🏆2025 ICT프로젝트 챌린지 - ICT 경진대회 최우수상

🌱 물어보농 - 귀농 길라잡이

귀농을 고려하는 분들을 위한 AI 기반 종합 정보 제공 및 추천 서비스입니다. RAG(Retrieval-Augmented Generation) 기술을 활용하여 사용자 맞춤형 귀농 정보를 제공합니다.

🚀 주요 기능

💬 물어보농 (AI 챗봇)

• RAG 기반 지능형 챗봇: 귀농 관련 질문에 대해 정확하고 상세한 답변 제공
• 맞춤형 추천: 사용자 상황과 선호도에 따른 개인화된 귀농 정보
• 실시간 대화: 자연스러운 대화형 인터페이스로 복잡한 정보도 쉽게 이해

📚 읽어보농 (가이드북)

• 귀농을 위한 단계별 상세 가이드
• 초보자를 위한 실용적인 조언과 팁
• 체계적인 학습 경로 제시

📍 찾아보농 (귀농 유형 검사)

• 맞춤형 귀농 지역 추천 시스템
• 설문조사 기반 개인화 서비스
• 지역별 상세 정보 및 특성 분석

🧮 계산보농 (작물 수익 계산기)

• 작물별 수익성 분석 및 시뮬레이션
• 경험 수준과 품질 등급 반영
• 월별 수익 추이 시각화 및 예측

👨‍🌾 만나보농 (멘토 매칭)

• 귀농 성공 사례 및 멘토 정보
• 지역별 멘토 추천
• 귀농 경험자와의 연결

📰 둘러보농 (뉴스&정보)

• 최신 귀농 관련 소식 및 정책
• 성공 사례 및 인터뷰
• 정책 변화 및 시장 동향

🎁 알아보농 (지원 혜택)

• 지역별 귀농 지원 정책 정보
• 정부 지원사업 상세 안내
• 실시간 혜택 업데이트

🏗️ 시스템 아키텍처

RAG (Retrieval-Augmented Generation) 시스템

사용자 질문 → 검색 엔진 → 관련 문서 검색 → AI 생성 → 답변 제공

핵심 컴포넌트

• Agent System: 사용자 의도 파악 및 작업 분배
• Retriever: 벡터 데이터베이스에서 관련 정보 검색
• Generator: 검색된 정보를 바탕으로 답변 생성
• Response Builder: 최종 답변 구성 및 포맷팅

🤖 AI 에이전트 시스템 상세 구조

슈퍼바이저 (Supervisor)

• 역할: 전체 대화 흐름을 관리하고 사용자 질문의 의도를 파악하는 중앙 제어 시스템
• 주요 기능:
  • 대화 맥락 분석 및 연결성 확인
  • 질문 유형 분류 (후속 질문 vs 새로운 질문)
  • 적절한 도메인 에이전트 선택 및 배정
  • 응답 품질 관리 및 일관성 유지

도메인별 전문 에이전트

1. 정책/지원금 에이전트 (Policy Agent)

• 담당 영역: 정부 지원 정책, 보조금, 귀농 지원 사업
• 동작 방식:
  • 사용자 상황에 맞는 정책 검색
  • 지원 자격 및 신청 절차 안내
  • 지역별 맞춤 정책 추천
• 데이터 소스: 농림축산식품부, 지자체 공공데이터

2. 농업 용어 에이전트 (Term Agent)

• 담당 영역: 농업 전문 용어, 기술적 개념, 초보자를 위한 설명
• 동작 방식:
  • 복잡한 농업 용어를 쉬운 언어로 변환
  • 단계별 학습 경로 제시
  • 관련 용어 간 연결성 설명
• 데이터 소스: 농업 전문 사전, 교육 자료

3. 재배 방식 에이전트 (Cultivation Agent)

• 담당 영역: 작물별 재배 기술, 농법, 시설 관리
• 동작 방식:
  • 사용자 경험 수준에 맞는 재배법 제시
  • 계절별 재배 일정 및 주의사항 안내
  • 문제 해결 및 트러블슈팅 가이드
• 데이터 소스: 농촌진흥청, 전문가 지식베이스

