금융 전문가 챗봇 (Financial Expert Chatbot)

RAG, LangChain, LangGraph, LangSmith를 활용한 금융 분석 AI 시스템입니다.

🚀 주요 기능

1. 메타 에이전트 시스템 (LangGraph) ✨

지능형 쿼리 분석: LLM 기반 의도 파악 및 복잡도 평가
11개 전문 에이전트: Query Analyzer, Data, Analysis, News, Knowledge, Visualization, Response + 4개 메타 에이전트
병렬 실행 최적화: 독립적 작업 동시 처리로 최대 50% 시간 단축
동적 워크플로우: 쿼리 복잡도에 따라 자동으로 최적 경로 선택
신뢰도 평가: 응답 품질을 A~F 등급으로 실시간 평가

2. RAG (Retrieval-Augmented Generation)

Pinecone 벡터 DB: 4,961개 금융 문서 임베딩, 의미 기반 검색
Neo4j 지식 그래프: 30,000+ 관계 (SIMILAR_TO, SAME_CATEGORY, MENTIONS)
한국어 임베딩: kakaobank/kf-deberta-base 모델 (768차원)
매일경제 RSS: 경제/증권/국제/정치 뉴스 자동 수집 및 임베딩
실시간 뉴스: Google RSS + 자동 번역 (영어→한국어)

3. 통합 금융 데이터

실시간 주가: Yahoo Finance API (58개 한국/미국 주요 종목)
재무 지표: PER, PBR, ROE, 배당수익률, 시가총액
뉴스 분석: 매일경제 KG + Google RSS 통합
차트 시각화: matplotlib 기반 주가/거래량 차트
동적 설정: YAML 기반 종목 설정으로 쉬운 확장

4. LangSmith 모니터링 & 최적화

실시간 추적: 모든 쿼리와 응답의 전체 라이프사이클 추적
성능 메트릭: 응답 시간, 성공률, 에러율 대시보드
워크플로우 시각화: LangGraph 실행 흐름 및 에이전트 경로
비용 최적화: Gemini 2.0 Flash Exp 사용으로 저비용 고성능

🏗️ 시스템 아키텍처

사용자 쿼리
    ↓
┌──────────────────────────────────────────────────────────┐
│                    FastAPI Router                        │
│              (chat.py - API 엔드포인트)                   │
└──────────────────────────────────────────────────────────┘
    ↓
┌──────────────────────────────────────────────────────────┐
│                 ChatbotService (진입점)                   │
│       - 워크플로우 선택 및 모니터링 통합                    │
└──────────────────────────────────────────────────────────┘
    ↓
┌──────────────────────────────────────────────────────────┐
│              FinancialWorkflow (메인 라우터)              │
│           - WorkflowRouter로 LangGraph 워크플로우 실행     │
└──────────────────────────────────────────────────────────┘
    ↓
┌──────────────────────────────────────────────────────────┐
│          🧠 WorkflowRouter (LangGraph 기반)              │
├──────────────────────────────────────────────────────────┤
│  1. QueryAnalyzerAgent - 쿼리 의도 & 복잡도 분석          │
│  2. ServicePlannerAgent - 병렬/순차 실행 전략 수립 ✨     │
│  3. ParallelExecutor - 에이전트 동시 실행 ⚡              │
│  4. 전문 에이전트들 (Data/Analysis/News/Knowledge/Viz)    │
│  5. ResultCombinerAgent - LLM 기반 결과 통합 🔗          │
│  6. ConfidenceCalculatorAgent - 신뢰도 평가 📊           │
│  7. ResponseAgent - 최종 응답 생성                       │
└──────────────────────────────────────────────────────────┘
    ↓
┌──────────────────────────────────────────────────────────┐
│                 워크플로우 컴포넌트                         │
├───────────────┬──────────────┬──────────────┬───────────┤
│FinancialData  │ NewsService  │ Analysis     │ Pinecone  │
│Service        │              │ Service      │ RAG       │
│(yfinance)     │(MK+Google)   │              │           │
└───────────────┴──────────────┴──────────────┴───────────┘
    ↓
┌──────────────────────────────────────────────────────────┐
│                      데이터 계층                           │
├────────────┬──────────────┬──────────────┬──────────────┤
│ Pinecone   │    Neo4j     │  Yahoo       │  Google      │
│ 벡터 DB    │  지식그래프   │  Finance     │  RSS         │
│(4,961 docs)│(30K+ 관계)   │(실시간 주가)  │(실시간 뉴스)  │
└────────────┴──────────────┴──────────────┴──────────────┘

