에피메테우스

2023-12-26T04:13:49Z

Com2312: /* 상세설계 내용 */

<div>__TOC__</div>
==프로젝트 개요==
=== 기술개발 과제 ===
''' 국문 : ''' 에피메테우스(LLM을 활용한 웹 기반의 업무 자동화 플랫폼)

''' 영문 : ''' 00000000..

===과제 팀명===
에피메테우스

===지도교수===
정형구 교수님

===개발기간===
2023년 9월 ~ 2023년 12월 (총 4개월)

===구성원 소개===
서울시립대학교 컴퓨터과학부 20189200** 오*영(팀장)

서울시립대학교 컴퓨터과학부 20189200** 김*원

서울시립대학교 컴퓨터과학부 20189200** 이*주

서울시립대학교 컴퓨터과학부 20189200** 장*호

서울시립대학교 컴퓨터과학부 20189200** 황*우

==서론==
===개발 과제의 개요===

====개발 과제 요약====
'''◇ LLM을 활용한 웹 기반의 업무 자동화 플랫폼 구축'''
*사용자가 제공한 업무를 실제로 실행할 수 있는 자동화 AI 플랫폼 구현이 주된 목표이다.
*기존 AutoGPT와 유사한 기능을 제공하도록 대형 언어 모델(LLM)을 이용해 사용자의 업무를 이루기 위한 일련의 과정을 LLM(Llama)이 생성 후 제공한다.
*기존 서비스와의 차이점은 AI 모델의 단점인 블랙박스 특성을 없애기 위해 업무를 수행하기 위한 각 단계에 적절한 코드를 DB에서 불러오고, 해당 코드를 실행한다는 점이다.
*특정 단계에 해당하는 기능이 없을 때 원하는 기능을 사용자가 직접 추가하여 실행할 수 있다.

====개발 과제의 배경====
*현재 ChatGPT의 성공에 힘입어 LLM을 이용하여 업무를 자동화하는 시도가 존재한다.
*LLM을 이용하여 모든 업무를 자동화하는 것은 현재 수준으로는 부족하다는 보고가 있다.
*이러한 배경에 힘입어 기존 서비스의 한계점을 극복하기 위해 코드 단위로 업무를 실행하는 웹 기반의 업무 자동화 플랫폼을 구현하고자 한다.

====개발 과제의 목표 및 내용====
◇ Frontend
*접근성을 고려한 UI 개발
*사용자가 작성한 코드를 웹 환경에서 실행시키는 기능 개발

◇ Backend
*문장의 의미를 나타내는 벡터로 유사한 이름을 가진 TASK를 찾는 기능 개발

◇ AI
*LLM(Large Language Model)을 이용하여 사용자 목표 달성을 위한 업무를 자동으로 분할하는 기능 개발

===관련 기술의 현황===
====관련 기술의 현황 및 분석(State of art)====
* 다양한 Benchmark에 대하여 여러 거대 언어 모델들의 성능을 비교
[[파일:Benchmark.jpg|700px]]
* 하지만 해당 Benchmark에는 구현하고자 하는 기능을 담고 있지 않음
* 해당 Benchmark에서 Llama-2(13B)을 사용
*특허조사 및 특허 전략 분석

====기술 로드맵====
* Frontend
**Figma
**React
**web worker
*Backend
**Spring Boot
**AWS EC2
**AWS VPC
**AWS Lambda
**Jenkins
**Github Webhook
**MongoDB
**Docker
**AWS Route53
*AI
**Llama-13B
====시장상황에 대한 분석====
*경쟁제품 조사 비교
{| cellpadding="0" cellspacing="0" border="1" width="100%" "text-align"="center"
|-
| 서비스
| 사용자가 요구사항을 수행하기 위해 Sub task로 분할
| Subtask를 실행
| 새로운 요구사항을 구현
|-
| ChatGPT
| YES
| NO
| NO
|-
| WebShop
| YES
| YES
| NO
|-
| ALFWorld
| YES
| NO
| NO
|-
| AgentGPT
| YES
| YES
| NO
|-
| BabyAGI
| YES
| YES
| NO
|-
| Jarvis
| YES
| YES
| NO
|-
| Epimetheus
| YES
| YES
| YES
|-
|}
*마케팅 전략 제시
**코드를 작성 할 수 있는 개발자들에게 LLM을 기반으로 자동화 할 수 있는 점을 강조
**본 서비스에 필요로 하는 기능을 직접 추가할 수 있음을 강조
**AI 혹은 다른 사람이 작성해 놓은 비슷한 TASK를 기반으로 기능을 추가할 수 있음을 강조

===개발과제의 기대효과===
====기술적 기대효과====
내용
====경제적, 사회적 기대 및 파급효과====
내용

===기술개발 일정 및 추진체계===
====개발 일정====
내용
====구성원 및 추진체계====
'''◇ (AI)오*영(팀장)'''

'''◇ (Back-end)김*원'''

'''◇ (Front-end)이*주'''
*UI/UX
*플랫폼 페이지 구현
*Back-end와의 SSE통신코드 작성
'''◇ (Front-end)장*호'''
*컴포넌트 설계
*각 subtask별 실행코드 환경 구성
*실행코드의 실행 테스트 구현
'''◇ (Back-end)황*우'''
*SubTask생성 및 parsing, 실행코드 실행 테스트 API 구현
*API단위 테스트 구현
*DB 설치 및 메소드 구현

==설계==
===설계사양===
====제품의 요구사항====
[[파일:에피메테우스_제품요구사항.png]]
====설계 사양====
* 사용자가 요구한 업무에 대한 출력 제공
** 사용자는 원하는 업무를 text box에 입력할 수 있다.
** 입력을 제출(submit)하면 서버에서 1개 이상의 Step을 출력해준다.
** 각 Step은 요약(Title), 상세내용(Description), 코드(Code), 작성언어(Language)를 포함하고 있다.
* 코드 실행 가능
** 이전 Step의 출력이 다음 Step의 입력으로 제공되어야 한다.
** Step에 입력된 코드를 실행하여 Task에 대해서 수행한다.
* 사용자가 직접 특정 단계의 코드 수정 가능
** 특정 Step의 Code를 수정할 수 있는 에디터를 제공한다.
** 새로 입력한 Code의 입출력 양식이 같은지 검사한다.
* 이전 요청 저장
** 기존의 사용자가 입력한 Task에 대해서 기록한다.
** 이전 업무와 연결되는 이후의 업무를 우선적으로 제공한다.
* 음성 인식을 통한 업무 입력 기능 제공
** 음성인식을 통해 사용자가 업무를 입력하면, 텍스트로 변환하여 text box에 자동으로 입력한다.

===개념설계안===
[[파일:에피메테우스_인프라도.jpg]]
* User 요청의 접근 과정
** Route53을 통해 S3 Bucket에 존재하는 정적 리소스에 접근한다.
** S3 Bucket에서 Server로 API 요청을 보낸다.
** Public Subnet 내의 Nginx EC2를 통해 Spring Boot EC2로 리버스 프록시가 진행된다.
** DB에 접근이 필요하다면 Private Subnet 내의 MongoDB EC2에서 DB 데이터를 받아온다.
** Llama에서 처리해야 하는 로직이 존재한다면 School Server로 요청을 보낸다.
** School Server에 존재하는 Llama FastAPI 서버에서 응답을 보낸다.
* Developer의 배포 과정(Frontend)
** Source Code를 Main에 Merge한다.
** Github Webhook을 통해 API Gateway에 연결된 API를 호출한다.
** Lambda를 Trigger하여 Private Subnet 내의 Jenkins EC2로 Github Webhook의 Body를 전송한다.
** Frontend 수정 여부를 판별한다.
** Frontend의 배포 시에는 jenkins에서 빌드된 bundle을 S3 React Build Bucket에 보낸다.
** S3 Build Bucket에서 S3 Deploy Bucket으로 보내고, Client는 이쪽으로 접근할 수 있다.
* Developer의 배포 과정(Backend)
** Source Code를 Main에 Merge한다.
** Github Webhook을 통해 API Gateway에 연결된 API를 호출한다.
** Lambda를 Trigger하여 Private Subnet 내의 Jenkins EC2로 Github Webhook의 Body를 전송한다.
** Backend 수정 여부를 판별한다.
** Jar 파일을 S3 Spring Bucket에 저장한다.
** CodeDeploy에서 파일을 가져와 Spring EC2에 실행한다.
* 외부 접근 제한
** Build와 관련된 단위들은 외부에서 접근이 불가능하다.
** NAT Gateway를 통해 내부 단위들은 외부 인터넷에 접근가능하다.
===이론적 계산 및 시뮬레이션===
* Task1: Turn on the song on Youtube
** Step 1. Open the web-browser
** Step 2. Access to YouTube.
** Step 3. Search for the song you want to play.
** Step 4. Click on the video you want to play.

