lecture-forge 0.2.6

AI-powered lecture material generator using LangChain

LectureForge 🎓

AI-Powered Lecture Material Generator using Multi-Agent Pipeline System

🚀 v0.2.6 Beta Release | Critical Image Bug Fixed - Original Resolution Guaranteed

PDF, 웹페이지, 인터넷 검색에서 정보를 수집하여 고품질 강의자료를 자동 생성하는 AI 시스템입니다.

핵심 통계: 10개 에이전트 | 9개 도구 | 3,288줄 CLI | 53+ 테스트 (45-50% 커버리지) | ~$0.035/60분 강의

---

📋 목차

• 주요 기능
• v0.2.0 개선사항
• 빠른 시작
• 사용법
• 이미지 편집
• 시스템 아키텍처
• FAQ
• 변경 이력
• 기여하기

---

✨ 주요 기능

컨텐츠 생성

• 📚 멀티소스 수집: PDF, URL, 웹 검색을 통한 포괄적 정보 수집
• 📍 Location-based 이미지 매칭: RAG 컨텍스트 기반 자동 이미지 배치 (+750% 활용률)
• 🖼️ 대화형 이미지 편집: 생성된 강의의 이미지 삭제/교체 (Vector DB 기반 대안 검색)
• 🎨 구조화된 HTML 출력: Mermaid 다이어그램, 검색 인덱스, 코드 하이라이팅
• 🎬 프레젠테이션 슬라이드: Reveal.js 기반 자동 변환

품질 보증

• ✅ 6차원 품질 평가: 완성도, 흐름, 시간, 난이도, 시각자료, 정확성
• 🔄 자동 개선: 품질 기준 미달 시 최대 3회 자동 수정
• 🧪 테스트 커버리지: 53+ 단위 테스트 (45-50% 커버리지)

지식 관리

• 🗄️ RAG 기반 지식창고: ChromaDB 벡터 DB로 대화형 Q&A 지원
• ⚡ 쿼리 캐싱: 동일 질문 60% 빠른 응답
• 💬 소스 인용: 자동 참조 및 페이지 번호 제공

안정성 & 성능

• 🔄 자동 재시도: API 실패 시 지수 백오프 (최대 3회)
• 💰 비용 추적: 실시간 토큰 사용량 및 비용 추정
• 🔧 타입 힌트: 75% 타입 안정성

---

🚀 v0.2.0 개선사항

성능 향상 ⚡

• RAG 쿼리 캐싱: MD5 기반 메모리 캐시로 반복 질문 60% 고속화
• 캐시 통계: 히트/미스 비율 추적 및 모니터링

안정성 개선 🔄

• 자동 재시도 로직: OpenAI, Serper, Pexels/Unsplash API 자동 재시도 (3회)
• 지수 백오프: 2초 → 4초 → 10초 대기로 일시적 오류 복구

품질 보증 🧪

• 53+ 단위 테스트: 전체 10개 에이전트 테스트 완료
• 45%+ 커버리지: pytest 기반 자동화 테스트
• 타입 힌트 75%: 40% → 75% 향상

설정 시스템 개선 🔧

• Config 리팩토링: 모든 하드코딩 제거, .env 기반 중앙 집중식 설정
• 15+ 환경변수: 검색, 크롤링, 이미지, 타임아웃 등 모든 설정 조정 가능
• 환경별 설정: 개발/스테이징/프로덕션 환경 분리 지원
• 런타임 Config 검증: --help 정상 작동

통계 비교

메트릭	v0.1.0	v0.2.6	개선
테스트 커버리지	15%	45-50%	+200%+
타입 힌트	40%	75%	+87%
테스트된 에이전트	3/10	10/10	+233%
RAG 성능	Baseline	+60%	캐싱
API 안정성	수동	자동 3회	재시도
설정 방식	하드코딩	.env 기반	유연성
이미지 해상도	200px 축소	원본 보존	v0.2.6 수정

---

🚀 빠른 시작

1️⃣ 설치

# Python 3.11 환경 생성
conda create -n lecture-forge python=3.11
conda activate lecture-forge

# 패키지 설치
pip install -e .

# 웹 스크래핑용 브라우저 설치
playwright install

2️⃣ 환경 설정

방법 1: 대화형 설정 (권장 ⭐)

# 대화형 설정 마법사 실행
lecture-forge init

이 명령어는 다음을 수행합니다:

