ListingLab: 제품 상세 정보를 마켓플레이스용 리스팅으로 변환하는 오픈 웨이트 AI

이 글은 Hacktoberfest Open-Source AI Challenge Week 2: Side Hustle 제출물입니다.

제가 만든 것 (What I Built)

ListingLab은 독립 판매자, 소규모 사업체 및 부업을 하는 사람들을 위해 설계된 AI 기반 제품 리스팅 생성기입니다.

여러 마켓플레이스에 맞는 제품 설명을 작성하는 것은 반복적일 수 있습니다. 판매자는 명확한 제목, 유용한 판매 포인트, 상세 설명, 검색 태그가 필요하며, 이 콘텐츠를 다양한 플랫폼에 맞게 조정하는 데 시간이 걸립니다.

ListingLab은 기본적인 제품 상세 정보를 다음을 포함하는 편집 가능한 리스팅으로 변환합니다:

• 제품 제목 및 짧은 후크(hook)
• 핵심 판매 포인트 5가지
• 상세 제품 설명
• 검색 태그
• 소셜 미디어 캡션

Shopify, Etsy, Amazon, eBay, WooCommerce와 같은 플랫폼에 대한 마켓플레이스별 생성을 지원합니다. 사용자는 생성된 콘텐츠를 편집하고, 개별 섹션을 복사하며, 결과를 Markdown 또는 JSON 형식으로 내보낼 수 있습니다.

목표는 간단합니다: 판매자들이 리스팅 작성에 쓰는 시간을 줄이고 비즈니스 구축에 더 많은 시간을 할애하도록 돕는 것입니다.

데모 (Demo)

ListingLab을 여기서 사용해 보세요:

https://listinglab-lnle.onrender.com/

코드 (Code)

GitHub 저장소: https://github.com/Tanmaypatil-25/ListingLab

구축 방법 (How I Built It)

저는 ListingLab을 풀스택 TypeScript 애플리케이션으로 만들었습니다.

프론트엔드는 React, Vite, Tailwind CSS를 사용합니다. 백엔드는 Node.js, Express, TypeScript를 사용하여 입력을 검증하고, 프롬프트를 구성하며, AI 제공업체와 통신하고, 생성된 응답을 처리합니다.

배포된 애플리케이션은 Groq의 API를 통해 오픈 웨이트 openai/gpt-oss-120b 모델을 사용합니다. 또한 로컬 Ollama와 같은 호환 가능한 엔드포인트를 지원하며, 구성 가능한 제공업체 어댑터(provider adapter)를 중심으로 AI 통합 설계를 했습니다.

구현의 핵심 부분은 모델이 사용자가 제공한 정보만을 기반으로 작동하도록 안내하는 것입니다. 제품 사양이나 지원되지 않는 주장을 지어내는 것을 방지해야 합니다. 생성된 콘텐츠는 편집 가능하게 유지됩니다. 왜냐하면 AI 출력물은 실제 마켓플레이스에 게시되기 전에 검토되어야 하기 때문입니다.

오픈 이노베이션이 중요한 이유?

소규모 판매자에게 있어, 역량 있는 AI에 접근하는 것이 전체 AI 시스템을 처음부터 구축하거나 영구적으로 특정 독점 모델에 전념해야 하는 것을 의미해서는 안 됩니다.

오픈 웨이트(open-weight) 모델을 사용하면 ListingLab은 다른 경로를 가질 수 있습니다. 기본 모델은 다양한 호환 제공업체를 통해 접근할 수 있으며, 모델 가용성, 호스팅 옵션 및 비용이 변경됨에 따라 애플리케이션을 조정할 수 있습니다. 호환되는 로컬 추론(local inference) 설정을 사용하면 판매자나 개발자는 자체 하드웨어에서 모델을 실행하는 것도 탐색할 수 있습니다.

현재 배포된 데모는 Groq가 호스팅하는 추론을 사용하므로, 여전히 외부 서비스에 의존합니다. 로컬 추론은 대안적인 구성이며, 라이브 데모가 완전히 오프라인으로 실행된다는 주장은 아닙니다.

부업(side hustle)을 목표로 하는 도구에게 있어 유연성은 중요합니다. 애플리케이션을 모듈식으로 유지하면 전체 제품을 재구축할 필요 없이 모델과 제공업체를 실험하기가 더 쉽습니다.

제가 배운 것

ListingLab을 구축하면서 프런트엔드를 AI 기반 백엔드에 연결하고, 구조화된 출력을 위한 프롬프트를 설계하며, 제공업체 오류를 처리하고, 요청을 검증하며, 풀스택(full-stack) 애플리케이션을 배포하는 실질적인 경험을 얻었습니다.

또한 중요한 교훈도 재확인했습니다. 텍스트를 생성하는 것은 AI 제품의 한 부분일 뿐입니다. 그 텍스트 주변의 워크플로우—편집, 복사, 내보내기 및 특정 청중에게 출력을 유용하게 만드는 것—가 똑같이 중요합니다.

ListingLab은 초기 버전이며, 마켓플레이스별 안내, 출력 품질, 전반적인 판매자 워크플로우를 개선할 여지가 있습니다.

다음 계획은?

실제 판매자들의 피드백을 듣고, 리스팅 생성 과정에서 가장 많은 시간을 소요하는 부분이 무엇인지 파악하여, 그 피드백을 바탕으로 다음에 어떤 기능을 개발할지 결정하고 싶습니다.

만약 작은 온라인 비즈니스를 운영하신다면, 이러한 도구가 어떤 부분을 처리해주기를 바라시는지 듣고 싶습니다.