TouchGrass Buddy: 오프라인 AI 기반 야외 모험 생성기

_이 글은 Hacktoberfest Open-Source AI Challenge Week 1: Touch Grass에 제출하는 내용입니다.

제가 만든 것 (What I Built)

오늘날 대부분의 AI 애플리케이션은 사용자들이 화면에 최대한 오래 머물도록 설계되어 있습니다.

Touch Grass 챌린지를 위해 저는 다른 아이디어를 탐구하고 싶었습니다:

만약 AI가 사람들이 화면에서 보내는 시간을 줄이고 야외 활동을 더 많이 하도록 장려할 수 있다면 어떨까?

이 아이디어는 Streamlit, Ollama, 그리고 Llama 3.2를 사용하여 구축된 오프라인 AI 기반 야외 모험 생성기인 TouchGrass Buddy가 되었습니다.

이 애플리케이션은 다음을 기반으로 개인화된 야외 미션을 생성합니다:

• 사용 가능한 시간 (Available Time)
• 위치 (Location)
• 모험 유형 (Adventure Type)

사용자는 다음과 같은 모험 스타일을 선택할 수 있습니다:

• 🌳 자연 탐험 (Nature Exploration)
• 📷 사진 촬영 (Photography)
• 🏃 피트니스 (Fitness)
• 👨‍👩‍👧‍👦 가족 활동 (Family Fun)
• 🧘 마음챙김 (Mindfulness)

그러면 AI가 사용자들이 온라인에서 시간을 더 보내는 대신 실제 세계를 탐험하도록 설계된 개인화된 야외 미션을 만듭니다.

예시 미션:

🌿 동네 마음챙김 산책 (Neighborhood Mindfulness Walk)

1. 주변의 세 가지 다른 소리를 관찰하세요
...

이 앱에는 다음 기능도 포함되어 있습니다:

• 미션 생성 (Mission generation)
• 진행 상황 추적 (Progress tracking)
• 미션 완료 추적 (Mission completion tracking)
• 새 모험 시작 워크플로우 (Start New Adventure workflow)

목표는 간단합니다:

미션 생성 (Generate Mission)
       ↓
야외로 나가기 (Go Outside)
...

화면은 경험의 가장 짧은 부분이 되어야 합니다.

데모 (Demo)

홈 화면 (Home Screen)

생성된 미션 (Generated Mission)

미션 완료 (Mission Complete)

코드 (Code)

GitHub Repository:

👉 https://github.com/vhudlikar/touchgrass-buddy

제작 과정 (How I Built It)

TouchGrass Buddy는 전적으로 오픈소스 도구만을 사용하여 구축되었습니다:

• Python
• Streamlit
• Ollama
• Llama 3.2

작업 흐름은 간단합니다:

1. 사용자가 다음을 선택합니다:

   • 이용 가능한 시간 (Available Time)
   • 위치 (Location)
   • 모험 유형 (Adventure Type)

2. 애플리케이션은 이 입력값들을 Ollama를 통해 로컬에서 실행되는 Llama 3.2 모델로 전송합니다.

3. 모델이 맞춤형 야외 미션을 생성합니다.

4. 사용자는 내장된 미션 트래커(mission tracker)를 사용하여 진행 상황을 추적합니다.

5. 완료되면, 사용자는 완전히 새로운 모험을 시작할 수 있습니다.

전체 애플리케이션은 설정 후 인터넷 연결 없이 노트북에서 로컬로 실행됩니다.

오픈 혁신이 중요한 이유 (Why Does Open Innovation Matter?)

오픈소스 AI는 이 프로젝트의 단순한 기능이 아니었습니다. 전체 솔루션의 기반이었습니다.

Ollama와 Llama 3.2를 사용함으로써, TouchGrass Buddy는 개인화된 경험을 제공하면서도 완전히 오프라인으로 실행될 수 있습니다.