4. 작물 추천 에이전트 (Crop Agent)

• 담당 영역: 지역별 적합 작물, 수익성 분석, 시장 동향
• 동작 방식:
  • 지역 특성과 기후 조건 분석
  • 초보자/경험자별 작물 난이도 평가
  • 수익성 및 시장성 종합 분석
• 데이터 소스: 작물별 재배 데이터, 시장 가격 정보

🔄 에이전트 시스템 동작 원리

1단계: 사용자 질문 입력

사용자 질문 → 슈퍼바이저가 대화 맥락 분석

2단계: 대화 연결성 확인

• 후속 질문 판별: 이전 대화와의 연관성 분석
• 새로운 질문 판별: 완전히 새로운 주제로 분류
• 맥락 병합: 후속 질문의 경우 이전 대화 맥락과 통합

3단계: 질문 의도 분류

질문 분석 → 도메인 분류 → 적절한 에이전트 선택

4단계: 도메인별 도구 실행

• 정책/지원금: 관련 정책 검색 및 맞춤형 추천
• 용어: 전문 용어 해설 및 학습 경로 제시
• 재배방식: 단계별 재배 가이드 및 문제 해결
• 작물추천: 지역별 적합 작물 및 수익성 분석

5단계: 결과 통합 및 응답 생성

에이전트 결과 → 슈퍼바이저 검토 → 최종 응답 구성

🎯 에이전트 시스템의 핵심 특징

지능형 대화 관리

• 맥락 인식: 이전 대화를 기억하고 연결성 유지
• 자연스러운 전환: 주제 변경 시 부드러운 대화 흐름
• 개인화 학습: 사용자 패턴 학습 및 맞춤형 응답

전문성과 접근성의 균형

• 전문 지식: 각 도메인의 깊이 있는 정보 제공
• 초보자 친화적: 복잡한 개념을 쉽게 이해할 수 있도록 설명
• 단계별 학습: 사용자 수준에 맞는 점진적 정보 제공

실시간 정보 업데이트

• 동적 데이터: 최신 정책 및 시장 정보 반영
• 연결성: 다양한 정보 간의 상호 연관성 파악
• 맞춤형 추천: 개인 상황에 최적화된 정보 제공

📊 에이전트 시스템 워크플로우

┌─────────────────────────────────────────────────────────────────┐
│                    도메인별 도구 (Domain Tools)                  │
├─────────────────┬─────────────────┬─────────────────┬─────────┤
│   정책/지원금   │    농업 용어     │    재배 방식     │ 작물추천 │
│    (Policy)     │    (Terms)      │ (Cultivation)   │ (Crops) │
└─────────────────┴─────────────────┴─────────────────┴─────────┘
                                │
                                ▼
┌─────────────────────────────────────────────────────────────────┐
│                     사용자 질문 (User Question)                  │
└─────────────────────────────────────────────────────────────────┘
                                │
                                ▼
┌─────────────────────────────────────────────────────────────────┐
│              이전 대화와 연결성 확인 (Context Check)              │
└─────────────────────────────────────────────────────────────────┘
                                │
                    ┌─────────────┴─────────────┐
                    ▼                           ▼
        ┌─────────────────┐         ┌─────────────────┐
        │   후속 질문      │         │   새로운 질문    │
        │ (Follow-up)     │         │ (New Question)   │
        └─────────────────┘         └─────────────────┘
                    │                           │
                    ▼                           ▼
        ┌─────────────────┐         ┌─────────────────┐
        │ 이전 질문과 병합 │         │ 현재 질문 그대로 │
        │ (Merge Context) │         │  (Use As Is)    │
        └─────────────────┘         └─────────────────┘
                    └─────────────┬─────────────┘
                                  ▼
                ┌─────────────────────────────────┐
                │      질문 의도 분류             │
                │   (Intent Classification)       │
                │  정책/지원금 · 용어 · 재배방식 · 작물추천 │
                └─────────────────────────────────┘
                                  │
                                  ▼
                ┌─────────────────────────────────┐
                │    해당 분야 도구 실행          │
                │   (Execute Domain Tool)        │
                └─────────────────────────────────┘
                                  │
                                  ▼
                ┌─────────────────────────────────┐
                │        결과 정리                │
                │      (Organize Results)        │
                └─────────────────────────────────┘
                                  │
                                  ▼
                ┌─────────────────────────────────┐
                │  최종 답변 + 근거 + 추가 질문 제안 │
                │ (Final Answer + Basis + Suggestions) │
                └─────────────────────────────────┘
                                  │
                                  ▼
                ┌─────────────────────────────────┐
                │      사용자에게 전달            │
                │      (Deliver to User)         │
                └─────────────────────────────────┘

