주제 하나만 입력하면, 문헌 검색 → 분석 → 집필 → 다이어그램 생성 → 7중 품질 검증 → 대시보드 배포까지 자동으로 처리합니다.
NAVI-PJ/
├── src/navi_research/ # 핵심 CLI — 논문 검색 엔진
│ ├── cli.py # CLI 엔트리포인트
│ ├── search.py # OpenAlex API 검색
│ ├── citation_db.py # 인용 데이터베이스 관리
│ ├── dedup.py # 중복 논문 제거
│ ├── models.py # 데이터 모델 (Pydantic)
│ ├── sources/ # 검색 소스 어댑터
│ └── exporters/ # BibTeX, Markdown 등 내보내기
│
├── docs/ # 모든 문서와 연구 결과물
│ ├── sessions/ # 📚 논문 시뮬레이션 세션들
│ │ ├── index.md # 전체 세션 목록
│ │ └── {주제}_{날짜}/ # 개별 세션 폴더
│ ├── specs/ # 설계 문서
│ ├── plans/ # 구현 계획
│ ├── drafts/ # 논문 초안
│ └── references/ # 참고 자료
│
├── dashboard/ # 🌐 Next.js 웹 대시보드 (Cloudflare Pages)
├── scripts/ # 자동화 스크립트 (auto-commit 등)
├── tests/ # pytest 테스트
├── .agents/workflows/ # 🤖 AI 워크플로우 정의 (아래 상세 설명)
└── pyproject.toml # 프로젝트 설정
# Python 3.12+ 필요
git clone https://github.com/your-repo/NAVI-PJ.git
cd NAVI-PJ
# 의존성 설치 (uv 권장)
uv sync
# 또는 pip
pip install -e .# 논문 검색
navi-research search "quantum computing" --limit 20
# 결과 확인
cat docs/sessions/_search-cache/results.jsonAntigravity IDE에서 AI에게 자연어로 요청합니다:
"LLM Agent의 최신 연구 동향으로 논문 시뮬레이션 해줘"
"이 주제로 논문 만들어줘"
요청 후 AI 응답 예시:
AI가 요청을 인식하면 분량과 유형을 질문합니다:
📋 논문 시뮬레이션을 시작합니다.
주제: "LLM Agent의 최신 연구 동향"
📏 분량 (구글 독스 기준):
1. 퀵 (약5,000자 / 약5p) — 뼈대만, 아이디어 검증용
2. 표준 (약20,000자 / 약20) — 학회 논문 수준
3. 풀 (약50,000자+ / 약50p+) — 학위 논문 수준
4. 사용자 설정 — 원하는 글자 수 직접 입력 (예: 약100,000자 / 약100p)
📝 논문 유형:
1. Literature Review (서베이/리뷰)
2. Research Paper (연구 논문)
3. Report (보고서)
예시 응답: "2-1" → 표준 / Literature Review
답변 방법: 숫자 조합으로 간단히 응답하면 됩니다.
| 응답 예시 | 의미 |
|---|---|
2-1 |
표준 분량 + Literature Review |
1-3 |
퀵 분량 + Report |
3-2 |
풀 분량 + Research Paper |
답변 후 AI가 자동으로 8단계 파이프라인을 실행합니다:
| 단계 | 과정 | 출력 파일 |
|---|---|---|
| 1 | 📚 6개 하위 쿼리로 문헌 검색 (~60편 수집) | results.json, results.bib |
| 2 | 🔍 클러스터링 + 연구 갭 분석 | analysis.md |
| 3 | 🏗️ 논문 유형별 아웃라인 생성 | outline.md |
| 4 | ✍️ 섹션별 순차 집필 (컨텍스트 체인) | draft.md |
| 5 | 🖼️ 학회 수준 다이어그램 생성 | figures/ |
| 6 | 🔍 7중 QA 검증 | qa-report.md |
| 7 | 📄 인용 치환 + PDF/DOCX 변환 | thesis.md, .pdf, .docx |
| 8 | 🌐 대시보드에 자동 배포 | sessions.json 업데이트 |
검색 결과가 이미 있을 때 자연어로 요청합니다:
"이 검색 결과로 리뷰 논문 써줘"
"논문 초안 만들어줘"
OpenDraft 6단계 방법론으로 초안을 작성합니다:
- RESEARCH — 수집 결과 분석 + 클러스터링
- STRUCTURE — 논문 유형별 아웃라인
- WRITING — 섹션별 초안 (사용자 확인)
- CITATION — 인용 검증 (DOI CrossRef 검증)
- POLISH — 흐름, 중복, 전환 문장 다듬기
- EXPORT —
docs/drafts/에 Markdown 저장
# 기본 검색
navi-research search "transformer architecture" --limit 30
# 결과 위치
ls docs/sessions/_search-cache/NAVI-PJ는 Superpowers 프레임워크 기반의 8개 AI 워크플로우를 내장하고 있습니다. 사용자가 Antigravity IDE에서 자연어로 요청하면, AI가 적절한 워크플로우를 자동으로 인식하여 진행합니다.