이러한 오픈소스 접근 방식은 여러 가지 이점을 제공합니다:

✅ 인터넷 연결 불필요

✅ API 키 불필요

✅ 반복 비용 없음 (No recurring costs)

✅ 벤더 종속성 없음 (No vendor lock-in)

✅ 사용자 데이터가 기기를 벗어나지 않음

✅ 모델을 교체하거나 맞춤 설정 가능

폐쇄형 AI 서비스였다면 클라우드 액세스, API 관리, 지속적인 사용 비용이 필요했을 것입니다.

이 프로젝트의 경우, AI를 완전히 로컬 머신에서 실행할 수 있다는 점이 사적이고 휴대 가능하며 저렴한 야외 모험 생성기를 만들고자 하는 목표와 완벽하게 일치했습니다.

오픈 혁신 덕분에 빠르게 실험하고, 자유롭게 구축하며, 누구나 노트북만 있으면 경험에 접근할 수 있게 되었습니다.

나의 에이전트 세션 (My Agent Session)

저는 이 프로젝트에 대한 DevRelay 세션을 녹화하지 않았습니다.

대신, 저는 Git 커밋, 프로젝트 스크린샷 및 공개 GitHub 저장소를 통해 개발 과정을 문서화했습니다.

수상 부문 (Prize Categories)

🏆 최고의 오픈소스 AI 프로젝트 (Best Open-Source AI Project)

TouchGrass Buddy는 다음을 통해 오픈 가중치(open-weight) AI를 애플리케이션의 핵심 부분으로 사용합니다:

• Ollama
• Llama 3.2
• 로컬 추론 (Local inference)

이 프로젝트는 오픈소스 AI가 완전히 오프라인이며 개인 정보 보호에 친화적인 상태를 유지하면서도 유용한 실제 경험을 어떻게 구동할 수 있는지 보여줍니다.

🏆 GitHub Copilot 활용의 모범 사례 (Best Use of GitHub Copilot)

GitHub Copilot은 다음 작업에 도움을 주었습니다:

• Streamlit 개발
• Python 코드 생성
• 디버깅
• UI 개선
• 개발 가속화

Copilot 덕분에 구현 속도를 높일 수 있었고, 저는 전체 사용자 경험과 도전 목표에 집중할 수 있었습니다.

제가 배운 점 (What I Learned)

이 프로젝트는 흥미로운 아이디어를 강화했습니다:

AI가 항상 화면 사용 시간을 늘릴 필요는 없다.

오픈소스 AI는 대체하는 것이 아니라 실제 경험을 지원하는 데 사용될 수 있다.

TouchGrass Buddy를 구축하면서 다음 사항에 대한 이해도 또한 깊어졌습니다:

• 로컬 AI 워크플로우 (Local AI workflows)
• Ollama
• Llama 3.2
• Streamlit 애플리케이션 개발
• 프롬프트 엔지니어링 (Prompt engineering)
• 개인 정보 보호 중심의 AI 설계 (Privacy-focused AI design)

향후 개선 사항 (Future Enhancements)

잠재적인 향후 개선 사항은 다음과 같습니다:

• GPS 기반 어드벤처 (GPS-aware adventures)
• 모바일 친화적 경험 (Mobile-friendly experience)
• 자연 스캐빈저 헌트 (Nature scavenger hunts)
• 업적 배지 (Achievement badges)
• 그룹 어드벤처 (Group adventures)
• 지역 공원 추천 (Local park recommendations)
• 웰빙 및 피트니스 통합 (Wellness and fitness integrations)

결론 (Conclusion)

TouchGrass Buddy는 단순한 질문에서 시작했습니다:

AI가 사람들을 온라인에 머물게 하는 대신 야외 활동을 더 많이 하도록 도울 수 있을까?

Streamlit, Ollama, Llama 3.2를 사용하여 저는 탐험, 움직임, 마음챙김 및 실제 경험을 장려하는 오프라인 AI 기반 야외 어드벤처 생성기를 구축했습니다.

이 프로젝트는 오픈소스 AI가 지능형 애플리케이션을 만드는 데 사용될 뿐만 아니라, 사용자들에게 화면에서 벗어나 주변 세계와 교류하도록 격려할 수 있음을 보여줍니다.

GitHub 저장소:

👉 https://github.com/vhudlikar/touchgrass-buddy