AI 에이전트 시스템의 전체적인 동작 흐름을 보여주는 다이어그램

다이어그램 설명:

1. 도메인별 도구: 4개의 전문 에이전트가 각각의 영역을 담당
2. 사용자 질문: 시스템의 시작점
3. 대화 연결성 확인: 이전 대화와의 연관성 분석
4. 질문 분류: 후속 질문 또는 새로운 질문으로 분류
5. 의도 분류: 정책/지원금, 용어, 재배방식, 작물추천 중 적절한 도메인 선택
6. 도구 실행: 해당 분야의 전문 에이전트가 정보 검색 및 분석 수행
7. 결과 정리: 검색된 정보를 체계적으로 정리
8. 최종 응답: 답변, 근거, 추가 질문 제안을 포함한 종합 응답
9. 사용자 전달: 완성된 응답을 사용자에게 제공

🔧 기술적 구현 세부사항

에이전트 간 통신

• 메시지 큐: 비동기 처리 및 부하 분산
• 상태 관리: 대화 세션 및 사용자 컨텍스트 유지
• 에러 핸들링: 개별 에이전트 장애 시 대체 처리

성능 최적화

• 캐싱 시스템: 자주 사용되는 정보의 빠른 접근
• 병렬 처리: 여러 에이전트의 동시 실행
• 리소스 관리: 메모리 및 CPU 사용량 최적화

🛠️ 기술 스택

Frontend & UI

• Streamlit: 웹 애플리케이션 프레임워크
• CSS3: 반응형 디자인 및 모던 UI
• HTML: 마크업 및 구조

Backend & AI

• Python 3.8+: 메인 프로그래밍 언어
• LangChain: AI 체인 및 에이전트 프레임워크
• BGE-M3: 한국어 특화 임베딩 모델
• ChromaDB: 벡터 데이터베이스

Database & Storage

• ChromaDB: 벡터 검색 및 저장
• Firebase: 사용자 인증 및 관리
• SQLite: 로컬 데이터 저장

Data Processing

• Pandas: 데이터 처리 및 분석
• NumPy: 수치 계산
• Plotly: 데이터 시각화

📦 설치 및 실행

1. 저장소 클론

git clone https://github.com/your-username/RAG.git
cd RAG

2. 가상환경 생성 및 활성화

python -m venv venv
# Windows
venv\Scripts\activate
# macOS/Linux
source venv/bin/activate

3. 의존성 설치

pip install -r requirements.txt

4. 환경 설정

.streamlit/secrets.toml 파일에 Firebase 설정을 추가하세요:

[firebase]
apiKey = "your-api-key"
authDomain = "your-auth-domain"
projectId = "your-project-id"
storageBucket = "your-storage-bucket"
messagingSenderId = "your-messaging-sender-id"
appId = "your-app-id"

5. 애플리케이션 실행

streamlit run main.py

🔐 사용자 인증 시스템

• Firebase Authentication: 이메일/비밀번호 기반 로그인
• 세션 관리: 로그인 상태 유지 및 보안
• 권한 관리: 로그인 후 모든 서비스 이용 가능

📱 사용법

메인 페이지

1. 헤더: 로고 및 로그인/로그아웃 버튼
2. 서비스 네비게이션: 7개 주요 서비스 버튼
3. 히어로 섹션: 서비스 소개 및 시작 버튼
4. 혜택 섹션: 지원정책 미리보기
5. 뉴스 섹션: 최신 귀농 소식
6. 추천 카드: 멘토 찾기 및 수익 계산기