* Task2: Write a Personal Statement that fits the certain company's job opening
** Step 1. Highlight your relevant skills and experience.
** Step 2. Demonstrate your knowledge of the company and the position.
** Step 3. Emphasize your enthusiasm for the industry and the company.
** Step 4. Showcase your ability to work well in a team environment.

* Task3: Buy the most expensive raincoat in Amazon and Coupang
** Step 1. Open the web-browser.
** Step 2. Access to Amazon or Coupang.
** Step 3. Search for the most expensive raincoat.
** Step 4. Select the raincoat and add to cart.
** Step 5. Proceed to checkout.
** Step 6. Enter shipping and billing information.
** Step 7. Review order summary and place order.

===상세설계 내용===
◇ System Flow Chart

[[파일:System Flow Chart.jpg]]
#Write a Task : 사용자가 Task를 작성한다.
#Split Task into SubTasks : 사용자가 작성한 Task를 Llama가 SubTask로 나누고 이를 서버가 파싱하여 사용자에게 SubTask로 제공한다.
#See the SubTasks of Task : 사용자는 서버가 분리한 SubTask들을 볼 수 있다.
#Click the Exec Button : 사용자가 코드 실행 버튼을 누른다.
#Search the Codes of each SubTasks : 서버는 각 SubTask들의 코드를 데이터베이스에서 탐색한다.
#Execute the Javascript Code : 서버가 탐색한 Javascript Code를 실행시킨다.
#Check the result of the Task : 사용자는 Task와 코드의 결과값이 일치하는지 확인한다.

◇ 클래스도

*Frontend 전체
[[파일:전체Frontend.jpg]]

*Frontend 1번 파트
[[파일:Frontend1.jpg]]

*Frontend 2번 파트
[[파일:Frontend2.jpg]]

*Frontend 3번 파트
[[파일:Frontend3.jpg]]

*Backend 전체
[[파일:Backend.jpg]]

*Backend 빨강 파트
[[파일:Backend빨강.jpg]]

*Backend 파랑 파트
[[파일:Backend파랑.jpg]]

==결과 및 평가==
===완료 작품의 소개===
====프로토타입 사진 혹은 작동 장면====
내용
====포스터====
내용

===관련사업비 내역서===
내용

===완료작품의 평가===
내용

===향후계획===
내용

===특허 출원 내용===
내용

에피메테우스

2023-12-26T04:13:25Z

2023-12-26T04:07:29Z

Com2312: /* 상세설계 내용 */

<div>__TOC__</div>
==프로젝트 개요==
=== 기술개발 과제 ===
''' 국문 : ''' 에피메테우스(LLM을 활용한 웹 기반의 업무 자동화 플랫폼)

''' 영문 : ''' 00000000..

===과제 팀명===
에피메테우스

===지도교수===
정형구 교수님

===개발기간===
2023년 9월 ~ 2023년 12월 (총 4개월)

===구성원 소개===
서울시립대학교 컴퓨터과학부 20189200** 오*영(팀장)

서울시립대학교 컴퓨터과학부 20189200** 김*원

서울시립대학교 컴퓨터과학부 20189200** 이*주

서울시립대학교 컴퓨터과학부 20189200** 장*호

서울시립대학교 컴퓨터과학부 20189200** 황*우

==서론==
===개발 과제의 개요===

====개발 과제 요약====
'''◇ LLM을 활용한 웹 기반의 업무 자동화 플랫폼 구축'''
*사용자가 제공한 업무를 실제로 실행할 수 있는 자동화 AI 플랫폼 구현이 주된 목표이다.
*기존 AutoGPT와 유사한 기능을 제공하도록 대형 언어 모델(LLM)을 이용해 사용자의 업무를 이루기 위한 일련의 과정을 LLM(Llama)이 생성 후 제공한다.
*기존 서비스와의 차이점은 AI 모델의 단점인 블랙박스 특성을 없애기 위해 업무를 수행하기 위한 각 단계에 적절한 코드를 DB에서 불러오고, 해당 코드를 실행한다는 점이다.
*특정 단계에 해당하는 기능이 없을 때 원하는 기능을 사용자가 직접 추가하여 실행할 수 있다.

====개발 과제의 배경====
*현재 ChatGPT의 성공에 힘입어 LLM을 이용하여 업무를 자동화하는 시도가 존재한다.
*LLM을 이용하여 모든 업무를 자동화하는 것은 현재 수준으로는 부족하다는 보고가 있다.
*이러한 배경에 힘입어 기존 서비스의 한계점을 극복하기 위해 코드 단위로 업무를 실행하는 웹 기반의 업무 자동화 플랫폼을 구현하고자 한다.

====개발 과제의 목표 및 내용====
◇ Frontend
*접근성을 고려한 UI 개발
*사용자가 작성한 코드를 웹 환경에서 실행시키는 기능 개발

◇ Backend
*문장의 의미를 나타내는 벡터로 유사한 이름을 가진 TASK를 찾는 기능 개발

◇ AI
*LLM(Large Language Model)을 이용하여 사용자 목표 달성을 위한 업무를 자동으로 분할하는 기능 개발

===관련 기술의 현황===
====관련 기술의 현황 및 분석(State of art)====
* 다양한 Benchmark에 대하여 여러 거대 언어 모델들의 성능을 비교
[[파일:Benchmark.jpg|700px]]
* 하지만 해당 Benchmark에는 구현하고자 하는 기능을 담고 있지 않음
* 해당 Benchmark에서 Llama-2(13B)을 사용
*특허조사 및 특허 전략 분석

====기술 로드맵====
* Frontend
**Figma
**React
**web worker
*Backend
**Spring Boot
**AWS EC2
**AWS VPC
**AWS Lambda
**Jenkins
**Github Webhook
**MongoDB
**Docker
**AWS Route53
*AI
**Llama-13B
====시장상황에 대한 분석====
*경쟁제품 조사 비교
{| cellpadding="0" cellspacing="0" border="1" width="100%" "text-align"="center"
|-
| 서비스
| 사용자가 요구사항을 수행하기 위해 Sub task로 분할
| Subtask를 실행
| 새로운 요구사항을 구현
|-
| ChatGPT
| YES
| NO
| NO
|-
| WebShop
| YES
| YES
| NO
|-
| ALFWorld
| YES
| NO
| NO
|-
| AgentGPT
| YES
| YES
| NO
|-
| BabyAGI
| YES
| YES
| NO
|-
| Jarvis
| YES
| YES
| NO
|-
| Epimetheus
| YES
| YES
| YES
|-
|}
*마케팅 전략 제시
**코드를 작성 할 수 있는 개발자들에게 LLM을 기반으로 자동화 할 수 있는 점을 강조
**본 서비스에 필요로 하는 기능을 직접 추가할 수 있음을 강조
**AI 혹은 다른 사람이 작성해 놓은 비슷한 TASK를 기반으로 기능을 추가할 수 있음을 강조

===개발과제의 기대효과===
====기술적 기대효과====
내용
====경제적, 사회적 기대 및 파급효과====
내용

===기술개발 일정 및 추진체계===
====개발 일정====
내용
====구성원 및 추진체계====
'''◇ (AI)오*영(팀장)'''

'''◇ (Back-end)김*원'''

'''◇ (Front-end)이*주'''
*UI/UX
*플랫폼 페이지 구현
*Back-end와의 SSE통신코드 작성
'''◇ (Front-end)장*호'''
*컴포넌트 설계
*각 subtask별 실행코드 환경 구성
*실행코드의 실행 테스트 구현
'''◇ (Back-end)황*우'''
*SubTask생성 및 parsing, 실행코드 실행 테스트 API 구현
*API단위 테스트 구현
*DB 설치 및 메소드 구현

==설계==
===설계사양===
====제품의 요구사항====
[[파일:에피메테우스_제품요구사항.png]]
====설계 사양====
* 사용자가 요구한 업무에 대한 출력 제공
** 사용자는 원하는 업무를 text box에 입력할 수 있다.
** 입력을 제출(submit)하면 서버에서 1개 이상의 Step을 출력해준다.
** 각 Step은 요약(Title), 상세내용(Description), 코드(Code), 작성언어(Language)를 포함하고 있다.
* 코드 실행 가능
** 이전 Step의 출력이 다음 Step의 입력으로 제공되어야 한다.
** Step에 입력된 코드를 실행하여 Task에 대해서 수행한다.
* 사용자가 직접 특정 단계의 코드 수정 가능
** 특정 Step의 Code를 수정할 수 있는 에디터를 제공한다.
** 새로 입력한 Code의 입출력 양식이 같은지 검사한다.
* 이전 요청 저장
** 기존의 사용자가 입력한 Task에 대해서 기록한다.
** 이전 업무와 연결되는 이후의 업무를 우선적으로 제공한다.
* 음성 인식을 통한 업무 입력 기능 제공
** 음성인식을 통해 사용자가 업무를 입력하면, 텍스트로 변환하여 text box에 자동으로 입력한다.