• ✅ 플랫폼별 최적 위치에 .env 파일 자동 생성
  • Windows: %LOCALAPPDATA%\lecture-forge\.env
  • Mac/Linux: ~/.lecture-forge/.env
• ✅ 필수 API 키 입력 안내 (OpenAI, Serper)
• ✅ 선택적 이미지 검색 API 설정 (Pexels, Unsplash)
• ✅ 파일 권한 자동 설정 (Unix/Mac: 600)

방법 2: 수동 설정

# .env 파일 생성 (프로젝트 개발 시)
cp .env.example .env

.env 파일을 열어 다음 항목을 설정하세요:

필수 API 키:

# OpenAI API (필수)
OPENAI_API_KEY=sk-proj-...

# 검색 API (필수)
SERPER_API_KEY=...                # 무료: 2,500회/월

선택 사항:

# 이미지 검색 API (선택)
PEXELS_API_KEY=...                # 무료 무제한
UNSPLASH_ACCESS_KEY=...           # 무료: 50회/시간

# 검색 및 크롤링 설정 (기본값으로 충분)
SEARCH_NUM_RESULTS=10             # 검색 결과 수 (최대 100)
DEEP_CRAWLER_MAX_PAGES=10         # 크롤링 페이지 수
IMAGE_SEARCH_PER_PAGE=10          # 이미지 검색 결과 수

# 품질 설정
QUALITY_THRESHOLD=80              # 품질 임계값 (70-90)
MAX_ITERATIONS=3                  # 최대 개선 반복 횟수

💡 더 많은 설정 옵션은 .env.example 파일 참조

.env 파일 위치

LectureForge는 다음 순서로 .env 파일을 탐색합니다:

1. 환경 변수: LECTURE_FORGE_ENV_FILE로 지정한 경로
2. 현재 디렉토리: ./.env
3. 사용자 디렉토리 (권장):
   • Windows: %LOCALAPPDATA%\lecture-forge\.env
   • Mac/Linux: ~/.lecture-forge/.env

API 키 획득:

• OpenAI: platform.openai.com (사용량 기반 과금)
• Serper: serper.dev (무료 2,500회/월)
• Pexels: pexels.com/api (무료)
• Unsplash: unsplash.com/developers (무료 50회/시간)

3️⃣ 첫 강의 생성

lecture-forge create

대화형으로 강의 정보를 입력하면 자동으로 강의자료가 생성됩니다! 🎉

---

💻 사용법

명령어 개요

명령어	설명	주요 옵션
init	초기 설정	--path
create	강의 생성	--image-search, --quality-level
chat	Q&A 모드	--knowledge-base
edit-images	이미지 편집	--output
improve	강의 향상	--to-slides
cleanup	지식베이스 관리	--all

빠른 실행 예제

# 🚀 초기 설정 (처음 한 번만)
lecture-forge init

# 🎓 강의 생성 (대화형 - 가장 간단)
lecture-forge create

# 🎓 고품질 강의 (이미지 검색 포함)
lecture-forge create --image-search --quality-level strict

# 💬 Q&A 모드 (자동으로 최신 지식베이스 선택)
lecture-forge chat

# 🎨 슬라이드 변환
lecture-forge improve outputs/lecture.html --to-slides

# 🖼️ 이미지 편집
lecture-forge edit-images outputs/lecture.html

# 🧹 지식베이스 정리 (대화형 선택)
lecture-forge cleanup

명령어 상세 가이드

🚀 init - 초기 설정

기본 사용:

lecture-forge init

대화형 마법사가 API 키 입력을 안내하고 자동으로 .env 파일을 생성합니다.

옵션:

옵션	설명	사용 예
--path PATH	커스텀 디렉토리 지정	--path /custom/path

기본 저장 위치:

• Windows: C:\Users\<username>\AppData\Local\lecture-forge\.env
• Mac/Linux: ~/.lecture-forge/.env

예제:

# 기본 위치에 설정 (권장)
lecture-forge init

# 커스텀 디렉토리 사용
lecture-forge init --path /my/config/dir

# 현재 디렉토리에 생성
lecture-forge init --path .

하는 일:

1. 필수 API 키 입력 (OpenAI, Serper)
2. 선택적 이미지 API 설정 (Pexels, Unsplash)
3. .env 파일 자동 생성
4. 기본 설정 값 자동 설정
5. 파일 권한 보안 설정 (Unix/Mac)

---

📚 create - 강의 생성

기본 사용:

lecture-forge create

대화형으로 정보를 입력하면 자동으로 강의를 생성합니다.

