공공 입찰 제안요청서(RFP) 분석 및 예산/과업 정보 추출을 위한 하이브리드 RAG 솔루션
GPT API와 로컬 LLM의 성능을 실시간으로 비교하고 평가합니다.
- API Mode: OpenAI GPT-4o/Mini를 활용한 고정확도 분석 및 요약.
- Local Mode: 보안이 중요한 환경을 위한 온프레미스(On-Premise) LLM 구동.
- 두 엔진의 답변을 동시에 비교하여 최적의 모델을 선택할 수 있습니다.
- HWP/PDF 완벽 지원: 공공기관 필수 포맷인 한글(.hwp) 파일의 텍스트 및 메타데이터 정밀 추출.
- Smart Metadata Filter: 파일 확장자(.hwp, .pdf)를 메타데이터로 태깅하여 문서 유형별 정확한 필터링 검색 지원.
- AI Summary: 긴 제안요청서를 LLM이 사전 요약하여 검색 정확도(Retriever) 향상.
- Ground Truth 자동 생성: 원본 데이터 기반으로 예산, 발주기관, 과업범위 정답셋 자동 구축.
- Real-time Scoring: GPT와 로컬 모델의 정답률을 실시간으로 채점.
- Interactive Dashboard: Streamlit 기반의 직관적인 비교 차트 및 상세 결과 테이블 제공.
## 🚀 Quick Start
### 1. Installation
프로젝트를 클론하고 필수 패키지를 설치합니다.
```bash
git clone [https://github.com/your-username/bidmate-rag.git](https://github.com/your-username/bidmate-rag.git)
cd bidmate-rag
pip install -r requirements.txt
.env 파일을 생성하고 API 키를 설정합니다.
OPENAI_API_KEY=sk-proj-...
Streamlit 대시보드를 실행합니다.
streamlit run app.py
├── app.py # 메인 대시보드 실행 파일
├── src/
│ ├── data_loader.py # HWP/PDF 로더 및 메타데이터 처리
│ ├── vector_db.py # ChromaDB 구축 및 관리
│ ├── generator.py # LLM 답변 생성 로직
│ ├── evaluation.py # 정답 채점 및 평가 모듈
│ └── evaluation_dataset_builder.py # 평가 데이터셋 생성기
├── local_src/ # 로컬 LLM 관련 모듈
├── DATA/ # 제안요청서 원본 데이터
└── requirements.txt # 의존성 패키지 목록
This project is licensed under the MIT License.
https://www.notion.so/2de5df876c2080b8a979dc1cbbbbcc2a?source=copy_link
https://www.notion.so/01-2a0979eab5998069941ef16fd8906e78
Developed by BidMate Team | Powered by LangChain & Streamlit
보고서