TrailBuddy: 스크롤은 줄이고, 신선한 공기를 더하다

저는 이 챌린지를 위해 아주 간단한 아이디어를 가졌습니다. 만약 제가 자유 시간이 한 시간 있고 밖에 나가고 싶다면, 왜 뭘 할지 결정하는 과정이 때로는 산책 자체보다 오래 걸릴까요?

그래서 TrailBuddy를 만들었습니다. 시작 지역, 사용 가능한 시간, 그리고 하고 싶은 활동을 입력하면 세 가지 아이디어와 대략적인 소요 시간, 그리고 챙겨갈 물건 한 가지가 제시됩니다. 목표는 하나를 선택하고 탭을 닫는 것이지, 오후 내내 계획을 짜는 것이 아닙니다.

AI를 로컬에서 실행하는 이유?

TrailBuddy는 사용자의 기기에서 Ollama를 통해 Qwen 2.5 3B 모델을 사용하도록 설정되어 있습니다. 모델 다운로드와 Ollama 실행이 완료되면, 요청은 호스팅되는 AI API가 아닌 로컬 Ollama 엔드포인트로 전송됩니다. 이는 API 키나 요청당 모델 비용이 없다는 것을 의미하며, 기본 설정 상태에서는 사용자의 위치와 관심사가 기기 내에 머무르게 합니다. 프롬프트는 레포지토리에 있으며, 환경 변수를 통해 다른 호환 가능한 Ollama 모델로 전환할 수 있습니다.

한 가지 중요한 단점은 모델과 Python 패키지를 먼저 다운로드해야 한다는 것입니다. 그 후에는 인터넷 연결 없이도 앱을 사용할 수 있습니다. 만약 Ollama가 실행되고 있지 않다면, TrailBuddy는 몇 가지 내장 아이디어로 대체하며 이를 오프라인으로 표시합니다. 이들은 AI가 생성한 것이 아닙니다.

작업 중인 프로젝트

저는 FastAPI와 순수 HTML, CSS, JavaScript를 사용하여 앱을 구축했습니다. 따라서 지도, 날씨 또는 트레일 상태를 가져오지는 않기 때문에, 제시되는 제안은 검증된 현지 추천이 아닌 아이디어입니다. 출발 전에 반드시 상태를 확인해 주세요.

제가 7가지 테스트와 브라우저 흐름을 시도했습니다. 저의 테스트 환경에서는 로컬 Ollama 모델을 사용할 수 없었으므로, 실제 Qwen 생성이 아닌 오프라인 대체 기능을 검증했습니다. 또한 아직 외부에서 사용해보지 못했습니다. 이것이 제가 다음으로 하고 싶은 테스트이며, 실제로 산책할 기회가 생기면 이 게시물을 업데이트하겠습니다.

코드: https://github.com/prarthanas9917/trailbuddy-ai

Hacktoberfest Week 1 “Touch Grass” 챌린지를 위해 제작되었습니다.