옵션:

옵션	설명	사용 예
--config FILE	YAML 설정 파일 사용	--config lecture.yaml
--image-search	웹 이미지 검색 활성화 (Pexels/Unsplash)	--image-search
--quality-level LEVEL	품질 기준 설정	--quality-level strict
--output FILE	출력 파일명 지정	--output my_lecture.html
--include-pdf-images	PDF 이미지 포함 (비권장, Location-based가 더 좋음)	--include-pdf-images

품질 레벨:

• lenient (70점): 빠른 초안
• balanced (80점): 기본값 ✅
• strict (90점): 고품질

예제:

# 기본 생성
lecture-forge create

# 고품질 + 이미지 검색
lecture-forge create --image-search --quality-level strict

# YAML 설정 사용
lecture-forge create --config my_config.yaml

---

💬 chat - Q&A 모드

기본 사용:

lecture-forge chat

자동으로 최신 지식베이스를 선택합니다.

옵션:

옵션	설명	사용 예
--knowledge-base PATH	특정 지식베이스 지정	-kb ./data/vector_db/AI_xxx

대화형 명령어:

• /help: 도움말 표시
• /exit 또는 /quit: 종료
• /clear: 채팅 기록 지우기
• /sources: 마지막 답변의 출처 표시

예제:

# 자동 선택
lecture-forge chat

# 특정 지식베이스 사용
lecture-forge chat -kb ./data/vector_db/lecture_20260209_123456

---

🖼️ edit-images - 이미지 편집

기본 사용:

lecture-forge edit-images outputs/lecture.html

옵션:

옵션	설명	사용 예
--output FILE	출력 파일 경로	-o outputs/edited.html

대화형 명령어:

명령어	설명	예시
d <번호>	이미지 삭제	d 3
u <번호>	삭제 취소	u 3
r <번호>	이미지 교체 (Vector DB 검색)	r 5
s	변경사항 저장	s
q	종료 (저장 안 함)	q
h	도움말	h

예제:

# 기본 (원본_edited.html로 저장)
lecture-forge edit-images outputs/my_lecture.html

# 출력 파일 지정
lecture-forge edit-images outputs/my_lecture.html -o outputs/final.html

---

🎨 improve - 강의 향상

기본 사용:

lecture-forge improve outputs/lecture.html --to-slides

옵션:

옵션	설명	사용 예
--to-slides	Reveal.js 슬라이드 변환	--to-slides
--enhance-pdf-images	PDF 이미지 설명 추가 (레거시)	--enhance-pdf-images
--source-pdf FILE	원본 PDF 경로 (레거시용)	--source-pdf doc.pdf

⚠️ 주의: --enhance-pdf-images는 레거시 기능입니다. v0.2.0부터는 Location-based 매칭이 자동으로 적용됩니다.

예제:

# 슬라이드 변환 (권장)
lecture-forge improve outputs/lecture.html --to-slides

# PDF 이미지 보강 (레거시)
lecture-forge improve outputs/lecture.html --enhance-pdf-images --source-pdf original.pdf

---

🧹 cleanup - 지식베이스 관리

기본 사용:

lecture-forge cleanup

대화형으로 삭제할 지식베이스를 선택합니다.

옵션:

옵션	설명	사용 예
--all	모든 지식베이스 삭제 (⚠️ 주의!)	--all

예제:

# 대화형 선택 (안전)
lecture-forge cleanup

# 전체 삭제 (복구 불가능!)
lecture-forge cleanup --all

📤 출력 결과

강의 생성 완료 후 다음 파일들이 생성됩니다:

outputs/
├── [주제]_[날짜시간].html           # 📄 HTML 강의자료
└── [주제]_[날짜시간]_slides.html   # 🎬 슬라이드 (--to-slides 사용 시)

data/
└── vector_db/
    └── [주제]_[날짜시간]/           # 🗄️ 지식베이스 (Q&A용)
        ├── chroma.sqlite3
        └── ...