===개념설계안===
[[파일:에피메테우스_인프라도.jpg]]
* User 요청의 접근 과정
** Route53을 통해 S3 Bucket에 존재하는 정적 리소스에 접근한다.
** S3 Bucket에서 Server로 API 요청을 보낸다.
** Public Subnet 내의 Nginx EC2를 통해 Spring Boot EC2로 리버스 프록시가 진행된다.
** DB에 접근이 필요하다면 Private Subnet 내의 MongoDB EC2에서 DB 데이터를 받아온다.
** Llama에서 처리해야 하는 로직이 존재한다면 School Server로 요청을 보낸다.
** School Server에 존재하는 Llama FastAPI 서버에서 응답을 보낸다.
* Developer의 배포 과정(Frontend)
** Source Code를 Main에 Merge한다.
** Github Webhook을 통해 API Gateway에 연결된 API를 호출한다.
** Lambda를 Trigger하여 Private Subnet 내의 Jenkins EC2로 Github Webhook의 Body를 전송한다.
** Frontend 수정 여부를 판별한다.
** Frontend의 배포 시에는 jenkins에서 빌드된 bundle을 S3 React Build Bucket에 보낸다.
** S3 Build Bucket에서 S3 Deploy Bucket으로 보내고, Client는 이쪽으로 접근할 수 있다.
* Developer의 배포 과정(Backend)
** Source Code를 Main에 Merge한다.
** Github Webhook을 통해 API Gateway에 연결된 API를 호출한다.
** Lambda를 Trigger하여 Private Subnet 내의 Jenkins EC2로 Github Webhook의 Body를 전송한다.
** Backend 수정 여부를 판별한다.
** Jar 파일을 S3 Spring Bucket에 저장한다.
** CodeDeploy에서 파일을 가져와 Spring EC2에 실행한다.
* 외부 접근 제한
** Build와 관련된 단위들은 외부에서 접근이 불가능하다.
** NAT Gateway를 통해 내부 단위들은 외부 인터넷에 접근가능하다.
===이론적 계산 및 시뮬레이션===
* Task1: Turn on the song on Youtube
** Step 1. Open the web-browser
** Step 2. Access to YouTube.
** Step 3. Search for the song you want to play.
** Step 4. Click on the video you want to play.

* Task2: Write a Personal Statement that fits the certain company's job opening
** Step 1. Highlight your relevant skills and experience.
** Step 2. Demonstrate your knowledge of the company and the position.
** Step 3. Emphasize your enthusiasm for the industry and the company.
** Step 4. Showcase your ability to work well in a team environment.

* Task3: Buy the most expensive raincoat in Amazon and Coupang
** Step 1. Open the web-browser.
** Step 2. Access to Amazon or Coupang.
** Step 3. Search for the most expensive raincoat.
** Step 4. Select the raincoat and add to cart.
** Step 5. Proceed to checkout.
** Step 6. Enter shipping and billing information.
** Step 7. Review order summary and place order.

===상세설계 내용===
◇ System Flow Chart

[[파일:System Flow Chart.jpg]]
#Write a Task : 사용자가 Task를 작성한다.
#Split Task into SubTasks : 사용자가 작성한 Task를 Llama가 SubTask로 나누고 이를 서버가 파싱하여 사용자에게 SubTask로 제공한다.
#See the SubTasks of Task : 사용자는 서버가 분리한 SubTask들을 볼 수 있다.
#Click the Exec Button : 사용자가 코드 실행 버튼을 누른다.
#Search the Codes of each SubTasks : 서버는 각 SubTask들의 코드를 데이터베이스에서 탐색한다.
#Execute the Javascript Code : 서버가 탐색한 Javascript Code를 실행시킨다.
#Check the result of the Task : 사용자는 Task와 코드의 결과값이 일치하는지 확인한다.

◇ 클래스도

*Frontend 전체
[[파일:전체Frontend.jpg]]

*Frontend 1번 파트
[[파일:Frontend1.jpg]]

*Frontend 2번 파트
[[파일:Frontend2.jpg]]

*Frontend 3번 파트
[[파일:Frontend3.jpg]]

==결과 및 평가==
===완료 작품의 소개===
====프로토타입 사진 혹은 작동 장면====
내용
====포스터====
내용

===관련사업비 내역서===
내용

===완료작품의 평가===
내용

===향후계획===
내용

===특허 출원 내용===
내용

에피메테우스

2023-12-26T04:06:11Z

Com2312: /* 상세설계 내용 */

<div>__TOC__</div>
==프로젝트 개요==
=== 기술개발 과제 ===
''' 국문 : ''' 에피메테우스(LLM을 활용한 웹 기반의 업무 자동화 플랫폼)

''' 영문 : ''' 00000000..

===과제 팀명===
에피메테우스

===지도교수===
정형구 교수님

===개발기간===
2023년 9월 ~ 2023년 12월 (총 4개월)

===구성원 소개===
서울시립대학교 컴퓨터과학부 20189200** 오*영(팀장)

서울시립대학교 컴퓨터과학부 20189200** 김*원

서울시립대학교 컴퓨터과학부 20189200** 이*주

서울시립대학교 컴퓨터과학부 20189200** 장*호

서울시립대학교 컴퓨터과학부 20189200** 황*우

==서론==
===개발 과제의 개요===

====개발 과제 요약====
'''◇ LLM을 활용한 웹 기반의 업무 자동화 플랫폼 구축'''
*사용자가 제공한 업무를 실제로 실행할 수 있는 자동화 AI 플랫폼 구현이 주된 목표이다.
*기존 AutoGPT와 유사한 기능을 제공하도록 대형 언어 모델(LLM)을 이용해 사용자의 업무를 이루기 위한 일련의 과정을 LLM(Llama)이 생성 후 제공한다.
*기존 서비스와의 차이점은 AI 모델의 단점인 블랙박스 특성을 없애기 위해 업무를 수행하기 위한 각 단계에 적절한 코드를 DB에서 불러오고, 해당 코드를 실행한다는 점이다.
*특정 단계에 해당하는 기능이 없을 때 원하는 기능을 사용자가 직접 추가하여 실행할 수 있다.

====개발 과제의 배경====
*현재 ChatGPT의 성공에 힘입어 LLM을 이용하여 업무를 자동화하는 시도가 존재한다.
*LLM을 이용하여 모든 업무를 자동화하는 것은 현재 수준으로는 부족하다는 보고가 있다.
*이러한 배경에 힘입어 기존 서비스의 한계점을 극복하기 위해 코드 단위로 업무를 실행하는 웹 기반의 업무 자동화 플랫폼을 구현하고자 한다.

