레오의 빌드로그
글프로젝트소개English

핀치

포트폴리오 기반 나만의 AI 투자 비서

화면

개요

기간
2026.08 – 2026.09 (6주)
팀
5명
역할
AI 파트 리드

풀고 싶었던 문제

주식 앱의 시세·뉴스·공시는 누구에게나 같은 정보라, 내 포트폴리오에 어떤 의미인지는 직접 찾아봐야 함. 보유 종목과 거래 내역을 기준으로 개인화된 정보를 제공하되, LLM이 숫자를 지어내거나 투자를 권유하지 않아야 함.

해결 방법

  1. 01
    숫자는 계산 엔진이 산출수익률·비중·손익은 계산 엔진이 구하고, AI는 값이 들어갈 자리만 표시해 문장 작성
  2. 02
    답변 전송 전 검사숫자, 출처, 매수·매도 권유 여부 등 10가지 검사. 걸리면 다시 생성하고, 다시 걸리면 내보내지 않음
  3. 03
    AI는 계좌 조회만 가능계좌 데이터는 백엔드에서만 수정하고, AI는 조회용 내부 API만 사용
  4. 04
    답변에 출처 표시뉴스와 공시를 매일 수집해 두고, 답변에 쓴 자료를 각주로 첨부

아키텍처

아키텍처클라이언트인그레스서비스데이터외부웹 화면 사용정적APIAI 요청 중계내부 API로 원장 조회시세 수집
React 웹Vite · TanStack Query
Capacitor 앱 셸iOS · Android
Traefik Ingress운영 클러스터 · Kubernetes
Frontendnginx · 정적 화면
BackendKotlin · Spring Boot · 원장·시세
AIFastAPI · 설명·브리핑·위험 진단
PostgreSQL원장 · 종목
Redis실시간 시세
AI DB시세 이력 · pgvector
한국투자증권 OpenAPI
KRX · DART · NAVER
LLM
  1. 01
    책임 분리수치·위험 판정 = Kotlin 엔진, 설명 = LLM
  2. 02
    원장 단일화잔고·손익은 충전·체결 기록에서만 계산
  3. 03
    데이터 수집보유·관심·최근 조회 종목 중심으로 호출량 관리

사용자 시나리오

사용자 시나리오사용자시스템근거 경로예 · 엔진 결과 전달아니오
사용자
가입가상 예수금 100만 원
종목 탐색검색 · 일봉 · 실시간 시세
모의 매수 · 매도실제 시세로 주문
포트폴리오 확인총자산 · 평가손익
AI에게 질문브리핑 · 위험 진단
시세 수집한국투자증권 · Redis
원장 기록충전 · 체결 (PostgreSQL)
계산 엔진수익률 · 집중도 · 위험
LLM 설명근거 포함
수치 질의?
공시 · 뉴스 근거 조회KRX · DART · NAVER
  1. 01
    사용자 흐름가입 → 탐색 → 모의 매매 → 포트폴리오 → AI 질문
  2. 02
    시스템 흐름시세 수집 → 원장 기록 → 계산 엔진 → LLM 설명
  3. 03
    책임 분리수치·위험 판정은 엔진, 설명은 LLM — AI는 원장을 바꾸지 않음

담당 업무

  1. 01
    숫자 치환 구조LLM은 허용된 키만 쓰고 서버가 계산 엔진 값으로 치환. 계산되지 않은 숫자가 답변에 들어갈 경로 차단LLM은 허용된 키로 {{return_005930}}처럼 쓰고 서버가 계산 엔진 값(+2.48%)으로 치환 · 응답은 텍스트·수치 segments로 분리
  2. 02
    출력 검사 10종숫자·출처·금지 표현 등을 검사해 위반 시 사유를 붙여 재생성, 재실패 시 차단원시 숫자 · 엔진 값 불일치 · 인용 무결성 · 금지 표현 · 스키마 등
  3. 03
    도구 기반 채팅 에이전트질문에 맞는 조회 도구(계좌·수익률·시세·뉴스·공시)를 골라 호출하고, 조회 결과만으로 답변 작성도구 선택 → 서술 2단계 · 도구 7종 병렬 호출, 최대 3턴·12호출 · 작업 큐(Postgres SKIP LOCKED)
  4. 04
    뉴스·공시 수집과 검색뉴스·공시·시세 정기 수집, 답변과 데일리 브리핑의 근거 자료 검색네이버 뉴스 · DART 공시 → 청크 · 임베딩(text-embedding-3-small) → pgvector + 어휘 검색, RRF 융합
  5. 05
    TDD 기반 개발검사 규칙·숫자 치환·도구 호출을 테스트로 먼저 정의한 뒤 구현. 고정 포트폴리오 골든 테스트로 계산 결과 회귀 확인pytest · 골든 테스트 · 테스트 708개

기술 사용 이유

numpy · pandasLLM이 생성한 금융 수치의 오류수익률·위험 판정을 결정론 계산으로 고정
LLM API요청마다 전체 프롬프트 재전송 비용고정 구간 캐시, 설명만 생성
FastAPIAI 서버 외부 노출 시 인증 경계 훼손백엔드 뒤 내부 호출 전용
PostgreSQL시세·종목 데이터의 백엔드 의존AI 파트 소유 DB에 직접 적재
pydantic-settings백엔드 원장 API 완성 전 개발 정체설정값 하나로 시드·백엔드 원장 출처 전환

개선 기록

  1. 01
    답이 "확인되지 않았습니다"로만 나오던 문제계좌 기록을 읽는 경로에 따라 숫자가 AI에게 넘어가지 않던 근본 원인을 찾아 수정
  2. 02
    채팅 답이 느리던 문제모델 교체, 자료 선택 단계의 추론 비활성화, 여러 자료 동시 조회로 대기 시간 단축
  3. 03
    멀쩡한 답을 검사가 막던 문제운영에서 막힌 사유를 집계해 가장 많던 원인(각주 위치 때문에 문장을 잘못 나누던 것) 수정
  4. 04
    실험 결과가 오염되던 문제실패한 응답이 캐시에 남아 A/B 실험 비교를 가리던 문제를 찾아, 실험 시 캐시를 건너뛰도록 변경

관련 글