OWEN LEE / PORTFOLIO

4 PROJECTS

프로젝트 포트폴리오

검색과 지식 구축, 대화 화면과 음성, 모델 평가까지.
각 프로젝트에서 풀어본 문제와 핵심 구현을 모았습니다.

전체 프로젝트
인쇄 창에서 PDF로 저장을 선택하세요.
Owen Lee · 이원빈AI Systems Engineerwonbeenlee093@gmail.com
OWEN LEE · 프로젝트 포트폴리오
01

AI 인플루언서 · 콘텐츠 운영 · 대화

DearMate

  • 대화·기억
  • 모델 평가
  • 콘텐츠 운영

SNS에서 접한 AI 인플루언서와 직접 대화하고, 다음 방문에도 이전 이야기를 이어 가는 서비스입니다. 캐릭터의 공개 활동을 만드는 Social Automation과 개인별 대화 이력을 활용하는 DearMate를 함께 개발했습니다.

팀 프로젝트 · 팀장·백엔드 / 대화 context·저장·후처리, 모델 지시 이행 실험, Social Automation Agent·콘솔 통합을 맡았습니다.

포트폴리오 PDF 9쪽의 실제 캐릭터 소개·개인 대화·SNS 콘텐츠 화면입니다. 브라우저와 휴대전화의 상하 조작 영역을 덜어냈습니다. 게시 화면의 수치는 캡처 당시 표시값입니다.
01지난 대화를 다시 꺼내는 기억

대화가 길어져도 최근 발화와 이전 경험을 함께 참고하도록 요약과 검색 기억을 조합했습니다. 검색한 기억이 대화 원본에 중복해서 쌓이지 않도록 저장 범위를 나눴습니다.

02응답과 저장을 나눈 대화 실행

사용자와 나눈 원본 대화는 보존하고, 모델이 이번 응답에 읽을 context는 별도로 구성했습니다. 응답 이후에는 후처리 worker가 검색용 embedding을 준비하도록 했습니다.

03긴 대화에서도 첫 지시를 따르는가

LOFT의 긴 context 구성을 활용해 첫 지시와 질문·정답은 유지하고 무관한 내용을 늘렸습니다. 입력 길이에 따라 응답 형식과 정답 회수가 어떻게 달라지는지 비교했습니다.

04콘텐츠 생성부터 승인·활동 기억까지

운영자가 캐릭터의 콘텐츠를 기획하고 생성 결과를 검토하도록 작업 흐름을 만들었습니다. 생성 완료와 사람의 승인을 구분하고, 승인된 활동을 이후 대화에서 참고하도록 연결했습니다.

OWEN LEE · 프로젝트 포트폴리오
02

복지 상담 에이전트

로디

  • RAG
  • MCP
  • UI
  • 음성

복지 제도를 잘 몰라도 자신의 상황을 말하며 필요한 지원을 찾을 수 있도록 만든 고령층 대상 상담 서비스입니다. 법령·조례에서 신청 조건을 찾고, 웹에서 현재 공고와 문의할 기관을 확인해 화면과 음성으로 안내합니다.

팀 프로젝트 · 법령·조례 지식 구축, 상담용 MCP 조회 도구, 역할별 상담 Agent 구조를 설계하고 구현했습니다.

로디의 실제 서비스 소개 화면입니다. 기존 캡처에서 소개 문구·상담 시작 버튼·안내 캐릭터가 있는 영역을 발췌했습니다.
01원문을 유지하며 입력 token 줄이기

청킹 Agent에 전달할 법령·조례 11건의 전체 응답을 같은 토크나이저로 비교했습니다. 공백을 줄인 Compact JSON은 원본 319,597 token을 271,299 token으로 줄였습니다(15.11%).

02법 조항의 관계를 남기는 지식 구축

조건과 예외가 다른 조항에 걸쳐 있어 문서를 의미 단위로 나누고 참조 관계를 남겼습니다. Agent가 제안한 관계 후보는 사람이 검토한 뒤 지식 그래프에 반영하도록 했습니다.