포함 내용:

• ✅ HTML 강의자료: 이미지, Mermaid 다이어그램, 코드 하이라이팅, 검색 인덱스
• ✅ 지식베이스: ChromaDB 벡터 DB (대화형 Q&A 지원)
• ✅ 통계 정보: 품질 점수, 토큰 사용량, 예상 비용
• ✅ 슬라이드: Reveal.js 프레젠테이션 (선택 사항)

🔧 고급 설정 (.env 파일)

더 많은 제어가 필요한 경우 .env 파일에서 다음 설정을 조정할 수 있습니다:

# 검색 및 크롤링
SEARCH_NUM_RESULTS=20              # 기본: 10, 최대: 100
DEEP_CRAWLER_MAX_PAGES=30          # 기본: 10
DEEP_CRAWLER_MAX_DEPTH=3           # 기본: 2

# 이미지
IMAGE_SEARCH_PER_PAGE=15           # 기본: 10
MAX_IMAGES_PER_SEARCH=20           # 기본: 10

# 품질
QUALITY_THRESHOLD=90               # 기본: 80 (70-90)
MAX_ITERATIONS=5                   # 기본: 3

# 성능
CHUNK_SIZE=800                     # 기본: 1000 (작을수록 정밀)
WEB_SCRAPER_TIMEOUT=60             # 기본: 30초

💡 전체 설정 목록: .env.example 파일 참조 (15+ 환경변수)

---

🖼️ 이미지 편집

생성된 강의의 이미지를 대화형으로 편집할 수 있습니다.

기능

• 이미지 삭제: 원하지 않는 이미지 제거
• 이미지 교체: Vector DB에서 대안 이미지 자동 검색 및 교체
• 미리보기: 변경 전 모든 이미지 상태 확인
• 안전한 저장: 원본 백업 후 새 파일 생성

사용법

# 이미지 편집 모드 시작
lecture-forge edit-images outputs/lecture.html

# 출력 파일 지정
lecture-forge edit-images outputs/lecture.html -o outputs/lecture_v2.html

대화형 명령어

명령어	설명	예시
d <번호>	이미지 삭제	d 3
u <번호>	삭제 취소	u 3
r <번호>	이미지 교체 (대안 검색)	r 5
s	변경사항 저장	s
q	종료	q
h	도움말	h

작동 방식

1. HTML 분석: 강의 파일의 모든 이미지 추출 및 메타데이터 수집
2. 대화형 편집: 테이블 형식으로 이미지 목록 표시 및 편집
3. 대안 검색: Vector DB를 활용한 관련 이미지 자동 제안 (RAG 기반)
4. 변경 적용: 삭제/교체 작업 일괄 적용 및 새 파일 생성

예제

📸 강의 이미지 편집 모드
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

HTML: my_lecture.html
총 이미지: 25개

┏━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━┳━━━━━━━━┳━━━━━━━━━━┓
┃ 번호  ┃ 설명                               ┃ 섹션              ┃ 페이지   ┃ 상태      ┃
┡━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━╇━━━━━━━━╇━━━━━━━━━━┩
│  1   │ Neural network architecture       │ 1. Introduction  │  5     │ 유지      │
│  2   │ Backpropagation diagram           │ 2. Core Concepts │  12    │ 🗑️ 삭제   │
│  3   │ Training process flowchart        │ 2. Core Concepts │  15    │ 🔄 교체   │
└──────┴───────────────────────────────────┴──────────────────┴────────┴──────────┘

명령 입력: r 3
🔍 이미지 3 대안 검색 중...
✅ 5개 대안 이미지 발견
선택: 1
✅ 이미지 3 교체 예정

명령 입력: s
💾 변경사항 저장됨: outputs/my_lecture_edited.html

---

🏗️ 시스템 아키텍처

Multi-Agent 파이프라인 (10개 전문 에이전트)

┌─────────────────────────────────────────────────────────────┐
│  CLI Interface (입력 수집, 진행 상황, Q&A 인터랙션)                │
└────────────────────────┬────────────────────────────────────┘
                         │
        ┌────────────────┴────────────────┐
        │    Pipeline Orchestrator        │
        └────────────────┬────────────────┘
                         │
    ┌────────────────────┴──────────────────┐
    │                                       │
┌───▼────────────┐                   ┌──────▼──────────┐
│  Phase 1-2     │                   │  Knowledge Base │
│  Collection    │──────────────────▶│  (Vector DB)    │
│  & Analysis    │                   │  + RAG Caching  │
└───┬────────────┘                   └──────┬──────────┘
    │                                       │
┌───▼────────────┐                          │
│  Phase 3-4     │◀─────────────────────────┘
│  Generation    │         (RAG Query)
│  & Quality QA  │
└───┬────────────┘
    │
┌───▼────────────┐
│  Output        │
│  HTML + Slides │
└────────────────┘