====개발 과제의 목표 및 내용====
◇ Frontend
*접근성을 고려한 UI 개발
*사용자가 작성한 코드를 웹 환경에서 실행시키는 기능 개발

◇ Backend
*문장의 의미를 나타내는 벡터로 유사한 이름을 가진 TASK를 찾는 기능 개발

◇ AI
*LLM(Large Language Model)을 이용하여 사용자 목표 달성을 위한 업무를 자동으로 분할하는 기능 개발

===관련 기술의 현황===
====관련 기술의 현황 및 분석(State of art)====
* 다양한 Benchmark에 대하여 여러 거대 언어 모델들의 성능을 비교
[[파일:Benchmark.jpg|700px]]
* 하지만 해당 Benchmark에는 구현하고자 하는 기능을 담고 있지 않음
* 해당 Benchmark에서 Llama-2(13B)을 사용
*특허조사 및 특허 전략 분석

====기술 로드맵====
* Frontend
**Figma
**React
**web worker
*Backend
**Spring Boot
**AWS EC2
**AWS VPC
**AWS Lambda
**Jenkins
**Github Webhook
**MongoDB
**Docker
**AWS Route53
*AI
**Llama-13B
====시장상황에 대한 분석====
*경쟁제품 조사 비교
{| cellpadding="0" cellspacing="0" border="1" width="100%" "text-align"="center"
|-
| 서비스
| 사용자가 요구사항을 수행하기 위해 Sub task로 분할
| Subtask를 실행
| 새로운 요구사항을 구현
|-
| ChatGPT
| YES
| NO
| NO
|-
| WebShop
| YES
| YES
| NO
|-
| ALFWorld
| YES
| NO
| NO
|-
| AgentGPT
| YES
| YES
| NO
|-
| BabyAGI
| YES
| YES
| NO
|-
| Jarvis
| YES
| YES
| NO
|-
| Epimetheus
| YES
| YES
| YES
|-
|}
*마케팅 전략 제시
**코드를 작성 할 수 있는 개발자들에게 LLM을 기반으로 자동화 할 수 있는 점을 강조
**본 서비스에 필요로 하는 기능을 직접 추가할 수 있음을 강조
**AI 혹은 다른 사람이 작성해 놓은 비슷한 TASK를 기반으로 기능을 추가할 수 있음을 강조

===개발과제의 기대효과===
====기술적 기대효과====
내용
====경제적, 사회적 기대 및 파급효과====
내용

===기술개발 일정 및 추진체계===
====개발 일정====
내용
====구성원 및 추진체계====
'''◇ (AI)오*영(팀장)'''

'''◇ (Back-end)김*원'''

'''◇ (Front-end)이*주'''
*UI/UX
*플랫폼 페이지 구현
*Back-end와의 SSE통신코드 작성
'''◇ (Front-end)장*호'''
*컴포넌트 설계
*각 subtask별 실행코드 환경 구성
*실행코드의 실행 테스트 구현
'''◇ (Back-end)황*우'''
*SubTask생성 및 parsing, 실행코드 실행 테스트 API 구현
*API단위 테스트 구현
*DB 설치 및 메소드 구현

==설계==
===설계사양===
====제품의 요구사항====
[[파일:에피메테우스_제품요구사항.png]]
====설계 사양====
* 사용자가 요구한 업무에 대한 출력 제공
** 사용자는 원하는 업무를 text box에 입력할 수 있다.
** 입력을 제출(submit)하면 서버에서 1개 이상의 Step을 출력해준다.
** 각 Step은 요약(Title), 상세내용(Description), 코드(Code), 작성언어(Language)를 포함하고 있다.
* 코드 실행 가능
** 이전 Step의 출력이 다음 Step의 입력으로 제공되어야 한다.
** Step에 입력된 코드를 실행하여 Task에 대해서 수행한다.
* 사용자가 직접 특정 단계의 코드 수정 가능
** 특정 Step의 Code를 수정할 수 있는 에디터를 제공한다.
** 새로 입력한 Code의 입출력 양식이 같은지 검사한다.
* 이전 요청 저장
** 기존의 사용자가 입력한 Task에 대해서 기록한다.
** 이전 업무와 연결되는 이후의 업무를 우선적으로 제공한다.
* 음성 인식을 통한 업무 입력 기능 제공
** 음성인식을 통해 사용자가 업무를 입력하면, 텍스트로 변환하여 text box에 자동으로 입력한다.

===개념설계안===
[[파일:에피메테우스_인프라도.jpg]]
* User 요청의 접근 과정
** Route53을 통해 S3 Bucket에 존재하는 정적 리소스에 접근한다.
** S3 Bucket에서 Server로 API 요청을 보낸다.
** Public Subnet 내의 Nginx EC2를 통해 Spring Boot EC2로 리버스 프록시가 진행된다.
** DB에 접근이 필요하다면 Private Subnet 내의 MongoDB EC2에서 DB 데이터를 받아온다.
** Llama에서 처리해야 하는 로직이 존재한다면 School Server로 요청을 보낸다.
** School Server에 존재하는 Llama FastAPI 서버에서 응답을 보낸다.
* Developer의 배포 과정(Frontend)
** Source Code를 Main에 Merge한다.
** Github Webhook을 통해 API Gateway에 연결된 API를 호출한다.
** Lambda를 Trigger하여 Private Subnet 내의 Jenkins EC2로 Github Webhook의 Body를 전송한다.
** Frontend 수정 여부를 판별한다.
** Frontend의 배포 시에는 jenkins에서 빌드된 bundle을 S3 React Build Bucket에 보낸다.
** S3 Build Bucket에서 S3 Deploy Bucket으로 보내고, Client는 이쪽으로 접근할 수 있다.
* Developer의 배포 과정(Backend)
** Source Code를 Main에 Merge한다.
** Github Webhook을 통해 API Gateway에 연결된 API를 호출한다.
** Lambda를 Trigger하여 Private Subnet 내의 Jenkins EC2로 Github Webhook의 Body를 전송한다.
** Backend 수정 여부를 판별한다.
** Jar 파일을 S3 Spring Bucket에 저장한다.
** CodeDeploy에서 파일을 가져와 Spring EC2에 실행한다.
* 외부 접근 제한
** Build와 관련된 단위들은 외부에서 접근이 불가능하다.
** NAT Gateway를 통해 내부 단위들은 외부 인터넷에 접근가능하다.
===이론적 계산 및 시뮬레이션===
* Task1: Turn on the song on Youtube
** Step 1. Open the web-browser
** Step 2. Access to YouTube.
** Step 3. Search for the song you want to play.
** Step 4. Click on the video you want to play.

* Task2: Write a Personal Statement that fits the certain company's job opening
** Step 1. Highlight your relevant skills and experience.
** Step 2. Demonstrate your knowledge of the company and the position.
** Step 3. Emphasize your enthusiasm for the industry and the company.
** Step 4. Showcase your ability to work well in a team environment.

* Task3: Buy the most expensive raincoat in Amazon and Coupang
** Step 1. Open the web-browser.
** Step 2. Access to Amazon or Coupang.
** Step 3. Search for the most expensive raincoat.
** Step 4. Select the raincoat and add to cart.
** Step 5. Proceed to checkout.
** Step 6. Enter shipping and billing information.
** Step 7. Review order summary and place order.

===상세설계 내용===
◇ System Flow Chart

[[파일:System Flow Chart.jpg]]
#Write a Task : 사용자가 Task를 작성한다.
#Split Task into SubTasks : 사용자가 작성한 Task를 Llama가 SubTask로 나누고 이를 서버가 파싱하여 사용자에게 SubTask로 제공한다.
#See the SubTasks of Task : 사용자는 서버가 분리한 SubTask들을 볼 수 있다.
#Click the Exec Button : 사용자가 코드 실행 버튼을 누른다.
#Search the Codes of each SubTasks : 서버는 각 SubTask들의 코드를 데이터베이스에서 탐색한다.
#Execute the Javascript Code : 서버가 탐색한 Javascript Code를 실행시킨다.
#Check the result of the Task : 사용자는 Task와 코드의 결과값이 일치하는지 확인한다.

◇ 클래스도

*Frontend 전체
[[파일:Frontend전체.jpg]]

*Frontend 1번 파트
[[파일:Frontend1.jpg]]

*Frontend 2번 파트
[[파일:Frontend2.jpg]]

*Frontend 3번 파트
[[파일:Frontend3.jpg]]

==결과 및 평가==
===완료 작품의 소개===
====프로토타입 사진 혹은 작동 장면====
내용
====포스터====
내용

===관련사업비 내역서===
내용

===완료작품의 평가===
내용

===향후계획===
내용

===특허 출원 내용===
내용

에피메테우스

2023-12-26T04:05:52Z

Com2312: /* 상세설계 내용 */

<div>__TOC__</div>
==프로젝트 개요==
=== 기술개발 과제 ===
''' 국문 : ''' 에피메테우스(LLM을 활용한 웹 기반의 업무 자동화 플랫폼)

''' 영문 : ''' 00000000..

