▲ 대구교통공사 3호선 전력관제 장애 관리 통합 플랫폼 메인화면
DTRO 사규 챗봇은 대구교통공사의 사규 및 내규 데이터를 기반으로 구축된 ChromaDB 기반 지능형 RAG 챗봇입니다.
로컬 환경에서 실행되며, 높은 정확도와 빠른 검색 속도를 제공합니다.
이 챗봇은 **"대구교통공사 3호선 전력관제 장애 관리 통합 플랫폼"**의 핵심 모듈 중 하나로 개발되었습니다.
전체 플랫폼에는 다음과 같은 모듈들이 포함되어 있습니다:
- 장애 예측기 (Failure Predictor)
- 장애 분석기 (Failure Analyzer)
- 지식 검색기 / 사규 챗봇 ← 현재 프로젝트
- 장애 보고서 뷰어 (Report Viewer)
- 계통 시뮬레이터 (System Simulator)
📦 전체 프로젝트 저장소: DTRO Line 3 Power Control Platform
(개별 모듈들을 독립적으로 사용하거나, 통합 플랫폼으로 운영 가능)
- 소속: 대구교통공사 3호선 경전철관제팀 전력관제
- 성명: 강동우
- 역할: 기획, 설계, 전체 개발 (Full Stack & AI)
Note: 본 프로젝트는 개발자 개인의 연구 및 학습 결과물이며, 대구교통공사의 공식 입장이 아님을 밝힙니다.
전력관제 현장에서는 긴급 상황 발생 시 관련 사규와 절차를 빠르게 찾아 정확히 적용해야 합니다.
하지만 기존 방식은:
- 📄 수백 페이지의 PDF/HWP 문서를 일일이 검색
- ⏰ 긴급 상황에서 시간 소모
- ❓ 관련 규정을 찾지 못하거나 잘못 해석할 위험
✅ 즉각적인 답변: "승진 소요기간은?" → 3초 내 정확한 답변
✅ 출처 투명성: 답변 근거가 된 원문을 클릭 한 번으로 확인
✅ 오프라인 실행: 인터넷 없이도 로컬에서 완전 작동
✅ 커스터마이징: 다른 회사/기관의 사규로 쉽게 교체 가능
- ChromaDB Vector DB: 사용하기 쉬운 벡터 검색 엔진으로 정확한 검색
- 출처 원문 보기: 답변의 근거가 된 원문을 클릭 한 번으로 확인
- BGE-M3 임베딩: 한국어 특화 고성능 임베딩 모델 (8192 차원)
- 로컬 LLM: Ollama 기반 Gemma 3 모델로 완전한 오프라인 실행 가능
- 브랜드 테마: 대구교통공사 CI 색상 적용
- 간편한 설치: Python 기반으로 설치가 매우 쉬움
이 배포본에는 이미 임베딩된 ChromaDB가 포함되어 있습니다!
- Python 3.10 이상 설치
- (선택) Ollama 설치 및 모델 다운로드
ollama pull hf.co/unsloth/gemma-3n-E4B-it-GGUF:Q4_K_M
챗봇실행.bat더블 클릭!
자동으로 필요한 패키지를 설치하고 챗봇이 실행됩니다.
데이터를 직접 임베딩하고 싶다면 **setup_and_run.bat**을 사용하세요.
DTRO_GraphRAG_OpenSource/
├── data/ # 사규 원본 데이터 (15개 카테고리)
├── chroma_db_fulltext/ # 임베딩된 ChromaDB (2,863개 문서)
├── static/ # 로고 등 정적 리소스
├── templates/ # 웹 UI 템플릿
├── chatbot_graphrag.py # 챗봇 서버 메인 코드
├── embedding_fulltext.py # ChromaDB 임베딩 생성 스크립트
├── 챗봇실행.bat # 간편 실행기 (DB 포함)
├── setup_and_run.bat # 전체 설치 실행기
├── requirements.txt # 의존성 패키지 목록
└── README.md # 이 문서
자동 실행기를 사용하지 않고 직접 설치하려면:
# 1. 가상환경 생성
python -m venv venv
venv\Scripts\activate # Windows
# 2. 패키지 설치
pip install -r requirements.txt
# 3. Ollama 모델 다운로드
ollama pull hf.co/unsloth/gemma-3n-E4B-it-GGUF:Q4_K_M
# 4. 데이터 임베딩 (최초 1회)
python embedding_fulltext.py
# 5. 챗봇 실행
python chatbot_graphrag.py브라우저에서 http://localhost:5000 접속
답변 하단의 "📚 참고 문서" 섹션에서 출처를 클릭하면, 실제로 LLM이 참고한 원문 내용을 모달 팝업으로 확인할 수 있습니다.