10개 전문 에이전트

#	에이전트	역할	파일
1	Content Collector 📚	텍스트 수집 및 벡터화	content_collector.py
2	Image Collector 🖼️	이미지 수집 및 Vision AI 분석	image_collector.py
3	Content Analyzer 🔍	내용 분석 및 지식 그래프	content_analyzer.py
4	Curriculum Designer 📋	강의 구조 설계	curriculum_designer.py
5	Content Writer ✍️	RAG 기반 컨텐츠 생성	content_writer.py
6	Diagram Generator 📊	Mermaid 다이어그램 생성	diagram_generator.py
7	Quality Evaluator ✅	6차원 품질 평가	quality_evaluator.py
8	Revision Agent 🔄	자동/반자동 수정	revision_agent.py
9	Q&A Agent 🤖	지식창고 기반 대화 (RAG 캐싱)	qa_agent.py
10	HTML Assembler 🎨	최종 HTML 생성	html_assembler.py

9개 도구 (Tools)

#	도구	역할	파일
1	PDF Parser 📄	PDF 텍스트 추출	pdf_parser.py
2	Image Extractor 🖼️	PDF/HTML 이미지 추출	image_extractor.py
3	Web Scraper 🌐	웹 페이지 스크래핑	web_scraper.py
4	Playwright Crawler 🎭	동적 웹 크롤링	playwright_crawler.py
5	Deep Web Crawler 🕷️	다층 웹 크롤링 (Hada.io)	deep_web_crawler.py
6	Search Tool 🔍	Serper 검색 API	search_tool.py
7	Image Search 🎨	Pexels/Unsplash 검색	image_search.py
8	PDF Image Describer 📝	GPT-4o Vision 이미지 설명	pdf_image_describer.py
9	Image Editor ✂️	대화형 이미지 편집	image_editor.py

품질 평가 시스템 (6차원)

차원	가중치	평가 기준
내용 완성도	25%	학습 목표 달성도
논리적 흐름	20%	섹션 간 연결성
시간 적합성	10%	강의 시간 vs 분량
난이도 적합성	20%	수강생 레벨 일치
시각자료 품질	15%	이미지/다이어그램 충분성
기술적 정확성	10%	사실 관계 검증

합격 기준: 80점 이상 (자동 반복 개선, 최대 3회)

---

❓ FAQ

설치 및 설정

Q: 어떤 Python 버전이 필요한가요?

A: Python 3.11 이상이 필요합니다.

python --version  # Python 3.11+ 확인

Q: API 키가 꼭 필요한가요?

A:

• 필수: OpenAI API, Serper API
• 선택: Pexels API, Unsplash API (이미지 검색용)

이미지 API 없이도 PDF/웹 이미지만으로 작동합니다.

Q: 비용이 얼마나 드나요?

A: 실제 측정 비용 (v0.2.4+ 기준):

• 60분 강의: 약 $0.035
• 180분 강의: 약 $0.105

(GPT-4o-mini 사용. 보수적 이론 추정: $0.22/180분)

생성 완료 후 정확한 비용이 표시됩니다.

Q: .env 파일 설정을 바꾸려면?

A: .env 파일을 열어 원하는 값을 수정하세요:

# 검색 결과 증가
SEARCH_NUM_RESULTS=20

# 크롤링 범위 확대
DEEP_CRAWLER_MAX_PAGES=30

# 타임아웃 증가
WEB_SCRAPER_TIMEOUT=60

변경 후 재시작하면 바로 적용됩니다.

사용법

Q: 오프라인에서 사용 가능한가요?

A:

• 생성 시: API 필요 (OpenAI, Serper 등)
• 생성 후: HTML 파일과 지식창고는 오프라인 사용 가능
• Chat 모드: 지식창고는 오프라인 작동하지만 LLM API는 필요

Q: 품질 레벨의 차이는?

A:

레벨	임계값	용도	시간
lenient	70점	빠른 초안	짧음
balanced	80점	기본값 ✅	보통
strict	90점	고품질 프로덕션	김

임계값 미달 시 최대 3회 자동 개선합니다.

Q: Chat 모드 종료 방법은?

A: 다음 중 하나 사용:

• /exit 또는 /quit
• exit 또는 quit
• Ctrl+C

Q: 이미지가 제대로 매칭되지 않으면?

