PrepWise AI: 시험 준비를 위한 오픈 소스 시사 학습 도우미

제가 만든 것과 누구를 위해 만들었는가

제 친구 Geet은 경쟁 시험을 철저하게 준비하고 있는데, 그녀의 가장 큰 일일 어려움 중 하나는 '시사(Current Affairs)'를 따라잡는 것입니다. 매일 그녀는 포털 사이트 전반에서 관련 뉴스를 찾느라 몇 시간을 보내고, 그 후 스스로 테스트를 시도합니다. 이것은 지루하고 수동적인 과정이라 핵심 공부 시간을 갉아먹습니다.

이 문제를 해결하기 위해 저는 그녀를 위해 PrepWise AI를 만들었습니다. 이것은 매일의 주요 뉴스를 가져와 저장하고, 동적이며 온디맨드(on-demand) 모의고사를 생성하는 완전히 자동화된 오픈 소스 기반 플랫폼입니다. Geet이 테스트를 마치면, AI는 단순히 점수를 주는 것이 아니라 그녀의 답을 평가하고 최신 뉴스 맥락에 기반하여 특정 선택지가 왜 정답인지 설명해 줍니다.

실시간 데모: https://shawty-prepwise.vercel.app/
GitHub 저장소: https://github.com/bluea1855/prepwise

스크린샷

demo screenshot

이 프로젝트에 오픈 혁신이 중요한 이유

학생들을 위한 교육 도구의 경우, 폐쇄형 생태계(closed-ecosystem) AI 모델은 종종 너무 비싸고 불투명합니다. Google의 오픈 가중치 Gemma 모델을 사용함으로써 저는 세 가지 핵심적인 일을 달성할 수 있었습니다:

1. 비용 효율성 (Cost-Efficiency): 학생들은 매일의 연습을 위해 값비싼 API 호출 비용을 감당할 수 없습니다. Gemma와 같은 오픈 웨이트(open-weight) 모델은 제로 또는 거의 제로에 가까운 비용으로 고품질 MCQ 평가를 생성할 수 있게 합니다.
2. 투명성 (Transparency): 경쟁 시험에서는 사실이 중요합니다. 오픈 소스 AI를 사용하면 시스템 프롬프트와 온도(temperature)에 대한 완전한 통제권을 가지므로, AI가 환각(hallucination)으로 답변을 내놓기보다 가져온 뉴스 컨텍스트에 엄격하게 의존하도록 보장할 수 있습니다.
3. 향후 파인튜닝 (Future Fine-Tuning): Geet의 시험이 다가옴에 따라, 저는 이 Gemma 모델을 역사적인 기출 문제(historical exam papers)에 특화하여 파인튜닝할 계획입니다. 이는 클로즈드 모델(closed models)에서는 매우 제한적인 작업입니다.

작동 방식 (The Architecture)

저는 12시간이라는 촉박한 시간 안에 이것을 구축해야 했기 때문에, 자동화된 마이크로서비스 접근 방식을 활용했습니다:

• 자동화 (The Automation): 파이썬 스크립트가 매일 자정마다 GitHub Actions Cron Job을 통해 실행됩니다. 이 스크립트는 SerpApi를 사용하여 상위 10개의 일일 시사(인도 및 국제) 뉴스를 가져옵니다.
• 데이터 계층 (The Data Layer): 가져온 뉴스는 즉시 MongoDB Atlas 컬렉션에 안전하게 저장되어 제로 레이턴시 지식 기반 역할을 합니다.
• 백엔드 (The Backend): FastAPI를 사용하여 Render에 배포된 빠르고 가벼운 파이썬 백엔드입니다.
• AI 두뇌 (The AI Brain): Geet이 테스트를 제출하면, 백엔드는 MongoDB에서 관련 뉴스 컨텍스트를 가져와 Gemma 2B 모델로 전달하여 답변을 평가하고 상세한 설명을 생성합니다.
• 프론트엔드 (The Frontend): 방해받지 않는 테스트 환경을 제공하는 반응형 React 애플리케이션입니다.

참가 부문 (Prize Categories I'm Entering)

• Render 활용의 장점: AI 평가 및 데이터베이스 연결을 처리하는 FastAPI 백엔드가 Render에 원활하게 호스팅됩니다.
• Gemma 활용의 장점: 생성된 모의고사에 대한 자연어 설명을 제공하는 핵심 평가 엔진으로 사용되었습니다.
• SerpApi 활용의 장점: 수동 개입 없이 고품질의 실시간 Google News 결과를 가져오는 자동화된 일일 데이터 파이프라인을 구동합니다.
• MongoDB Atlas 활용의 장점: 일일 시사 자료 저장소 역할을 하는 안정적인 데이터 계층(data layer)입니다.
• GitHub Copilot 활용의 장점: React UI 컴포넌트를 신속하게 프로토타입하고, 자정 크론 작업(cron job)을 위한 GitHub Actions 워크플로우 YAML 파일을 작성하는 데 Copilot을 많이 활용했습니다.

친구를 위해 이것을 만들면서 이번 주말 해커톤이 믿을 수 없을 만큼 보람찼습니다. 그가 모의고사 점수가 얼마나 향상될지 기대됩니다!