조달청 평가 시스템 — ai_engine 최적 활용 가이드

1TL;DR

2ai_engine 의 capability 전체 맵

Layer 1 — Online API 실시간 응답

Layer 2 — Offline API 비동기 / 배치 / Celery

Layer 3 — Embedding API 의미 검색

3모델 슬롯 (.env.onprem)

4EvalChatResponse — ★ 데모 임팩트의 핵심

BFF 가 가장 많이 호출하는 /online/eval-chatbot/chat 의 응답에는 단순 텍스트가 아니라 UI 제어까지 포함됩니다. 현재 BFF 는 reply_message 만 사용 — 나머지 5개 필드 미활용.

UIAction 의 위력

LLM 이 답변하면서 동시에 frontend 에 "이것 하이라이트해", "이 탭으로 이동해", "이 필터 적용해" 명령 발행. 평가위원의 클릭 부담 0.

UIActionType:
  - NAVIGATE          // target_view 로 이동 (compare_overview / item_compare / company_detail_analysis)
  - HIGHLIGHT_ELEMENT // element_id 강조
  - FILTER            // metadata 의 조건으로 표 필터

UserIntentType — LLM 의 의도 분류

PROPOSAL_ANALYSIS  // 제안서 분석/검색
COMPARISON         // 복수 업체 비교
REQUIREMENT_CHECK  // RFP 요구사항 확인
NAVIGATION         // UI 네비게이션
GENERAL_QUESTION   // 일반 질의 (도메인 내)
OUT_OF_DOMAIN      // 도메인 외 → 가드레일

5BFF 기준 use case × ai_engine 매핑

6현재 BFF ai_engine_client 의 한계

7권장 BFF 보강 — 단계별 추가 endpoint

Phase 1 — 데모일 (5/22) D-1 안

Phase 2 — 데모 후 1주

Phase 3 — 데모 후 1개월

8매처 (analysis_pipeline) cross-DB 이슈

해결 옵션

9실전 호출 예시

Use case A — 제안서 요약 (이미 구현)

# BFF → ai_engine
POST http://ai-engine:8200/online/eval-chatbot/chat
Content-Type: application/json
{
  "message": "다음 우수제품 규격서 추출 결과를 평가위원이 빠르게 파악할 수 있도록 3~4문장으로 요약...",
  "conversation_history": [],
  "ui_context": {"intent": "proposal_summary", "spec_id": "spec-abc123"},
  "bid_id": "00000000-0000-0000-0000-000000000001"
}

# Response
{
  "success": true,
  "reply_message": "본 제품은 ...",
  "citations": [
    {"file_name": "spec.hwpx", "page_number": 3, "content_snippet": "..."}
  ],
  "suggested_actions": [
    {"label": "특허 자세히 보기", "action_payload": "특허 목록"},
    {"label": "다른 업체와 비교", "action_payload": "비교"}
  ],
  "input_tokens": 1240,
  "output_tokens": 142
}

Use case B — 비교 insight (권장 신규)

# BFF → ai_engine
POST http://ai-engine:8200/online/eval-chatbot/chat
{
  "message": "선택한 업체들을 주요기술 / 요구사항 / 평가항목 3 축으로 비교해서 표로 정리",
  "ui_context": {"intent": "comparison", "current_view": "compare_overview"},
  "selected_companies": [
    {"id": "spec-abc", "name": "(주)JK알에스티"},
    {"id": "spec-def", "name": "(주)한국산전"}
  ],
  "bid_id": "0000...0001"
}

# Response
{
  "success": true,
  "reply_message": "...",
  "tabular_data": {
    "headers": ["항목", "(주)JK알에스티", "(주)한국산전"],
    "rows": [
      ["방열성", "95점 (KS C 3604)", "88점"],
      ["A/S 기간", "5년", "3년"]
    ]
  },
  "ui_actions": [
    {"action_type": "navigate", "target_view": "compare_overview"}
  ]
}

Use case C — RFP 자동 구조화 (Phase 2)

# BFF → ai_engine (async)
POST http://ai-engine:8200/offline/rfp/extract-tech-requirements
{ "rfp_document": "...", "bid_id": "..." }

# Response (즉시)
{ "task_id": "celery-xxx", "status": "queued" }

# 폴링 또는 webhook
GET /offline/rfp/task/celery-xxx
{ "status": "done", "result": { "tech_requirements": [...20개...] } }

# → BFF: requirement_items 테이블에 bulk insert

10결론 — ai_engine 최적 활용 우선순위