03검색한 근거에서 필요한 조항 더 찾기

질문과 비슷한 문장을 찾은 뒤 상위 조항과 참조 문서를 추가로 조회하도록 했습니다. 상담 Agent가 검색과 후속 조회를 선택할 수 있게 MCP 도구로 제공했습니다.

04같은 상담을 화면과 음성에 맞춰 전달

상담 판단을 맡는 Main Agent와 화면·음성을 담당하는 Agent를 나눴습니다. 근거와 기관 정보는 화면에서 확인하고, 다음 행동은 짧은 발화로 안내하도록 구성했습니다.

OWEN LEE · 프로젝트 포트폴리오
03

에이전트 · 동적 UI

서울 어디가?

  • Tool
  • UI
  • 음성

서울의 공공데이터, 장소와 경로 정보를 대화로 조정하는 외출 계획 서비스입니다. 사용자가 조건을 말하고 장소를 고르면 지도와 일정을 갱신합니다. 2026 서울시 빅데이터 활용 경진대회에 출품했습니다.

공공데이터·장소 검색 연결, 사용자의 선택을 반영하는 UI state, 화면과 음성 출력을 구현했습니다.

서울 어디가?의 실제 데모 화면입니다. 선택한 장소와 이동 경로를 함께 표시한 원본 비율을 유지했습니다.
01공공데이터를 하나의 외출 계획으로

공공서비스예약·주차장 정보와 장소 검색을 연결했습니다. 대화에서 정한 조건으로 후보를 찾고, 선택한 장소 사이의 이동 경로를 지도에 표시합니다.

02사용자의 선택을 다음 대화에 반영

고른 장소와 이동수단을 상태로 남겼습니다. Agent가 정해진 도구로 후보·경로·일정을 갱신하고, 프런트엔드가 화면 배치와 크기를 관리하도록 했습니다.

03말로 조건을 바꾸고 화면에서 비교

음성 요청을 텍스트로 바꾸고 응답을 다시 음성으로 전달했습니다. 지도와 후보 비교는 화면에 남겼으며, 한 Agent가 검색·화면·음성을 모두 처리할 때의 지연과 누락을 확인했습니다.

OWEN LEE · 프로젝트 포트폴리오
04

실시간 음성 대화

실시간 음성 에이전트

  • 음성
  • Cerebras
  • OpenAI Realtime
  • LangGraph

음성을 글로 바꾸고 답변을 만든 뒤 다시 읽어 주는 STT·LLM·TTS 경로와, 음성을 직접 주고받는 OpenAI Realtime을 비교한 개인 프로젝트입니다. Cerebras로 가속한 LLM의 추론이 실제 음성 응답 속도와 비용에 어떻게 이어지는지 살폈습니다.

개인 프로젝트 · 두 음성 경로, 화면 답변·발화문 분리, 브라우저·서버 tracing과 지연·추정 비용 비교 기준을 구현했습니다.

2026-09-03에 저장한 연결 전 대기 화면입니다. 음성 입력 영역과 대화·지연 분석 패널의 배치를 보여주며, 응답 생성이나 실험 결과를 담은 화면은 아닙니다.
01두 음성 처리 경로를 같은 화면에서

STT·LLM·TTS를 이어 붙인 경로에서 LLM 추론에 Cerebras를 사용했습니다. 이 경로와 OpenAI Realtime을 같은 화면에서 선택하고, 같은 발화 대본으로 비교할 수 있게 입력 방식과 처리 단계를 구분했습니다.

02읽는 답변과 듣는 문장 분리

화면의 긴 답변을 그대로 읽지 않도록 Speech Text Agent가 발화문을 만들게 했습니다. 턴마다 독립된 context를 사용하고, 화면 답변과 음성 전달의 책임을 나눴습니다.

03첫 음성까지의 지연과 턴별 비용 비교

버튼을 놓는 입력과 자동 발화 감지의 측정 시작점을 구분했습니다. 서버 처리와 브라우저의 오디오 출력 신호를 연결해 기존 로그에서 지연과 사용량 기반 추정 비용을 비교했습니다.

OWEN LEE · 프로젝트 포트폴리오

구현 과정이 더 궁금하다면

프로젝트와 기술별로 글을 찾아볼 수 있습니다.

전체 프로젝트