[Dev-Fortune] 시리즈 다시보기
- 1편: 기획부터 스택 선정까지
- 2편: 로컬 LLM Ollama 연동
- 3편: RAG와 Vector Store 구축
- 4편: 프롬프트 엔지니어링 실전
- 5편: 스트리밍 API 구현
- 6편: 전체 워크플로우 분석
1. 서론: 프로젝트를 마무리하며
시니컬한 개발자 챗봇 ‘Dev-Fortune’을 통해 Spring AI와 RAG의 가능성을 엿보았습니다. 마지막으로 이 프로젝트의 한계를 짚어보고 고도화 로드맵을 그려봅니다.
2. 미래 고도화 로드맵 (AS-IS vs TO-BE)
현재의 메모리 기반 구조에서 영구 저장소와 맥락 인지 능력을 갖춘 시스템으로의 진화 방향입니다.
graph LR
subgraph "AS-IS (Current)"
A[SimpleVectorStore] --- B[In-Memory]
C[Stateless] --- D[No History]
end
subgraph "TO-BE (Future)"
E[PostgreSQL + pgvector] --- F[Persistent Storage]
G[ChatMemory / Redis] --- H[Context Awareness]
I[Multi-Persona] --- J[Style Selection]
end
A -.-> E
C -.-> G
3. 핵심 고도화 포인트
- PostgreSQL + pgvector: 수만 건의 데이터를 영구 저장하고 고속 검색.
- Chat Memory: 이전 대화 맥락을 기억하는 지능형 대화.
- 멀티 페르소나: 에인절 시니어, 까칠한 CTO 등 페르소나 확장.
4. 결론
Java 진영에서도 AI 개발이 너무나 쉽고 우아해졌습니다. 여러분의 앞날에 컴파일 에러 없는 평안만 가득하시길 바라며 시리즈를 마칩니다.
당신의 인생을 계속 디버깅하세요!