안녕하세요! 퇴근 후 취미로 코딩하고 있는 직장인 바이브코더입니다.
기존 코드가 조금씩 스파게티가 되어가는 느낌이 들어 오늘 마음먹고 전부 갈아엎은 뒤(Clean State), 깃허브 원격 저장소 동기화부터 새로 맞추고 1단계 인프라를 깔끔하게 다시 세팅했습니다. 역시 새로 시작하니 속이 다 시원하네요.
1회성 운세 챗봇이 아니라, 나와 대화하며 깊어지는 '의사결정 지원' 주역 상담 AI의 1단계(DB 인프라 & pgvector & 데이터 시딩) 구축 일지를 공유해 봅니다.
🛠️ My Vibe Coding Stack
- Local Dev: Mac Mini M4 Pro + Ollama + Docker Compose
- Database: PostgreSQL 16 + pgvector (활성 확장: vector, pgcrypto, pg_trgm)
- Model: Gemma 4 26B (MoE)
- AI Assistants: Google Antigravity + Claude Code
📝 오늘의 작업 결과
비개발자이지만 Claude Code와 Docker Compose의 도움을 받아 아래 인프라 세팅을 하루 만에 마쳤습니다.
1. PostgreSQL 16 + pgvector 도커 컨테이너 정상 가동
2. Alembic 마이그레이션 스키마 적용 (64괘, 386효, RAG 벡터 청크, 저널, 세션, 턴 테이블)
3. 데이터 시딩: 64괘 386효 한글 괘명 및 이진코드 DB 적재 완료
4. Pydantic 스키마 기반 비동기 CRUD/시딩 유닛 테스트 4건 전원 통과 (0.15초)
🧠 멀티에이전트 아키텍처 구상
단순히 프롬프트 주고 끝나는 챗봇은 아쉬워서 아래와 같이 파이프라인과 피드백 루프를 설계했습니다.
- [안전 스크리닝] 위기 신호 감지 시 즉시 안전 안내 분기
- [정리 에이전트] 고민 구체화 및 중복 질문(재삼독) 방지
- [괘 도출 엔진] 규칙 알고리즘으로 괘 산출 + 원문 DB 조회 + RAG 의미 기반 검색
- [상담 에이전트] 대화체 재구성 및 "질문 던지며 되묻는 루프" 작동 (자기 피드백)
- [저널 에이전트] 세션 종료 시 비동기로 대화 요약을 저장해 다음 세션 컨텍스트(메모리)로 활용
*정신의학 자료를 RAG에 넣으면 AI가 자의적으로 진단 발언을 할 위험이 있어, RAG 인덱스에서 완전히 제외하고 설계 가이드라인으로만 참고하기로 했습니다.
💬 바이브코더분들께 드리는 질문!
이제 2단계 '괘 도출 규칙 엔진 개발'과 3단계 '번역 API 배치 처리'로 진입하려고 합니다.
1. 에이전틱 AI를 설계할 때, 에이전트 간의 상태(State) 관리나 동기화는 보통 어떤 방식으로 가볍게 구현하시나요?
2. 로컬 가벼운 MoE 모델(Gemma 4 26B)을 돌릴 때, 프롬프트 컨텍스트를 아끼기 위한 나름의 RAG 청크 분할 꿀팁이 있다면 아낌없이 훈수 부탁드립니다! 👇