===과제 팀명===
에피메테우스

===지도교수===
정형구 교수님

===개발기간===
2023년 9월 ~ 2023년 12월 (총 4개월)

===구성원 소개===
서울시립대학교 컴퓨터과학부 20189200** 오*영(팀장)

서울시립대학교 컴퓨터과학부 20189200** 김*원

서울시립대학교 컴퓨터과학부 20189200** 이*주

서울시립대학교 컴퓨터과학부 20189200** 장*호

서울시립대학교 컴퓨터과학부 20189200** 황*우

==서론==
===개발 과제의 개요===

====개발 과제 요약====
'''◇ LLM을 활용한 웹 기반의 업무 자동화 플랫폼 구축'''
*사용자가 제공한 업무를 실제로 실행할 수 있는 자동화 AI 플랫폼 구현이 주된 목표이다.
*기존 AutoGPT와 유사한 기능을 제공하도록 대형 언어 모델(LLM)을 이용해 사용자의 업무를 이루기 위한 일련의 과정을 LLM(Llama)이 생성 후 제공한다.
*기존 서비스와의 차이점은 AI 모델의 단점인 블랙박스 특성을 없애기 위해 업무를 수행하기 위한 각 단계에 적절한 코드를 DB에서 불러오고, 해당 코드를 실행한다는 점이다.
*특정 단계에 해당하는 기능이 없을 때 원하는 기능을 사용자가 직접 추가하여 실행할 수 있다.

====개발 과제의 배경====
*현재 ChatGPT의 성공에 힘입어 LLM을 이용하여 업무를 자동화하는 시도가 존재한다.
*LLM을 이용하여 모든 업무를 자동화하는 것은 현재 수준으로는 부족하다는 보고가 있다.
*이러한 배경에 힘입어 기존 서비스의 한계점을 극복하기 위해 코드 단위로 업무를 실행하는 웹 기반의 업무 자동화 플랫폼을 구현하고자 한다.

====개발 과제의 목표 및 내용====
◇ Frontend
*접근성을 고려한 UI 개발
*사용자가 작성한 코드를 웹 환경에서 실행시키는 기능 개발

◇ Backend
*문장의 의미를 나타내는 벡터로 유사한 이름을 가진 TASK를 찾는 기능 개발

◇ AI
*LLM(Large Language Model)을 이용하여 사용자 목표 달성을 위한 업무를 자동으로 분할하는 기능 개발

===관련 기술의 현황===
====관련 기술의 현황 및 분석(State of art)====
* 다양한 Benchmark에 대하여 여러 거대 언어 모델들의 성능을 비교
[[파일:Benchmark.jpg|700px]]
* 하지만 해당 Benchmark에는 구현하고자 하는 기능을 담고 있지 않음
* 해당 Benchmark에서 Llama-2(13B)을 사용
*특허조사 및 특허 전략 분석

====기술 로드맵====
* Frontend
**Figma
**React
**web worker
*Backend
**Spring Boot
**AWS EC2
**AWS VPC
**AWS Lambda
**Jenkins
**Github Webhook
**MongoDB
**Docker
**AWS Route53
*AI
**Llama-13B
====시장상황에 대한 분석====
*경쟁제품 조사 비교
{| cellpadding="0" cellspacing="0" border="1" width="100%" "text-align"="center"
|-
| 서비스
| 사용자가 요구사항을 수행하기 위해 Sub task로 분할
| Subtask를 실행
| 새로운 요구사항을 구현
|-
| ChatGPT
| YES
| NO
| NO
|-
| WebShop
| YES
| YES
| NO
|-
| ALFWorld
| YES
| NO
| NO
|-
| AgentGPT
| YES
| YES
| NO
|-
| BabyAGI
| YES
| YES
| NO
|-
| Jarvis
| YES
| YES
| NO
|-
| Epimetheus
| YES
| YES
| YES
|-
|}
*마케팅 전략 제시
**코드를 작성 할 수 있는 개발자들에게 LLM을 기반으로 자동화 할 수 있는 점을 강조
**본 서비스에 필요로 하는 기능을 직접 추가할 수 있음을 강조
**AI 혹은 다른 사람이 작성해 놓은 비슷한 TASK를 기반으로 기능을 추가할 수 있음을 강조

===개발과제의 기대효과===
====기술적 기대효과====
내용
====경제적, 사회적 기대 및 파급효과====
내용

===기술개발 일정 및 추진체계===
====개발 일정====
내용
====구성원 및 추진체계====
'''◇ (AI)오*영(팀장)'''

'''◇ (Back-end)김*원'''

'''◇ (Front-end)이*주'''
*UI/UX
*플랫폼 페이지 구현
*Back-end와의 SSE통신코드 작성
'''◇ (Front-end)장*호'''
*컴포넌트 설계
*각 subtask별 실행코드 환경 구성
*실행코드의 실행 테스트 구현
'''◇ (Back-end)황*우'''
*SubTask생성 및 parsing, 실행코드 실행 테스트 API 구현
*API단위 테스트 구현
*DB 설치 및 메소드 구현

==설계==
===설계사양===
====제품의 요구사항====
[[파일:에피메테우스_제품요구사항.png]]
====설계 사양====
* 사용자가 요구한 업무에 대한 출력 제공
** 사용자는 원하는 업무를 text box에 입력할 수 있다.
** 입력을 제출(submit)하면 서버에서 1개 이상의 Step을 출력해준다.
** 각 Step은 요약(Title), 상세내용(Description), 코드(Code), 작성언어(Language)를 포함하고 있다.
* 코드 실행 가능
** 이전 Step의 출력이 다음 Step의 입력으로 제공되어야 한다.
** Step에 입력된 코드를 실행하여 Task에 대해서 수행한다.
* 사용자가 직접 특정 단계의 코드 수정 가능
** 특정 Step의 Code를 수정할 수 있는 에디터를 제공한다.
** 새로 입력한 Code의 입출력 양식이 같은지 검사한다.
* 이전 요청 저장
** 기존의 사용자가 입력한 Task에 대해서 기록한다.
** 이전 업무와 연결되는 이후의 업무를 우선적으로 제공한다.
* 음성 인식을 통한 업무 입력 기능 제공
** 음성인식을 통해 사용자가 업무를 입력하면, 텍스트로 변환하여 text box에 자동으로 입력한다.

===개념설계안===
[[파일:에피메테우스_인프라도.jpg]]
* User 요청의 접근 과정
** Route53을 통해 S3 Bucket에 존재하는 정적 리소스에 접근한다.
** S3 Bucket에서 Server로 API 요청을 보낸다.
** Public Subnet 내의 Nginx EC2를 통해 Spring Boot EC2로 리버스 프록시가 진행된다.
** DB에 접근이 필요하다면 Private Subnet 내의 MongoDB EC2에서 DB 데이터를 받아온다.
** Llama에서 처리해야 하는 로직이 존재한다면 School Server로 요청을 보낸다.
** School Server에 존재하는 Llama FastAPI 서버에서 응답을 보낸다.
* Developer의 배포 과정(Frontend)
** Source Code를 Main에 Merge한다.
** Github Webhook을 통해 API Gateway에 연결된 API를 호출한다.
** Lambda를 Trigger하여 Private Subnet 내의 Jenkins EC2로 Github Webhook의 Body를 전송한다.
** Frontend 수정 여부를 판별한다.
** Frontend의 배포 시에는 jenkins에서 빌드된 bundle을 S3 React Build Bucket에 보낸다.
** S3 Build Bucket에서 S3 Deploy Bucket으로 보내고, Client는 이쪽으로 접근할 수 있다.
* Developer의 배포 과정(Backend)
** Source Code를 Main에 Merge한다.
** Github Webhook을 통해 API Gateway에 연결된 API를 호출한다.
** Lambda를 Trigger하여 Private Subnet 내의 Jenkins EC2로 Github Webhook의 Body를 전송한다.
** Backend 수정 여부를 판별한다.
** Jar 파일을 S3 Spring Bucket에 저장한다.
** CodeDeploy에서 파일을 가져와 Spring EC2에 실행한다.
* 외부 접근 제한
** Build와 관련된 단위들은 외부에서 접근이 불가능하다.
** NAT Gateway를 통해 내부 단위들은 외부 인터넷에 접근가능하다.
===이론적 계산 및 시뮬레이션===
* Task1: Turn on the song on Youtube
** Step 1. Open the web-browser
** Step 2. Access to YouTube.
** Step 3. Search for the song you want to play.
** Step 4. Click on the video you want to play.