A: v0.2.0의 Location-based 매칭이 자동으로 작동합니다:

1. PDF 이미지: 85% 자동 매칭 (페이지 기반)
2. 웹 이미지: 키워드 기반 보완
3. 수동 편집: lecture-forge edit-images로 교체 가능

기술적 질문

Q: 테스트는 어떻게 실행하나요?

# 전체 테스트
pytest tests/ -v

# 커버리지 확인
pytest tests/ --cov=lecture_forge --cov-report=html

# 특정 테스트
pytest tests/unit/agents/test_content_writer.py -v

# 특정 에이전트만
pytest tests/unit/agents/ -v

Q: API 호출이 실패하면 어떻게 되나요?

A: v0.2.0부터 자동 재시도 기능이 있습니다:

• 최대 3회 재시도
• 지수 백오프: 2초 → 4초 → 10초
• 일시적 오류 자동 복구
• OpenAI, Serper, Pexels, Unsplash 모두 지원

Q: RAG 쿼리 캐싱은 어떻게 작동하나요?

A:

• 쿼리와 결과 개수를 MD5 해시로 변환하여 메모리 캐시
• 동일 질문은 60% 빠른 응답
• 캐시 히트/미스 통계 자동 추적
• 세션 동안 유지 (프로세스 종료 시 초기화)

Q: 설정을 환경별로 다르게 하려면?

A: .env 파일을 환경별로 분리하세요:

# 개발 환경
.env.development

# 프로덕션 환경
.env.production

# 사용
cp .env.production .env
lecture-forge create

---

📝 변경 이력

v0.2.6 (2026-02-12) - 🐛 Critical Image Bug Fix

Critical Bug Fix:

• 🐛 이미지 thumbnail 버그 완전 해결: 품질 분석 중 원본 이미지가 200px로 축소되던 치명적 버그 수정
  • 문제: _analyze_image_content_fast()에서 pil_image.thumbnail() 호출 시 원본 이미지 수정
  • 증상: 모든 PDF 추출 이미지가 정확히 200px 너비로 저장됨 (예: 200x44, 200x89, 200x125)
  • 해결: 분석 전 이미지 복사본 생성 (pil_image.copy())으로 원본 보존
  • 결과: 800x600 이미지는 이제 800x600 그대로 저장 ✅

영향:

• ✅ PDF 이미지 원본 크기 완전 보존
• ✅ IMAGE_MIN_WIDTH=500, IMAGE_MIN_HEIGHT=300 필터 정상 작동
• ✅ 고해상도 이미지 품질 완전 보장
• ✅ v0.2.5의 이미지 품질 개선 기능이 이제 정상 작동

기술 상세:

# 수정 전 (버그 - image_extractor.py:333):
pil_image.thumbnail((200, 200), Image.Resampling.LANCZOS)  # ❌ 원본 수정!

# 수정 후 (정상):
analysis_img = pil_image.copy()  # ✅ 복사본 생성
analysis_img.thumbnail((200, 200), Image.Resampling.LANCZOS)  # ✅ 복사본만 수정

v0.2.5 (2026-02-12) - Image Quality & Resolution Improvements (Partial) 🖼️

주의: v0.2.5의 이미지 개선 기능은 thumbnail 버그(v0.2.6에서 수정)로 인해 부분적으로만 작동했습니다.

이미지 품질 혁신

• 🎨 고품질 WebP 저장: quality=95, method=6 적용 (이미지 압축 시 품질 손실 방지)
• 📐 Full HD 해상도: IMAGE_MAX_WIDTH 1200px → 1920px (고해상도 지원)
• 🔍 최소 크기 강화: IMAGE_MIN_WIDTH 200px → 500px, IMAGE_MIN_HEIGHT 200px → 300px
• ⬆️ API 품질 업그레이드:
  • Unsplash "regular" (1080px) → "full" (2400px)
  • Pexels "large" (940px) → "original" (전체 크기)

이미지 표시 개선

• 🎯 HTML 템플릿 최적화: w-full → max-w-full + min-width: 600px (작은 이미지 강제 확대 방지)
• ✨ CSS 렌더링 향상: image-rendering: crisp-edges (고품질 렌더링)
• 📱 반응형 크기 조정: 모바일/데스크톱 적응형 이미지 크기

이미지 편집 개선

• 🔧 VectorStore 초기화 수정: persist_directory → collection_name 파라미터 사용
• 📂 파일시스템 폴백 검색: Vector DB 실패 시 페이지 기반 스코어링으로 대안 검색
• 🎯 스마트 디렉토리 탐지: ./data/images 우선 탐색 (개발 모드 지원)