📁 프로젝트 구조

BE-LLM/
├── app/
│   ├── main.py                              # FastAPI 애플리케이션
│   ├── config.py                            # 환경 설정 관리
│   │
│   ├── routers/                             # 🌐 API 라우터
│   │   └── chat.py                          # 채팅 API 엔드포인트
│   │
│   ├── schemas/                             # 📋 데이터 스키마
│   │   ├── chat_schema.py                   # 채팅 요청/응답
│   │   └── user_schema.py                   # 사용자 프로필
│   │
│   ├── services/                            # 🔧 비즈니스 로직
│   │   ├── chatbot/                         # 🤖 챗봇 서비스
│   │   │   ├── chatbot_service.py           # 메인 진입점
│   │   │   └── financial_workflow.py        # 워크플로우 통합
│   │   │
│   │   ├── langgraph_enhanced/              # 🧠 메타 에이전트 시스템
│   │   │   ├── workflow_router.py           # LangGraph 워크플로우 라우터
│   │   │   ├── llm_manager.py               # LLM 통합 관리 (Gemini 전용)
│   │   │   └── agents/                      # 11개 에이전트
│   │   │       ├── base_agent.py            # 베이스 클래스
│   │   │       ├── query_analyzer.py        # 쿼리 분석
│   │   │       ├── data_agent.py            # 데이터 조회
│   │   │       ├── analysis_agent.py        # 투자 분석 (RAG+Neo4j)
│   │   │       ├── news_agent.py            # 뉴스 수집
│   │   │       ├── knowledge_agent.py       # 금융 지식 교육
│   │   │       ├── visualization_agent.py   # 차트 생성
│   │   │       ├── response_agent.py        # 최종 응답
│   │   │       ├── service_planner.py       # 서비스 전략 수립 ✨
│   │   │       ├── parallel_executor.py     # 병렬 실행 ⚡
│   │   │       ├── result_combiner.py       # 결과 통합 🔗
│   │   │       ├── confidence_calculator.py # 신뢰도 계산 📊
│   │   │       ├── fallback_agent.py        # 폴백 처리
│   │   │       └── investment_intent_detector.py
│   │   │
│   │   ├── workflow_components/             # ⚙️ 워크플로우 컴포넌트
│   │   │   ├── financial_data_service.py    # 금융 데이터 조회
│   │   │   ├── analysis_service.py          # 데이터 분석
│   │   │   ├── news_service.py              # 뉴스 통합 서비스
│   │   │   ├── mk_rss_scraper.py            # 매일경제 RSS + Neo4j
│   │   │   ├── google_rss_translator.py     # Google RSS + 번역
│   │   │   ├── data_agent_service.py        # 데이터 에이전트
│   │   │   ├── visualization_service.py     # 차트 시각화
│   │   │   └── response_generator_service.py # 응답 생성
│   │   │
│   │   ├── portfolio/                       # 💼 포트폴리오
│   │   │   └── portfolio_advisor.py         # 포트폴리오 제안
│   │   │
│   │   ├── pinecone_rag_service.py          # Pinecone RAG
│   │   ├── pinecone_config.py               # Pinecone 설정
│   │   ├── monitoring_service.py            # LangSmith 모니터링
│   │   └── user_service.py                  # 사용자 관리
│   │
│   └── utils/                               # 🛠️ 유틸리티
│       ├── stock_utils.py                   # 주식 심볼 매핑
│       ├── stock_config_loader.py           # YAML 동적 로딩
│       ├── common_utils.py                  # 공통 유틸
│       ├── formatters/                      # 포맷터
│       │   └── formatters.py
│       ├── external/                        # 외부 API
│       │   └── external_api_service.py
│       └── visualization/                   # 시각화
│           └── chart_display.py
│
├── config/                                  # ⚙️ 설정 파일
│   └── stocks.yaml                          # 58개 종목 설정 (동적)
│
├── docs/                                    # 📚 문서
│   ├── AGENT_SYSTEM_GUIDE.md                # 에이전트 시스템 가이드
│   ├── WORKFLOW_TREE.md                     # 워크플로우 트리
│   └── DEPLOYMENT_CHECKLIST.md              # 배포 체크리스트
│
├── tests/                                   # 🧪 테스트
│   ├── test_langgraph_enhanced.py           # LangGraph 테스트
│   ├── test_chatbot_workflow.py             # 워크플로우 테스트
│   ├── test_stock_utils_integration.py      # 주식 유틸 테스트
│   ├── performance_test/                    # 성능 벤치마크
│   │   ├── simple_benchmark.py
│   │   └── benchmark_analysis.md
│   └── examples/                            # 예제 코드
│       └── data_agent_example.py
│
├── requirements.txt                         # 의존성 (79개 패키지)
├── daily_news_updater.py                    # 일일 뉴스 업데이트 스크립트
├── chat_terminal.py                         # 터미널 채팅 인터페이스
├── run_server.py                            # 서버 실행 스크립트
├── ARCHITECTURE.md                          # 시스템 아키텍처 문서
├── TODO.md                                  # 작업 목록
└── README.md                                # 이 파일