* Task2: Write a Personal Statement that fits the certain company's job opening
** Step 1. Highlight your relevant skills and experience.
** Step 2. Demonstrate your knowledge of the company and the position.
** Step 3. Emphasize your enthusiasm for the industry and the company.
** Step 4. Showcase your ability to work well in a team environment.

* Task3: Buy the most expensive raincoat in Amazon and Coupang
** Step 1. Open the web-browser.
** Step 2. Access to Amazon or Coupang.
** Step 3. Search for the most expensive raincoat.
** Step 4. Select the raincoat and add to cart.
** Step 5. Proceed to checkout.
** Step 6. Enter shipping and billing information.
** Step 7. Review order summary and place order.

===상세설계 내용===
◇ System Flow Chart

[[파일:System Flow Chart.jpg]]
#Write a Task : 사용자가 Task를 작성한다.
#Split Task into SubTasks : 사용자가 작성한 Task를 Llama가 SubTask로 나누고 이를 서버가 파싱하여 사용자에게 SubTask로 제공한다.
#See the SubTasks of Task : 사용자는 서버가 분리한 SubTask들을 볼 수 있다.
#Click the Exec Button : 사용자가 코드 실행 버튼을 누른다.
#Search the Codes of each SubTasks : 서버는 각 SubTask들의 코드를 데이터베이스에서 탐색한다.
#Execute the Javascript Code : 서버가 탐색한 Javascript Code를 실행시킨다.
#Check the result of the Task : 사용자는 Task와 코드의 결과값이 일치하는지 확인한다.

◇ 클래스도

*Frontend 전체

*Frontend 1번 파트
[[파일:Frontend1.jpg]]

*Frontend 2번 파트
[[파일:Frontend2.jpg]]

*Frontend 3번 파트
[[파일:Frontend3.jpg]]

==결과 및 평가==
===완료 작품의 소개===
====프로토타입 사진 혹은 작동 장면====
내용
====포스터====
내용

===관련사업비 내역서===
내용

===완료작품의 평가===
내용

===향후계획===
내용

===특허 출원 내용===
내용

에피메테우스

2023-12-26T04:04:25Z

2023-12-24T05:32:12Z

Com2312: /* 상세설계 내용 */

<div>__TOC__</div>
==프로젝트 개요==
=== 기술개발 과제 ===
''' 국문 : ''' 에피메테우스(LLM을 활용한 웹 기반의 업무 자동화 플랫폼)

''' 영문 : ''' 00000000..

===과제 팀명===
에피메테우스

===지도교수===
정형구 교수님

===개발기간===
2023년 9월 ~ 2023년 12월 (총 4개월)

===구성원 소개===
서울시립대학교 컴퓨터과학부 20189200** 오*영(팀장)

서울시립대학교 컴퓨터과학부 20189200** 김*원

서울시립대학교 컴퓨터과학부 20189200** 이*주

서울시립대학교 컴퓨터과학부 20189200** 장*호

서울시립대학교 컴퓨터과학부 20189200** 황*우

==서론==
===개발 과제의 개요===

====개발 과제 요약====
'''◇ LLM을 활용한 웹 기반의 업무 자동화 플랫폼 구축'''
*사용자가 제공한 업무를 실제로 실행할 수 있는 자동화 AI 플랫폼 구현이 주된 목표이다.
*기존 AutoGPT와 유사한 기능을 제공하도록 대형 언어 모델(LLM)을 이용해 사용자의 업무를 이루기 위한 일련의 과정을 LLM(Llama)이 생성 후 제공한다.
*기존 서비스와의 차이점은 AI 모델의 단점인 블랙박스 특성을 없애기 위해 업무를 수행하기 위한 각 단계에 적절한 코드를 DB에서 불러오고, 해당 코드를 실행한다는 점이다.
*특정 단계에 해당하는 기능이 없을 때 원하는 기능을 사용자가 직접 추가하여 실행할 수 있다.

====개발 과제의 배경====
*현재 ChatGPT의 성공에 힘입어 LLM을 이용하여 업무를 자동화하는 시도가 존재한다.
*LLM을 이용하여 모든 업무를 자동화하는 것은 현재 수준으로는 부족하다는 보고가 있다.
*이러한 배경에 힘입어 기존 서비스의 한계점을 극복하기 위해 코드 단위로 업무를 실행하는 웹 기반의 업무 자동화 플랫폼을 구현하고자 한다.

====개발 과제의 목표 및 내용====
◇ Frontend
*접근성을 고려한 UI 개발
*사용자가 작성한 코드를 웹 환경에서 실행시키는 기능 개발

◇ Backend

◇ AI
*LLM(Large Language Model)을 이용하여 사용자 목표 달성을 위한 업무를 자동으로 분할하는 기능 개발

===관련 기술의 현황===
====관련 기술의 현황 및 분석(State of art)====
* 다양한 Benchmark에 대하여 여러 거대 언어 모델들의 성능을 비교
[[파일:Benchmark.jpg|700px]]
* 하지만 해당 Benchmark에는 구현하고자 하는 기능을 담고 있지 않음
* 해당 Benchmark에서 Llama-2(13B)을 사용
*특허조사 및 특허 전략 분석

====기술 로드맵====
* Frontend
**Figma
**React
**web worker
*Backend
**Spring Boot
**AWS EC2
**AWS VPC
**AWS Lambda
**Jenkins
**Github Webhook
**MongoDB
**Docker
**AWS Route53
*AI
**Llama-13B
====시장상황에 대한 분석====
*경쟁제품 조사 비교
{| cellpadding="0" cellspacing="0" border="1" width="100%" "text-align"="center"
|-
| 서비스
| 사용자가 요구사항을 수행하기 위해 Sub task로 분할
| Subtask를 실행
| 새로운 요구사항을 구현
|-
| ChatGPT
| YES
| NO
| NO
|-
| WebShop
| YES
| YES
| NO
|-
| ALFWorld
| YES
| NO
| NO
|-
| AgentGPT
| YES
| YES
| NO
|-
| BabyAGI
| YES
| YES
| NO
|-
| Jarvis
| YES
| YES
| NO
|-
| Epimetheus
| YES
| YES
| YES
|-
|}
*마케팅 전략 제시
**코드를 작성 할 수 있는 개발자들에게 LLM을 기반으로 자동화 할 수 있는 점을 강조
**본 서비스에 필요로 하는 기능을 직접 추가할 수 있음을 강조
**AI 혹은 다른 사람이 작성해 놓은 비슷한 TASK를 기반으로 기능을 추가할 수 있음을 강조

===개발과제의 기대효과===
====기술적 기대효과====
내용
====경제적, 사회적 기대 및 파급효과====
내용

===기술개발 일정 및 추진체계===
====개발 일정====
내용
====구성원 및 추진체계====
'''◇ (AI)오*영(팀장)'''

'''◇ (Back-end)김*원'''

'''◇ (Front-end)이*주'''
*UI/UX
*플랫폼 페이지 구현
*Back-end와의 SSE통신코드 작성
'''◇ (Front-end)장*호'''
*컴포넌트 설계
*각 subtask별 실행코드 환경 구성
*실행코드의 실행 테스트 구현
'''◇ (Back-end)황*우'''

==설계==
===설계사양===
====제품의 요구사항====
[[파일:에피메테우스_제품요구사항.png]]
====설계 사양====
* 사용자가 요구한 업무에 대한 출력 제공
** 사용자는 원하는 업무를 text box에 입력할 수 있다.
** 입력을 제출(submit)하면 서버에서 1개 이상의 Step을 출력해준다.
** 각 Step은 요약(Title), 상세내용(Description), 코드(Code), 작성언어(Language)를 포함하고 있다.
* 코드 실행 가능
** 이전 Step의 출력이 다음 Step의 입력으로 제공되어야 한다.
** Step에 입력된 코드를 실행하여 Task에 대해서 수행한다.
* 사용자가 직접 특정 단계의 코드 수정 가능
** 특정 Step의 Code를 수정할 수 있는 에디터를 제공한다.
** 새로 입력한 Code의 입출력 양식이 같은지 검사한다.
* 이전 요청 저장
** 기존의 사용자가 입력한 Task에 대해서 기록한다.
** 이전 업무와 연결되는 이후의 업무를 우선적으로 제공한다.
* 음성 인식을 통한 업무 입력 기능 제공
** 음성인식을 통해 사용자가 업무를 입력하면, 텍스트로 변환하여 text box에 자동으로 입력한다.

