TrailMate AI: 스크린 시간을 녹색 시간으로 바꾸는 방법 🌿

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

제가 만든 것 (What I Built)

TrailMate AI는 사람들이 스크롤링하는 시간을 줄이고 현실 세계를 탐험하는 시간을 늘리도록 돕기 위해 설계된 AI 기반 야외 활동 계획 도구입니다.

아이디어는 간단합니다. 사용자가 이용 가능한 시간, 체력 수준, 관심사를 선택하면 애플리케이션이 개인 맞춤형 야외 활동 계획을 생성하도록 돕습니다.

짧은 자연 산책이든, 정원 탐험이든, 지역 공원에서 주변 환경 관찰이든, TrailMate AI는 외출하는 것을 더 쉽고 즐겁게 만드는 것을 목표로 합니다.

데모 (Demo)

실시간 데모: 아직 이용할 수 없습니다.

데모 비디오: 곧 공개됩니다.

코드 (Code)

GitHub 저장소: https://github.com/akshat0042005/TrailMate-AI

제작 과정 (How I Built It)

저는 Codex를 사용하여 HTML, CSS, JavaScript로 프론트엔드를, Python과 FastAPI로 백엔드를 구축하고, 오픈 가중치 언어 모델을 이용한 로컬 추론(local inference)에는 Ollama를 사용하며 TrailMate AI를 만드는 데 도움을 받았습니다.

이 프로젝트에는 자동화된 테스트, 설정 예시, 그리고 설치 문서가 포함되어 있습니다.

테스트 스위트는 개발 환경에서 14개의 테스트를 통과했습니다. 로컬 모델로 애플리케이션을 실행하고 전체 사용자 경험을 검증하는 것은 여전히 저의 테스트 과정에 포함되어 있습니다.

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

오픈 가중치(open-weight) AI는 개발자들에게 독점적인 AI API에 전적으로 의존하는 대신 로컬에서 모델을 실험할 기회를 제공합니다.

TrailMate AI는 로컬 추론을 중심으로 설계되어, 개발자들이 프롬프트를 실험하고, 호환 가능한 모델을 변경하며, 외부 서비스가 관여하지 않을 때 사용자 입력을 자신의 장치에 유지할 수 있도록 합니다.

또한 저는 AI가 사람들을 스크린 앞에 붙잡아 두는 것 이상의 무언가에 사용될 수 있는지 탐구하고 싶었습니다. 대신, 그것은 사람들이 밖으로 나가 자연을 관찰하고 주변 세계와 다시 연결되도록 격려하는 활동을 계획하도록 도울 수 있습니다.

제 목표는 AI를 단순히 화면 시간을 늘리는 도구가 아니라, 더 많은 현실 경험을 장려하는 도구로 만드는 것입니다.

에이전트 세션 (Agent Session)

DevRelay 세션 링크는 아직 제공되지 않았습니다.

상품 카테고리 (Prize Categories)

현재 파트너별 상품 카테고리를 신청하지 않았습니다.