PentagonAI - Market Analysis Agent
뉴스와 시계열 데이터를 사건 단위로 묶어 탐색할 수 있게 만든 시장 분석 백엔드입니다. Qdrant와 LLM으로 중복 사건을 정리하고 여러 분석 에이전트의 토론으로 전망을 생성합니다.
뉴스와 시계열 데이터를 사건 단위로 묶어 탐색할 수 있게 만든 시장 분석 백엔드입니다. Qdrant와 LLM으로 중복 사건을 정리하고 여러 분석 에이전트의 토론으로 전망을 생성합니다.
무엇이 어려웠는가.
여러 출처가 같은 사건을 다르게 표현해 중복이 쌓였고, 무거운 LLM 분석이 어느 모델에서 어떤 상태로 실행 중인지 확인하기 어려웠습니다.
어떻게 풀었는가.
Qdrant 유사도 검색과 LLM 판정을 함께 사용해 사건을 묶고 관계를 만들었습니다. 수집·정리·회의·예측 작업은 Celery 큐로 분리하고, 모델 라우팅과 파이프라인 상태를 확인하는 운영 API를 추가했습니다.
구성 요소와 각자의 책임.
Event Pipeline
- — 여러 출처 수집
- — 개체와 사건 추출
- — 시간 정보 정규화
Analysis Engine
- — 임베딩 기반 중복 탐지
- — 사건 간 영향 관계 생성
- — 시간순 탐색 데이터 제공
PythonFastAPIPostgreSQLCeleryRedisQdrant
개요
- 1인 개발로 진행한 시장 분석 플랫폼(PentagonAI)입니다.
- 뉴스/시계열 수집 → 이벤트 추출 → 이벤트 정규화/링킹 → 에이전트 회의 기반 분석/예측 흐름으로 구성했습니다.
목적 / 사용자 경험
1) 목적
- 산발적으로 흩어진 뉴스/이슈를 “이벤트 단위”로 정리하고, 이벤트 간 영향 관계까지 연결해 탐색/검색/타임라인 중심의 분석 경험을 제공하는 것이 목표입니다.
2) 사용자 플로우(요약)
- 데이터 수집/백필 → 이벤트 추출 → 중복 정리(정규화) → 타임라인/검색 → Council 실행 → 예측/해결(리졸브) 및 리포트 확인.
핵심 구성
1) 파이프라인 분리/운영
- 수집/전처리/추출/정규화 단계를 분리하고, Celery 워커로 운영 가능하게 구성했습니다.
2) 이벤트 정규화(중복 제거)
- Qdrant 벡터 검색으로 유사 이벤트 후보를 찾고, LLM 판단을 결합해 동일 이벤트를 정규화합니다.
3) 영향 링크/평의회(Council)
- 이벤트 간 영향 관계를 생성하고, 다중 에이전트 “Council” 흐름으로 분석/예측 단계를 오케스트레이션합니다.
4) 운영/디버깅 엔드포인트
- 파이프라인 운영을 위해 Ops/검색/타임라인/스레드/트리거 라우터를 분리했고, 모델 라우팅 확인용 엔드포인트를 포함합니다.