===개념설계안===
[[파일:에피메테우스_인프라도.jpg]]
* User 요청의 접근 과정
** Route53을 통해 S3 Bucket에 존재하는 정적 리소스에 접근한다.
** S3 Bucket에서 Server로 API 요청을 보낸다.
** Public Subnet 내의 Nginx EC2를 통해 Spring Boot EC2로 리버스 프록시가 진행된다.
** DB에 접근이 필요하다면 Private Subnet 내의 MongoDB EC2에서 DB 데이터를 받아온다.
** Llama에서 처리해야 하는 로직이 존재한다면 School Server로 요청을 보낸다.
** School Server에 존재하는 Llama FastAPI 서버에서 응답을 보낸다.
* Developer의 배포 과정(Frontend)
** Source Code를 Main에 Merge한다.
** Github Webhook을 통해 API Gateway에 연결된 API를 호출한다.
** Lambda를 Trigger하여 Private Subnet 내의 Jenkins EC2로 Github Webhook의 Body를 전송한다.
** Frontend 수정 여부를 판별한다.
** Frontend의 배포 시에는 jenkins에서 빌드된 bundle을 S3 React Build Bucket에 보낸다.
** S3 Build Bucket에서 S3 Deploy Bucket으로 보내고, Client는 이쪽으로 접근할 수 있다.
* Developer의 배포 과정(Backend)
** Source Code를 Main에 Merge한다.
** Github Webhook을 통해 API Gateway에 연결된 API를 호출한다.
** Lambda를 Trigger하여 Private Subnet 내의 Jenkins EC2로 Github Webhook의 Body를 전송한다.
** Backend 수정 여부를 판별한다.
** Jar 파일을 S3 Spring Bucket에 저장한다.
** CodeDeploy에서 파일을 가져와 Spring EC2에 실행한다.
* 외부 접근 제한
** Build와 관련된 단위들은 외부에서 접근이 불가능하다.
** NAT Gateway를 통해 내부 단위들은 외부 인터넷에 접근가능하다.
===이론적 계산 및 시뮬레이션===
* Task1: Turn on the song on Youtube
** Step 1. Open the web-browser
** Step 2. Access to YouTube.
** Step 3. Search for the song you want to play.
** Step 4. Click on the video you want to play.

* Task2: Write a Personal Statement that fits the certain company's job opening
** Step 1. Highlight your relevant skills and experience.
** Step 2. Demonstrate your knowledge of the company and the position.
** Step 3. Emphasize your enthusiasm for the industry and the company.
** Step 4. Showcase your ability to work well in a team environment.

* Task3: Buy the most expensive raincoat in Amazon and Coupang
** Step 1. Open the web-browser.
** Step 2. Access to Amazon or Coupang.
** Step 3. Search for the most expensive raincoat.
** Step 4. Select the raincoat and add to cart.
** Step 5. Proceed to checkout.
** Step 6. Enter shipping and billing information.
** Step 7. Review order summary and place order.

===상세설계 내용===
◇ 기능별 상세 요구사항
* 사용자가 요구한 업무에 대한 출력 제공
** 사용자는 원하는 업무를 text box에 입력할 수 있다.
** 입력을 제출하면 서버에서 1개 이상의 Step을 출력해준다.
** 각 Step은 요약(Title), 상세내용(Description), 코드(Code), 작성언어(Language)를 포함하고 있다.

* 코드 실행 기능
** 이전 Step의 출력이 다음 Step의 입력으로 제공되어야 한다.
** Step에 입력된 코드를 실행하여 Task에 대하여 수행한다.

* 사용자가 직접 특정 단계의 코드 수정 가능
** 특정 Step의 Code를 수정할 수 있는 에디터를 제공한다.
** 새로 입력한 Code의 입출력 양식이 같은지 검사한다.

* 이전 요청 저장
** 기존의 사용자가 입력한 Task에 대해서 기록한다.
** 이전 업무와 연결되는 이후의 업무를 우선적으로 제공한다.

* 음성 인식을 통한 업무 입력 기능 제공
** 음성인식을 통해 사용자가 업무를 입력하면, 텍스트로 변환하여 text box에 자동으로 입력한다.

◇ System Flow Chart
[[파일:System Flow Chart.jpg]]
#Write a Task : 사용자가 Task를 작성한다.
#Split Task into SubTasks : 사용자가 작성한 Task를 Llama가 SubTask로 나누고 이를 서버가 파싱하여 사용자에게 SubTask로 제공한다.
3. See the SubTasks of Task : 사용자는 서버가 분리한 SubTask들을 볼 수 있다.
4. Click the Exec Button : 사용자가 코드 실행 버튼을 누른다.
5. Search the Codes of each SubTasks : 서버는 각 SubTask들의 코드를 데이터베이스에서 탐색한다.
6. Execute the Javascript Code : 서버가 탐색한 Javascript Code를 실행시킨다.
7. Check the result of the Task : 사용자는 Task와 코드의 결과값이 일치하는지 확인한다.

==결과 및 평가==
===완료 작품의 소개===
====프로토타입 사진 혹은 작동 장면====
내용
====포스터====
내용

===관련사업비 내역서===
내용

===완료작품의 평가===
내용

===향후계획===
내용

===특허 출원 내용===
내용

에피메테우스

2023-12-24T05:31:58Z

Com2312: /* 상세설계 내용 */

<div>__TOC__</div>
==프로젝트 개요==
=== 기술개발 과제 ===
''' 국문 : ''' 에피메테우스(LLM을 활용한 웹 기반의 업무 자동화 플랫폼)

''' 영문 : ''' 00000000..

===과제 팀명===
에피메테우스

===지도교수===
정형구 교수님

===개발기간===
2023년 9월 ~ 2023년 12월 (총 4개월)

===구성원 소개===
서울시립대학교 컴퓨터과학부 20189200** 오*영(팀장)

서울시립대학교 컴퓨터과학부 20189200** 김*원

서울시립대학교 컴퓨터과학부 20189200** 이*주

서울시립대학교 컴퓨터과학부 20189200** 장*호

서울시립대학교 컴퓨터과학부 20189200** 황*우

==서론==
===개발 과제의 개요===

====개발 과제 요약====
'''◇ LLM을 활용한 웹 기반의 업무 자동화 플랫폼 구축'''
*사용자가 제공한 업무를 실제로 실행할 수 있는 자동화 AI 플랫폼 구현이 주된 목표이다.
*기존 AutoGPT와 유사한 기능을 제공하도록 대형 언어 모델(LLM)을 이용해 사용자의 업무를 이루기 위한 일련의 과정을 LLM(Llama)이 생성 후 제공한다.
*기존 서비스와의 차이점은 AI 모델의 단점인 블랙박스 특성을 없애기 위해 업무를 수행하기 위한 각 단계에 적절한 코드를 DB에서 불러오고, 해당 코드를 실행한다는 점이다.
*특정 단계에 해당하는 기능이 없을 때 원하는 기능을 사용자가 직접 추가하여 실행할 수 있다.

====개발 과제의 배경====
*현재 ChatGPT의 성공에 힘입어 LLM을 이용하여 업무를 자동화하는 시도가 존재한다.
*LLM을 이용하여 모든 업무를 자동화하는 것은 현재 수준으로는 부족하다는 보고가 있다.
*이러한 배경에 힘입어 기존 서비스의 한계점을 극복하기 위해 코드 단위로 업무를 실행하는 웹 기반의 업무 자동화 플랫폼을 구현하고자 한다.