| 워크플로우 | 이렇게 요청하세요 | 설명 |
|---|---|---|
| 논문 시뮬레이션 | "이 주제로 논문 만들어줘" | 검색→분석→집필→QA→배포 전체 자동화 |
| 논문 초안 | "논문 초안 만들어줘" | 기존 검색 결과로 OpenDraft 6단계 집필 |
| 워크플로우 | 이렇게 요청하세요 | 설명 |
|---|---|---|
| 전체 개발 프로세스 | "이 기능 개발해줘" | 3개의 Hard Gate (설계→테스트→커밋) 준수 |
| 브레인스토밍 | "이 아이디어 설계해줘" | 아이디어를 설계 문서(docs/specs/)로 변환 |
| 계획 작성 | "구현 계획 작성해줘" | 설계를 2~5분 단위 실행 가능 태스크로 분해 |
| 계획 실행 | "이 계획 실행해줘" | 계획을 비판적 검토 후 순차 실행 |
| TDD | "테스트부터 작성해줘" | RED → GREEN → REFACTOR 사이클 |
| 체계적 디버깅 | "이 버그 원인 찾아줘" | 근본 원인 4단계 분석 (추측 수정 금지) |
📝 논문 프로젝트:
"논문 시뮬레이션 해줘" ──────────────────────▶ 완성된 논문 + 대시보드
🔧 개발 프로젝트:
"아이디어 설계" → "계획 작성" → "계획 실행" → 완성
│ │
└── Superpowers (전체 게이트) ──┘
│
TDD (구현 시) 디버깅 (이슈 시)
💡 Tip: 정확한 키워드가 아니어도 됩니다. AI가 의도를 파악하여 적절한 워크플로우를 적용합니다. 예: "이거 왜 안 돼?" → 체계적 디버깅, "새로운 기능 만들고 싶어" → 브레인스토밍
논문 시뮬레이션의 결과물은 docs/sessions/ 아래에 세션별로 저장됩니다.
docs/sessions/
├── index.md # 전체 세션 목록 (자동 업데이트)
├── nietzsche-philosophy_2026-03-13/ # 세션 예시
│ ├── results.json # 검색 결과
│ ├── results.bib # BibTeX
│ ├── analysis.md # 문헌 분석
│ ├── outline.md # 논문 아웃라인
│ ├── qa-report.md # 7중 QA 보고서
│ └── output/
│ ├── thesis.md # 최종 논문
│ ├── thesis.pdf # PDF 변환본
│ ├── references.bib # 참고문헌
│ ├── figures/ # 다이어그램
│ └── prompt-log.json # 프롬프트 기록
└── ...
논문 완성 후 자동으로 Next.js 대시보드에 등록되어 웹에서 열람할 수 있습니다.
- 배포 URL: navi-research.pages.dev
- 호스팅: Cloudflare Pages (git push 시 자동 빌드)
- 기능: 세션 목록, 논문 본문 열람, QA 점수 확인
# 로컬에서 대시보드 실행
cd dashboard
npm install
npm run dev# 전체 테스트
pytest tests/ -v
# 개별 테스트
pytest tests/test_search.py -v- 커밋 메시지:
feat|fix|docs|test: 한 줄 설명 - TDD 필수: 테스트 먼저, 코드 나중
- 설계 문서:
docs/specs/YYYY-MM-DD-<topic>-design.md - 구현 계획:
docs/plans/YYYY-MM-DD-<feature>.md
MIT License