왜 중요한가?
- ✅ AI 답변의 신뢰성 검증
- ✅ 할루시네이션(환각) 방지
- ✅ 규정 원문 확인으로 법적 리스크 감소
- LLM 모델 선택: Ollama에 설치된 다양한 모델 중 선택 가능
- 프롬프트 커스터마이징: 답변 스타일을 자유롭게 조정
- 1차 검색: ChromaDB 벡터 유사도 검색 (Top 20)
- 2차 Re-ranking: ColBERT 기반 정밀 재정렬 (Top 5)
- 결과: 높은 정확도와 빠른 속도 (평균 응답 시간 2~3초)
이 챗봇을 귀사/귀 기관의 사규 시스템으로 쉽게 변환할 수 있습니다!
# 1. data/ 폴더의 TXT 파일을 귀사 사규로 교체
# 2. chroma_db_fulltext 폴더 삭제
# 3. 재임베딩
python embedding_fulltext.py- 로고:
static/ci.png파일을 귀사 로고로 교체 - 제목:
templates/index_graphrag.html파일에서 "대구교통공사" → "귀사명" 변경 - 색상: HTML 파일 내 CSS에서
#0058a6,#00bbf0등을 귀사 CI 색상으로 변경
본 프로젝트에 포함된 사규 데이터는 2025년 5월 말 기준입니다.
최신 개정 사항을 반영하려면:
data/폴더 내의 TXT 파일을 최신 사규로 교체chroma_db_fulltext폴더 삭제python embedding_fulltext.py재실행
| 구분 | 기술 | 비고 |
|---|---|---|
| Vector DB | ChromaDB | Python 생태계 호환성 우수 |
| Embedding | BGE-M3 | 한국어 특화, 8192 차원 |
| Re-ranking | ColBERT | 정밀 재정렬 |
| LLM | Ollama (Gemma 3) | 로컬 실행, GPU 불필요 |
| Backend | Flask | Python 웹 프레임워크 |
| Frontend | Vanilla JS, HTML5 | 의존성 최소화 |
이 챗봇은 저사양 환경에서도 구동되도록 최적화되었습니다.
- CPU: Intel Core i3-13100 이상
- RAM: 16GB 이상
- GPU: 불필요 (CPU만으로 실행 가능)
- 저장공간: 5GB 이상 (모델 포함)
- 설치 간편:
pip install chromadb만으로 즉시 사용 가능 - Python 생태계 호환: Python 프로젝트와 완벽한 통합
- 활발한 커뮤니티: 풍부한 문서와 예제
- 충분한 성능: 대부분의 사용 사례에 만족스러운 속도
- 오픈소스: 완전 무료, 상업적 사용 가능
참고: 더 높은 성능이 필요한 경우 Qdrant 등 다른 벡터 DB로 쉽게 전환 가능합니다.
- Ollama 필수: 답변 생성을 위해서는 Ollama가 실행 중이어야 합니다.
- 한국어 특화: BGE-M3 모델은 한국어에 최적화되어 있어, 영어 문서에는 성능이 떨어질 수 있습니다.
- 컨텍스트 길이: 매우 긴 문서(10,000자 이상)는 청크로 분할되어 일부 맥락이 손실될 수 있습니다.
- 멀티모달 지원 (이미지, 표 인식)
- 대화 히스토리 기능
- 북마크 및 즐겨찾기
- 음성 입력/출력 (STT/TTS)
- 모바일 반응형 UI
이 프로젝트는 MIT License 하에 배포됩니다.
단, data/ 폴더 내의 사규 데이터는 대구교통공사의 소유입니다.
이 프로젝트는 다음 오픈소스 프로젝트들의 도움으로 완성되었습니다:
Powered by ChromaDB, BGE-M3, and Ollama
Developed with ❤️ by 강동우 @ DTRO