====개발 과제의 목표 및 내용====
◇ Frontend
*접근성을 고려한 UI 개발
*사용자가 작성한 코드를 웹 환경에서 실행시키는 기능 개발

◇ Backend

◇ AI
*LLM(Large Language Model)을 이용하여 사용자 목표 달성을 위한 업무를 자동으로 분할하는 기능 개발

===관련 기술의 현황===
====관련 기술의 현황 및 분석(State of art)====
* 다양한 Benchmark에 대하여 여러 거대 언어 모델들의 성능을 비교
[[파일:Benchmark.jpg|700px]]
* 하지만 해당 Benchmark에는 구현하고자 하는 기능을 담고 있지 않음
* 해당 Benchmark에서 Llama-2(13B)을 사용
*특허조사 및 특허 전략 분석

====기술 로드맵====
* Frontend
**Figma
**React
**web worker
*Backend
**Spring Boot
**AWS EC2
**AWS VPC
**AWS Lambda
**Jenkins
**Github Webhook
**MongoDB
**Docker
**AWS Route53
*AI
**Llama-13B
====시장상황에 대한 분석====
*경쟁제품 조사 비교
{| cellpadding="0" cellspacing="0" border="1" width="100%" "text-align"="center"
|-
| 서비스
| 사용자가 요구사항을 수행하기 위해 Sub task로 분할
| Subtask를 실행
| 새로운 요구사항을 구현
|-
| ChatGPT
| YES
| NO
| NO
|-
| WebShop
| YES
| YES
| NO
|-
| ALFWorld
| YES
| NO
| NO
|-
| AgentGPT
| YES
| YES
| NO
|-
| BabyAGI
| YES
| YES
| NO
|-
| Jarvis
| YES
| YES
| NO
|-
| Epimetheus
| YES
| YES
| YES
|-
|}
*마케팅 전략 제시
**코드를 작성 할 수 있는 개발자들에게 LLM을 기반으로 자동화 할 수 있는 점을 강조
**본 서비스에 필요로 하는 기능을 직접 추가할 수 있음을 강조
**AI 혹은 다른 사람이 작성해 놓은 비슷한 TASK를 기반으로 기능을 추가할 수 있음을 강조

===개발과제의 기대효과===
====기술적 기대효과====
내용
====경제적, 사회적 기대 및 파급효과====
내용

===기술개발 일정 및 추진체계===
====개발 일정====
내용
====구성원 및 추진체계====
'''◇ (AI)오*영(팀장)'''

'''◇ (Back-end)김*원'''

'''◇ (Front-end)이*주'''
*UI/UX
*플랫폼 페이지 구현
*Back-end와의 SSE통신코드 작성
'''◇ (Front-end)장*호'''
*컴포넌트 설계
*각 subtask별 실행코드 환경 구성
*실행코드의 실행 테스트 구현
'''◇ (Back-end)황*우'''

==설계==
===설계사양===
====제품의 요구사항====
[[파일:에피메테우스_제품요구사항.png]]
====설계 사양====
* 사용자가 요구한 업무에 대한 출력 제공
** 사용자는 원하는 업무를 text box에 입력할 수 있다.
** 입력을 제출(submit)하면 서버에서 1개 이상의 Step을 출력해준다.
** 각 Step은 요약(Title), 상세내용(Description), 코드(Code), 작성언어(Language)를 포함하고 있다.
* 코드 실행 가능
** 이전 Step의 출력이 다음 Step의 입력으로 제공되어야 한다.
** Step에 입력된 코드를 실행하여 Task에 대해서 수행한다.
* 사용자가 직접 특정 단계의 코드 수정 가능
** 특정 Step의 Code를 수정할 수 있는 에디터를 제공한다.
** 새로 입력한 Code의 입출력 양식이 같은지 검사한다.
* 이전 요청 저장
** 기존의 사용자가 입력한 Task에 대해서 기록한다.
** 이전 업무와 연결되는 이후의 업무를 우선적으로 제공한다.
* 음성 인식을 통한 업무 입력 기능 제공
** 음성인식을 통해 사용자가 업무를 입력하면, 텍스트로 변환하여 text box에 자동으로 입력한다.

===개념설계안===
[[파일:에피메테우스_인프라도.jpg]]
* User 요청의 접근 과정
** Route53을 통해 S3 Bucket에 존재하는 정적 리소스에 접근한다.
** S3 Bucket에서 Server로 API 요청을 보낸다.
** Public Subnet 내의 Nginx EC2를 통해 Spring Boot EC2로 리버스 프록시가 진행된다.
** DB에 접근이 필요하다면 Private Subnet 내의 MongoDB EC2에서 DB 데이터를 받아온다.
** Llama에서 처리해야 하는 로직이 존재한다면 School Server로 요청을 보낸다.
** School Server에 존재하는 Llama FastAPI 서버에서 응답을 보낸다.
* Developer의 배포 과정(Frontend)
** Source Code를 Main에 Merge한다.
** Github Webhook을 통해 API Gateway에 연결된 API를 호출한다.
** Lambda를 Trigger하여 Private Subnet 내의 Jenkins EC2로 Github Webhook의 Body를 전송한다.
** Frontend 수정 여부를 판별한다.
** Frontend의 배포 시에는 jenkins에서 빌드된 bundle을 S3 React Build Bucket에 보낸다.
** S3 Build Bucket에서 S3 Deploy Bucket으로 보내고, Client는 이쪽으로 접근할 수 있다.
* Developer의 배포 과정(Backend)
** Source Code를 Main에 Merge한다.
** Github Webhook을 통해 API Gateway에 연결된 API를 호출한다.
** Lambda를 Trigger하여 Private Subnet 내의 Jenkins EC2로 Github Webhook의 Body를 전송한다.
** Backend 수정 여부를 판별한다.
** Jar 파일을 S3 Spring Bucket에 저장한다.
** CodeDeploy에서 파일을 가져와 Spring EC2에 실행한다.
* 외부 접근 제한
** Build와 관련된 단위들은 외부에서 접근이 불가능하다.
** NAT Gateway를 통해 내부 단위들은 외부 인터넷에 접근가능하다.
===이론적 계산 및 시뮬레이션===
* Task1: Turn on the song on Youtube
** Step 1. Open the web-browser
** Step 2. Access to YouTube.
** Step 3. Search for the song you want to play.
** Step 4. Click on the video you want to play.

* Task2: Write a Personal Statement that fits the certain company's job opening
** Step 1. Highlight your relevant skills and experience.
** Step 2. Demonstrate your knowledge of the company and the position.
** Step 3. Emphasize your enthusiasm for the industry and the company.
** Step 4. Showcase your ability to work well in a team environment.

* Task3: Buy the most expensive raincoat in Amazon and Coupang
** Step 1. Open the web-browser.
** Step 2. Access to Amazon or Coupang.
** Step 3. Search for the most expensive raincoat.
** Step 4. Select the raincoat and add to cart.
** Step 5. Proceed to checkout.
** Step 6. Enter shipping and billing information.
** Step 7. Review order summary and place order.

===상세설계 내용===
◇ 기능별 상세 요구사항
* 사용자가 요구한 업무에 대한 출력 제공
** 사용자는 원하는 업무를 text box에 입력할 수 있다.
** 입력을 제출하면 서버에서 1개 이상의 Step을 출력해준다.
** 각 Step은 요약(Title), 상세내용(Description), 코드(Code), 작성언어(Language)를 포함하고 있다.

* 코드 실행 기능
** 이전 Step의 출력이 다음 Step의 입력으로 제공되어야 한다.
** Step에 입력된 코드를 실행하여 Task에 대하여 수행한다.

* 사용자가 직접 특정 단계의 코드 수정 가능
** 특정 Step의 Code를 수정할 수 있는 에디터를 제공한다.
** 새로 입력한 Code의 입출력 양식이 같은지 검사한다.

* 이전 요청 저장
** 기존의 사용자가 입력한 Task에 대해서 기록한다.
** 이전 업무와 연결되는 이후의 업무를 우선적으로 제공한다.

* 음성 인식을 통한 업무 입력 기능 제공
** 음성인식을 통해 사용자가 업무를 입력하면, 텍스트로 변환하여 text box에 자동으로 입력한다.

◇ System Flow Chart
[[파일:System Flow Chart.jpg]]
#Write a Task : 사용자가 Task를 작성한다.
2. Split Task into SubTasks : 사용자가 작성한 Task를 Llama가 SubTask로 나누고 이를 서버가 파싱하여 사용자에게 SubTask로 제공한다.
3. See the SubTasks of Task : 사용자는 서버가 분리한 SubTask들을 볼 수 있다.
4. Click the Exec Button : 사용자가 코드 실행 버튼을 누른다.
5. Search the Codes of each SubTasks : 서버는 각 SubTask들의 코드를 데이터베이스에서 탐색한다.
6. Execute the Javascript Code : 서버가 탐색한 Javascript Code를 실행시킨다.
7. Check the result of the Task : 사용자는 Task와 코드의 결과값이 일치하는지 확인한다.

==결과 및 평가==
===완료 작품의 소개===
====프로토타입 사진 혹은 작동 장면====
내용
====포스터====
내용

===관련사업비 내역서===
내용

===완료작품의 평가===
내용

===향후계획===
내용

===특허 출원 내용===
내용