서비스 이용

1. 로그인: 우측 상단 로그인 버튼 클릭
2. 서비스 선택: 원하는 서비스 버튼 클릭
3. 페이지 이동: 해당 서비스 페이지로 자동 이동
4. AI 챗봇: 메인 기능으로 자연스러운 대화형 인터페이스

🎨 디자인 특징

반응형 디자인

• 데스크톱 (1200px+): 3열 그리드 레이아웃
• 태블릿 (992px-1199px): 2열 그리드 레이아웃
• 모바일 (768px-991px): 1열 그리드 레이아웃
• 소형 모바일 (576px-767px): 최적화된 모바일 레이아웃
• 극소형 (480px 이하): 극한 모바일 환경 최적화

UI/UX 특징

• 모던한 그린 톤: 친환경적이고 신뢰감 있는 색상
• 부드러운 애니메이션: 호버 효과 및 전환 애니메이션
• 직관적 인터페이스: 사용자 친화적인 네비게이션
• 일관된 디자인: 통일된 스타일 가이드라인

📊 데이터 구조

벡터 데이터베이스

• 지역 데이터: 전국 시군구별 상세 정보
• 작물 데이터: 작물별 재배 정보 및 수익성
• 정책 데이터: 정부 및 지자체 지원 정책
• 교육 프로그램: 귀농 교육 및 훈련 정보
• 청년 사례: 성공적인 귀농 사례 연구

데이터 출처

• 농림축산식품부: 공식 정책 및 통계
• 통계청: 인구 및 경제 데이터
• 농식품빅데이터 거래소: 농업 관련 빅데이터
• 지자체: 지역별 특화 정보
• 공공데이터 포털: 정부 공개 데이터

🔧 개발 환경 설정

개발 도구

• IDE: PyCharm, VS Code 등
• 버전 관리: Git
• 패키지 관리: pip, requirements.txt

로컬 개발

# 개발 모드 실행
streamlit run main.py --server.port 8501

# 디버그 모드
streamlit run main.py --logger.level debug

🚀 배포

Streamlit Cloud Streamlit Share 배포

📈 향후 개발 계획

단기 목표 (1-3개월)

• 추가 지역 데이터 확보
• 챗봇 응답 품질 개선
• 모바일 앱 개발 검토

중기 목표 (3-6개월)

• 다국어 지원 (영어, 중국어)
• 고급 분석 기능 추가
• API 서비스 제공

장기 목표 (6개월+)

• AI 모델 고도화
• 커뮤니티 기능 추가
• 상용 서비스 전환

🐛 문제 해결

자주 발생하는 문제

1. 의존성 설치 오류: 가상환경 활성화 확인
2. Firebase 연결 오류: API 키 및 설정 확인
3. 벡터 DB 오류: 데이터 파일 경로 확인

로그 확인

# Streamlit 로그 확인
streamlit run main.py --logger.level debug

📄 라이선스

이 프로젝트는 MIT 라이선스 하에 배포됩니다. 자세한 내용은 LICENSE 파일을 참조하세요.

📞 문의 및 지원

이슈 리포트

• 버그 리포트: Issues 페이지에서 버그 신고
• 기능 요청: 새로운 기능 제안 및 아이디어 공유
• 문의사항: 사용법 및 기술적 질문

커뮤니티

• GitHub Discussions: 프로젝트 관련 토론 및 질문
• Wiki: 상세한 사용법 및 개발 가이드

---

🙏 감사의 말

이 프로젝트는 다음과 같은 오픈소스 프로젝트와 데이터를 활용하여 개발되었습니다:

• Streamlit: 웹 애플리케이션 프레임워크
• LangChain: AI 체인 및 에이전트 프레임워크
• ChromaDB: 벡터 데이터베이스
• Firebase: 사용자 인증 서비스
• 농림축산식품부: 공공 데이터 제공

---

© 2025 물어보농 | 모든 권리 보유

귀농의 꿈을 현실로 만들어가는 여정에 함께해주셔서 감사합니다. 🌱