🛠️ 설치 및 실행

1. 의존성 설치

pip install -r requirements.txt

2. 환경 변수 설정

.env 파일을 생성하고 다음 변수들을 설정하세요:

# Google AI API Key (Gemini)
GOOGLE_API_KEY=your_google_api_key_here

# LangSmith 설정 (선택)
LANGCHAIN_TRACING_V2=true
LANGCHAIN_ENDPOINT=https://api.smith.langchain.com
LANGCHAIN_API_KEY=your_langsmith_api_key_here
LANGCHAIN_PROJECT=financial-chatbot

# Neo4j Aura 설정 (매일경제 뉴스 지식그래프)
NEO4J_URI=neo4j+s://xxxxx.databases.neo4j.io
NEO4J_USER=neo4j
NEO4J_PASSWORD=your_neo4j_aura_password

# Pinecone 설정 (RAG 벡터 DB)
PINECONE_API_KEY=your_pinecone_api_key_here
PINECONE_INDEX_NAME=finance-rag-index
EMBEDDING_MODEL_NAME=kakaobank/kf-deberta-base
BATCH_SIZE=32
MAX_LENGTH=256
TOP_K=10

3. 서버 실행

uvicorn app.main:app --reload --host 0.0.0.0 --port 8000

📚 API 사용법

1. 채팅 요청

curl -X POST "http://localhost:8000/api/v1/chat" \
     -H "Content-Type: application/json" \
     -d '{
       "user_id": 1,
       "session_id": "session_123",
       "message": "삼성전자 주가 분석해줘"
     }'

2. 대화 기록 조회

curl -X GET "http://localhost:8000/api/v1/chat/history/session_123"

3. 성능 메트릭 조회

curl -X GET "http://localhost:8000/api/v1/chat/metrics"

4. 성능 리포트 생성

curl -X GET "http://localhost:8000/api/v1/chat/report"

💡 사용 예시

기본 주식 정보 조회

사용자: "삼성전자 주가 알려줘"
챗봇: "📊 삼성전자 (005930.KS) 실시간 정보
현재가: 75,000원
전일대비: +1,500원 (+2.04%)
거래량: 12,345,678주
..."

투자 분석 요청

사용자: "삼성전자 투자 분석해줘"
챗봇: "🔍 투자 분석 결과:
📈 긍정적 신호: 전일 대비 +2.04% 상승
🔥 높은 관심도: 거래량 12,345,678주 (평소 대비 높음)
💰 저평가: PER 12.5 (투자 매력도 높음)
🏢 섹터: Technology
..."

금융 지식 질문

사용자: "PER이 뭔가요?"
챗봇: "📚 금융 지식:
PER (Price-to-Earnings Ratio)는 주가수익비율을 의미합니다.
- 계산법: 주가 ÷ 주당순이익(EPS)
- 의미: 현재 주가가 1년 순이익의 몇 배인지 나타냄
- 해석: 낮을수록 저평가, 높을수록 고평가
- 일반적 기준: 15 이하 저평가, 25 이상 고평가
..."

