저는 Telnyx AI Inference를 사용하여 모든 기사, 블로그 게시물, 문서 페이지 또는 교육 노트를 객관식 퀴즈로 변환하는 작은 Flask 예제를 준비했습니다.

코드:

https://github.com/team-telnyx/telnyx-code-examples/tree/main/quiz-generator-python

아이디어는 간단합니다: 소스 텍스트를 LLM (Large Language Model)에 보내고, 구조화된 JSON을 요청한 다음, 앱에서 렌더링, 저장 또는 내보낼 수 있는 퀴즈를 반환하는 것입니다.

생성되는 내용

앱은 다음을 반환합니다:

• 퀴즈 제목
• 짧은 설명
• 객관식 질문
• A/B/C/D 선택지
• 질문당 하나의 정답
• 정답지에 대한 설명

주요 엔드포인트(Endpoint)는 다음과 같습니다:

POST /quiz/generate

요청 예시:

curl -X POST http://localhost:5000/quiz/generate \
  -H "Content-Type: application/json" \
  -d '{
...

응답 형태 예시:

{
  "id": "quiz-1750280400",
  "title": "Telnyx Call Control API Fundamentals",
...

작동 원리

앱은 다음을 호출합니다:

POST /v2/ai/chat/completions

기본 모델은 다음과 같습니다:

moonshotai/Kimi-K2.6

.env 파일 설정:

TELNYX_API_KEY=your_telnyx_api_key
AI_MODEL=moonshotai/Kimi-K2.6
HOST=127.0.0.1

프롬프트(Prompt)는 모델에게 질문당 4개의 선택지와 짧은 설명을 포함하여 JSON만 반환하도록 요청합니다.

포함된 라우트(Routes)

샘플에는 다음이 포함되어 있습니다:

• POST /quiz/generate
• GET /quizzes
• GET /quizzes/<id>
• GET /quizzes/<id>/answers
• GET /health

저는 정답지(answer-key) 라우트가 별도로 분리된 점이 마음에 드는데, 이는 실제 학습 앱에 아주 잘 매칭되기 때문입니다. 학생용 뷰와 강사용 뷰는 보통 서로 다른 필드가 필요합니다.

프로덕션(Production) 아이디어

이 예제는 핵심 흐름을 쉽게 파악할 수 있도록 퀴즈를 메모리에 저장합니다.

실제 서비스(Production)를 위해서는 다음과 같은 기능을 추가하겠습니다:

• 영구 저장소 (Persistent storage)
• 인증 (Authentication)
• 검토 워크플로 (Review workflows)
• 긴 문서 청킹 (Long-document chunking)
• JSON, CSV 또는 LMS 형식으로 내보내기
• 참/거짓(True/False) 또는 단답형 질문 지원
• 더 강력한 JSON 검증 (JSON validation)

이것은 시작 단계의 패턴이지만 매우 유용합니다. LLM (Large Language Model)이 단순히 산문(prose)을 반환하는 것이 아니라, 구조화된 앱 데이터(structured app data)를 생성하고 있기 때문입니다.

리소스:

• 코드: https://github.com/team-telnyx/telnyx-code-examples/tree/main/quiz-generator-python
• Telnyx AI 추론(Inference) 문서: https://developers.telnyx.com/docs/inference
• Chat Completions API: https://developers.telnyx.com/api/inference/chat-completions
• Telnyx AI 기술 및 툴킷(toolkits): https://github.com/team-telnyx/ai