여행 정보 질문 사이트(?) - DB기반 응답 생성 및 답변 DB 저장 자동화
2024.11.12
소개
시도하고자 했던 것 :
사용자가 사이트에 접속하여 질문 시
수집한 정보가 들어있는 DB에서 정보를 추출하고, 필요 시 인터넷에서 검색한 정보도 조합하여 답변.해당 답변을 다시 DB에 저장
이유 :
기존의 정보 뿐 아니라 DB에 최신의 정보를 계속해서 업데이트(검색 또는 직접 입력)하여
더 정확한 여행 정보를 얻을 수 있게테마(교통, 숙박 등)별 또는 지역별과 같이 어떤 정보, 지역, 날짜, 시간 등에 관심이 있는 지에 대한 정보 파악
위의 데이터를 토대로 많은 사람들이 관심이 있는 정보 추출
사용 툴 :
워크플로우(GPT 생성) :
1. 사용자 질문 수집
채팅 웹사이트 구축 (Bubble 사용)
채팅 인터페이스 개발: 사용자로부터 질문을 입력받을 수 있는 채팅 창을 구현합니다.
API 연결 설정: Bubble의 API Connector를 사용하여 외부 서비스(Make.com)로 데이터를 전송할 수 있도록 설정합니다.
2. 질문 데이터 전달
Make.com과의 연동
트리거 설정: Bubble에서 사용자가 질문을 제출하면 Make.com으로 HTTP 요청을 보내도록 설정합니다.
데이터 포맷: 질문 내용과 관련 메타데이터를 JSON 형태로 전달합니다.
3. 정보 수집 및 답변 생성
기존 데이터베이스 검색 (Airtable 활용)
키워드 매칭: 질문 내용에서 키워드를 추출하여 Airtable에서 관련 데이터를 검색합니다.
Airtable 모듈 설정: Make.com에서 Airtable과 연결하여 질문과 관련된 데이터를 조회합니다.
추가로 인터넷에서 정보를 검색해올 방법 구상 필요
GPT-4를 통한 답변 생성
OpenAI 모듈 설정: Make.com에서 OpenAI API를 사용하여 GPT-4o 모델을 호출합니다.
입력 데이터 구성: Airtable에서 가져온 데이터와 인터넷 검색 결과를 합쳐 GPT-4에 전달합니다.
답변 생성: GPT-4o가 최종 답변을 생성합니다.
4. 답변 검증 단계
LLM을 통한 자동 검증 (현재)
GPT-4를 활용한 검증: 생성된 답변의 정확성과 품질을 평가하도록 GPT-4에 요청합니다.
검증 피드백 처리: 검증 결과에 따라 답변을 수정하거나 그대로 진행합니다.
5. 사용자에게 답변 제공
6. 답변 데이터화 및 저장
Airtable에 답변 저장
데이터베이스 업데이트: 검증된 답변을 Airtable의 데이터베이스에 저장합니다.
데이터 정합성 유지: 중복 데이터를 확인하고 필요한 경우 업데이트합니다.
개선점 :
기초 여행 관련 데이터 수집 방법은?
답변을 생성하기 위한 DB 검색 데이터와 인터넷 검색 결과 데이터가 정확한 지에 검증이 필요
그래서 이 데이터를 어디에 활용할 것인가?
진행 방법
(내용 입력)
결과와 배운 점
(내용 입력)
도움 받은 글 (옵션)
(내용 입력)
로그인하고 댓글을 남겨 주세요




사용자 님 안녕하세요! DB 기반의 챗봇 만드실려고 하시는 것 같으신데, 정~~~~ 말 빠르게 만들 수 있는 꿀 TOOL 하나 소개 시켜드릴게요!
이상연 님께서 만드신 https://veluga.app/ 벨루가라는 챗봇입니다. 수집한 여행 DB로 원하시는 부분 구현이 가능하실 거에요!! 화이팅이에요! :)
박정기 님 답변 감사합니다!
말씀해주신 페이지에 들어가 확인해 봤습니다!
제가 파악하기로는 해당 툴은 기존의 파일이나 DB(노션)의 정보를 기반으로 하여 답하는 걸로 보입니다.
저는 DB에 질문자에 대한 답변을 바로 저장함으로써 정보의 신뢰성을 높이고, 해당 답변 데이터를 다른 부분 (마케팅 또는 답변 개선)에서 활용할 방법을 모색할 계획입니다!
Veluga에서 '답변을 DB에 저장하는 기능'은 찾지 못했는데, 혹시 해당 기능이 이미 있거나, Veluga를 통해 DB에 답변이 저장되도록 구현할 수 있는 방법이 있을까요?
@유승한
맞춤형으로 있습니다. 다만 다시 그걸 활용하려면 당연히 해당 질문과 답변이 정확하다는 전제가 필요할 것 같습니다. 즉) 사람이 검수를 해야하지 않을까 생각됩니다.
@이상연
'맞춤형'이 답변을 모델이 다시 학습하는 기능이 있다는 말씀이 맞으실까요..?
현재 단계에선 GPT나 필요 시 다른 LLM 모델(Perplexity 등)에서 교차 검증 하여 답변의 정확성을 판단하고자 생각중입니다!
@유승한
재학습 파이프라인도 가능하지만 RAG 로도 충분히 가능합니다. 검증도 자동화는 가능하지만 사실 복잡도가 올라가고 비용이 꽤 증가해서 비추천합니다. 틀리면 안되는 업무라면 더더욱 고려하셔야 할것 같습니다. 퍼플렉서티도 환각현상이 은근히 꽤 있답니다.