🔧 주요 기술 스택

핵심 프레임워크

FastAPI: 고성능 비동기 웹 프레임워크
LangChain: LLM 애플리케이션 프레임워크 (0.3.27)
LangGraph: 상태 기반 워크플로우 관리 (0.6.7)
LangSmith: LLM 모니터링 및 디버깅 (0.4.29)

AI/LLM

Google Gemini: 2.0 Flash Exp 모델 (저비용 고성능, 4M 토큰 컨텍스트)
Sentence Transformers: kakaobank/kf-deberta-base (한국어 금융 특화 임베딩, 768차원)
PyTorch: 2.8.0 (모델 추론)
Transformers: 4.56.2 (HuggingFace)

데이터베이스

Pinecone: 클라우드 벡터 DB (4,961개 금융 문서 RAG)
Neo4j Aura: 그래프 DB + GDS (30,000+ 뉴스 관계)

금융 데이터

yfinance: 실시간 주식 데이터 (Yahoo Finance API)
matplotlib: 차트 시각화

뉴스 & 번역

feedparser: RSS 피드 파싱 (매일경제)
deep-translator: 자동 번역 (영어→한국어)
BeautifulSoup4: 웹 스크래핑

유틸리티

PyYAML: 동적 종목 설정
APScheduler: 스케줄링 (일일 뉴스 업데이트)
python-dotenv: 환경 변수 관리

📊 모니터링 및 분석

LangSmith 대시보드

실시간 쿼리 추적
응답 품질 분석
에러 패턴 감지
성능 메트릭 시각화

성능 지표

평균 응답 시간
쿼리 성공률
사용자 만족도
에러 발생률

🚀 최근 업데이트 (2025-10-10)

✅ 완료된 작업:

메타 에이전트 시스템 완성 (11개 에이전트)
- ServicePlannerAgent: 병렬/순차 실행 전략 수립
- ParallelExecutor: 독립적 작업 동시 처리로 50% 시간 단축
- ResultCombinerAgent: LLM 기반 지능형 결과 통합
- ConfidenceCalculatorAgent: A~F 등급 신뢰도 평가
Neo4j 지식그래프 통합
- 매일경제 RSS 자동 수집 (5개 카테고리)
- 30,000+ 관계 구축 (SIMILAR_TO, SAME_CATEGORY, MENTIONS)
- KF-DeBERTa 임베딩 검색 (코사인 유사도)
실시간 뉴스 번역 시스템
- Google RSS 실시간 검색
- 자동 한국어 번역 (deep-translator)
- 매일경제 + Google RSS 통합
동적 종목 설정
- YAML 기반 종목 관리 (stocks.yaml)
- 58개 한국/미국 주요 종목
- 런타임 동적 로딩
코드 최적화
- requirements.txt 정리 (79개 패키지)
- Gemini 전용 LLM 관리자
- 폴백 시스템 구축

📄 라이선스

이 프로젝트는 MIT 라이선스 하에 배포됩니다. 자세한 내용은 LICENSE 파일을 참조하세요.

📞 문의

프로젝트에 대한 문의사항이 있으시면 이슈를 생성해 주세요.

⚠️ 주의사항: 이 챗봇은 교육 및 참고 목적으로 제작되었습니다. 실제 투자 결정은 신중히 하시고, 전문가의 조언을 구하시기 바랍니다.

Name		Name	Last commit message	Last commit date
Latest commit History 131 Commits
.github		.github
app		app
config		config
docs		docs
tests		tests
.dockerignore		.dockerignore
.gitignore		.gitignore
ARCHITECTURE.md		ARCHITECTURE.md
Dockerfile		Dockerfile
FILE_STRUCTURE.md		FILE_STRUCTURE.md
README.md		README.md
TODO.md		TODO.md
build_sector_data.py		build_sector_data.py
chat_terminal.py		chat_terminal.py
check_neo4j_relations.py		check_neo4j_relations.py
check_neo4j_sector_data.py		check_neo4j_sector_data.py
daily_news_updater.py		daily_news_updater.py
requirements.txt		requirements.txt
run_server.py		run_server.py

KE-WhyNot/BE-LLM

Folders and files

Latest commit

History

Repository files navigation