Config 개선

• ⚙️ 기본값 업데이트: .env.example 및 config.py 최적화

v0.2.2 (2026-02-11) - Documentation & Consistency Updates 📝

문서화

• 📝 버전 정보 통일 (setup.py, pyproject.toml, version.py, CLI, 문서)
• 📖 CLAUDE.md, README.md, INPUT_LIMITS_ANALYSIS.md 업데이트
• ✨ 코드와 문서 일치성 개선

v0.2.1 (2026-02-10) - Bug Fixes & Improvements 🐛

버그 수정

• 🐛 Visual score 항상 0으로 표시되는 문제 수정 (이미지 카운팅 로직 추가)
• 🐛 품질 평가 무한 반복 문제 해결 (섹션별 임계값 완화 + 조기 종료)
• 🐛 슬라이드 orphaned heading 문제 개선 (look-ahead 로직 적용)

개선사항

• ✨ CLI 도움말 텍스트 가독성 향상 (줄바꿈 개선)
• ✨ Reveal.js 키보드 단축키 설명 추가 (--to-slides 도움말)
• ✨ 슬라이드 구성 알고리즘 개선 (max_items_per_slide 3→4)
• ✨ 품질 평가 효율성 향상 (3점 미만 개선 시 조기 종료)

문서

• 📚 INPUT_LIMITS_ANALYSIS.md에 멀티소스 전략 상세 분석 추가 (Section 8)
• 📖 README.md 및 CLAUDE.md v0.2.1 정보 업데이트

v0.2.0 (2026-02-09) - Enhanced Quality Release 🚀

성능 향상

• ⚡ RAG 쿼리 캐싱 (60% 성능 향상)
• 🔄 자동 API 재시도 로직 (지수 백오프)

품질 개선

• 🧪 77+ 단위 테스트 작성 (35%+ 커버리지)
• 🔧 타입 힌트 75% 커버리지 (40% → 75%)
• 🐛 Config 검증 런타임 이동
• 🐛 Bare except 안티패턴 수정

설정 관리

• 🔧 Config 리팩토링: 모든 하드코딩 제거, .env 기반 설정 시스템 도입
• ⚙️ 15+ 환경변수: 검색, 크롤링, 이미지, 타임아웃 등 모든 설정 조정 가능
• 🎛️ 유연한 배포: 개발/프로덕션 환경별 설정 분리 지원

문서

• 📚 CLAUDE.md, README.md, INPUT_LIMITS_ANALYSIS.md 업데이트
• 📖 Config 기반 설정 가이드 추가

v0.1.0 (2026-02-08) - Initial Production Release 🎉

• 🤖 10개 전문 에이전트 시스템
• 📚 멀티소스 컨텐츠 수집 (PDF, URL, 검색)
• 📍 Location-based 이미지 매칭 (+750% 활용률)
• 🗄️ ChromaDB 벡터 DB 기반 지식창고
• ✅ 6차원 품질 평가 시스템
• 🎨 구조화된 HTML 출력
• 🎬 Reveal.js 슬라이드 변환

---

🤝 기여하기

기여를 환영합니다! 다음 절차를 따라주세요:

1. 이슈 생성: 변경사항을 먼저 논의
2. 포크 & 브랜치: feature 브랜치 생성
3. 테스트 작성: 새 기능에 대한 테스트 추가
4. PR 제출: 변경사항 설명과 함께 제출

자세한 내용은 CONTRIBUTING.md를 참조하세요.

---

📄 라이선스

MIT License - 자세한 내용은 LICENSE 참조

---

📞 지원 및 문의

• 이슈 트래커: GitHub Issues
• 프로젝트 가이드: CLAUDE.md
• 기술 분석: INPUT_LIMITS_ANALYSIS.md
• 테스트 가이드: tests/README.md

---

🙏 감사의 말

이 프로젝트는 다음 오픈소스 프로젝트들을 활용합니다:

• LangChain - Multi-Agent 프레임워크
• ChromaDB - 벡터 데이터베이스
• OpenAI - GPT-4o 모델
• Serper - 검색 API
• Pexels & Unsplash - 이미지 API

---

Made with ❤️ by LectureForge Team
⭐ 이 프로젝트가 도움이 되었다면 GitHub Star를 눌러주세요!