우리는 일일 대기질 모니터링 로그와 지역 배출 규제 조각을 입력받아, 초과 여부를 표시하고 시정 조치를 작성하는 환경 준수 에이전트를 구축할 것입니다. 이는 환경 컨설턴트와 현장 운영자가 취약한 규칙 엔진(rule engines)을 작성하지 않고도 일상적인 준수 검사의 1차 작업을 자동화하도록 돕습니다. Oxlo.ai는 요청당 평면 요금제(pricing)를 사용하기 때문에, 일일 볼륨이 증가하더라도 수십 개의 측정값을 가진 긴 모니터링 로그 전송 비용이 예측 가능합니다.

필요한 것들

• Python 3.10 이상
• OpenAI SDK: pip install openai
• https://portal.oxlo.ai에서 받은 Oxlo.ai API 키 (무료 티어는 일일 60회 요청 포함)

현장 관리자들은 원본 JSON을 읽지 않습니다. 저는 구조화된 보고서를 짧은 단락으로 변환하기 위해 두 번째 과정을 실행합니다. 이 2단계 패턴은 수학적 검증(auditable)을 유지하고 서술(narrative)을 선택적으로 만듭니다.

def summarize_report(report_json):
    user_message = f"Summarize this compliance report in two sentences for a site manager. Be specific about any exceedances.\n\n{json.dumps(report_json)}"
    
...

실행하기 (Run it)

여기에 전체 스크립트가 있습니다. 제가 Oxlo.ai에 대해 실행했을 때, 에이전트는 PM2.5 평균을 37.0 micrograms/m3로 정확하게 계산하고 초과치를 플래그했습니다.

from openai import OpenAI
import os
import json
...

예시 JSON 출력:

{
  "facility_id": "STK-09",
  "date": "2024-06-12",
...

예시 요약 단락:

The STK-09 현장은 6월 12일 PM2.5 24시간 평균에서 37.0 micrograms/m3의 수치를 기록하며 초과했습니다. 이는 스크러버 유닛 B 유지보수 때문일 가능성이 높습니다. 해당 유닛을 점검하고 수정 사항을 확인하기 위해 24시간 이내에 재샘플링하십시오.

마무리 및 다음 단계 (Wrap-up and next steps)

이것은 작동하는 컴플라이언스 에이전트입니다. Oxlo.ai의 요청당 고정 요금제 모델 덕분에 토큰 비용이 증가하는 것을 걱정하지 않고 다중 페이지 로그와 긴 규정 발췌문을 공급할 수 있습니다. 이를 확장할 수 있는 두 가지 구체적인 방법은 다음과 같습니다:

• 하드코딩된 규정을 검색(retrieval) 단계로 대체합니다. Oxlo.ai의 임베딩 엔드포인트(BGE-Large)를 사용하여 전체 PDF 규정 라이브러리에서 관련 조항을 가져와 프롬프트에 주입하십시오.
• 스크립트를 일일 크론 작업(cron job)으로 예약하여 이메일로 전송된 모니터링 로그를 읽고, 분석을 실행하며, JSON 보고서를 내부 대시보드에 게시하도록 합니다.