAG 챗봇 API)

🚀 설치 방법

python -m venv venv
source venv/bin/activate  # mac/Linux
# venv\Scripts\activate   # Windows

pip install -r requirements.txt

---

⚙ 환경 설정

cp .env.example .env
# OPENAI_API_KEY=your_api_key_here 입력

---

📚 PDF 학습 데이터 준비

data/ 폴더에 PDF 파일들을 넣으면,

초기화 시 자동 학습(RAG 벡터 스토어 생성)된다.

mkdir -p data
cp ~/Downloads/*.pdf data/

---

▶ 서버 실행

python run.py

또는:

uvicorn app.main:app --reload

---

💬 API 사용법

1) 챗봇 초기화

curl -X POST http://localhost:8000/api/chatbot/initialize

예시 응답:

{
  "success": true,
  "message": "챗봇 초기화 완료! 2개의 PDF 파일을 로드했습니다.",
  "data": {
    "document_count": 245,
    "vector_db_path": "./chroma_db",
    "loaded_files": ["support_guide.pdf", "program_info.pdf"]
  }
}

---

2) 챗봇 상태 확인

curl http://localhost:8000/api/chatbot/status

---

3) 질문하기

curl -X POST http://localhost:8000/api/chatbot/chat \
  -H "Content-Type: application/json" \
  -d '{"question": "우울감을 해소하기 위한 지원 프로그램에는 어떤 것들이 있나요?"}'

---

📘 API 엔드포인트 요약

기능	메서드/URL	설명
Health	GET /api/health	서버 상태 확인
초기화	POST /api/chatbot/initialize	PDF 불러와 RAG DB 생성
상태조회	GET /api/chatbot/status	벡터DB/모델 초기화 여부 확인
질문	POST /api/chatbot/chat	RAG 기반 상담 답변 생성

---

📑 API 문서

• Swagger: http://localhost:8000/docs
• ReDoc: http://localhost:8000/redoc

---

📁 프로젝트 구조

h-sw-h-back/
├── app/
│   ├── main.py
│   ├── config.py
│   ├── routers/
│   │   ├── health.py
│   │   └── chatbot.py
│   ├── services/
│   │   └── vector_store.py
│   ├── utils/
│   │   └── pdf_loader.py
│   └── schemas/
│       └── chatbot.py
├── data/
├── chroma_db/
├── .env
├── .env.example
├── requirements.txt
├── run.py
└── README.md

---

🔄 작동 원리 (RAG Pipeline)

1. PDF 로드
2. 텍스트 청크 분할 (500자 / overlap 100자)
3. OpenAI 임베딩 생성
4. postgreDB 저장
5. 질문 → 벡터 검색 (Top-k)
6. GPT-4o-mini가 CBT 스타일 답변 생성

---

✨ 기대효과

1) 접근성 높은 정서 지원 도구

2) 전문가 상담의 보조자료로 활용 가능

3) 청년 고립·우울 문제 완화

4) 감정 그래프 기반 자기 이해 증진