lecture-forge 0.3.0

AI-powered lecture material generator using LangChain

LectureForge 🎓

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

🚀 v0.3.0 Beta Release | Presentation Optimized - Professional Slide Design

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

핵심 통계: 10개 에이전트 | 9개 도구 | 3,298줄 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 (v0.3.0 대폭 개선)

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
• 🎯 예외 처리: 구조화된 예외 시스템 (9개 카테고리)
• 📝 프롬프트 관리: 템플릿 기반 프롬프트 시스템

---

🚀 최근 개선사항

v0.3.0 (2026-02-12) - 프레젠테이션 최적화 🎯

• 슬라이드 구성 개선: 프레젠테이션에 최적화
  • 슬라이드당 항목 수 감소 (4개 → 3개)
  • 긴 리스트 자동 분할 (최대 5개씩)
  • 논리적 슬라이드 구성 (한 주제 = 한 슬라이드)
• 스타일 개선: 전문적인 디자인 시스템
  • 제목 크기/색상 계층화
  • 타이포그래피 최적화
  • 코드 블록 입체감
• Mermaid 다이어그램: 문서 시각화 개선
  • 시스템 아키텍처, 예외 계층, 품질 평가 등

v0.2.7 (통합)

• 예외 처리 시스템: 구조화된 예외 계층 (9개 카테고리)
• 프롬프트 관리: 템플릿 기반 프롬프트 시스템
• 콘텐츠 생성 개선: 더 상세한 프롬프트와 품질 기준

v0.2.0-0.2.6

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	v0.3.0	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
예외 처리	기본	구조화 (9개)	v0.2.7
프롬프트 관리	하드코딩	템플릿 기반	v0.2.7
슬라이드 품질	기본	전문적	v0.3.0
다이어그램	텍스트	Mermaid	v0.3.0

---

🚀 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)

flowchart TD
    CLI["🖥️ CLI Interface<br/>입력 수집, 진행 상황, Q&A 인터랙션"]
    Orchestrator["⚙️ Pipeline Orchestrator<br/>에이전트 조율 및 태스크 관리"]
    Phase12["📚 Phase 1-2<br/>Collection & Analysis"]
    KB["🗄️ Knowledge Base<br/>Vector DB + RAG Caching"]
    Phase34["✍️ Phase 3-4<br/>Generation & Quality QA"]
    Output["📤 Output<br/>HTML + Slides"]

    CLI --> Orchestrator
    Orchestrator --> Phase12
    Orchestrator --> KB
    Phase12 -->|저장| KB
    KB -->|RAG Query| Phase34
    Phase34 -->|RAG Query| KB
    Phase34 --> Output

    style CLI fill:#e1f5ff
    style Orchestrator fill:#fff4e1
    style Phase12 fill:#e8f5e9
    style KB fill:#f3e5f5
    style Phase34 fill:#fff9c4
    style Output fill:#ffebee

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)

%%{init: {'theme':'base', 'themeVariables': { 'pie1':'#e8f5e9', 'pie2':'#bbdefb', 'pie3':'#fff9c4', 'pie4':'#f8bbd0', 'pie5':'#ffccbc', 'pie6':'#d1c4e9'}}}%%
pie title 품질 평가 가중치 분포
    "내용 완성도 (학습 목표)" : 25
    "논리적 흐름 (연결성)" : 20
    "난이도 적합성 (레벨)" : 20
    "시각자료 품질 (이미지)" : 15
    "시간 적합성 (분량)" : 10
    "기술적 정확성 (검증)" : 10

차원	가중치	평가 기준	세부 항목
📝 내용 완성도	25%	학습 목표 달성도	주제 커버리지, 깊이, 예제
🔗 논리적 흐름	20%	섹션 간 연결성	구조, 전개, 응집성
🎯 난이도 적합성	20%	수강생 레벨 일치	용어, 복잡도, 사전 지식
🖼️ 시각자료 품질	15%	이미지/다이어그램 충분성	관련성, 품질, 배치
⏱️ 시간 적합성	10%	강의 시간 vs 분량	단어 수, 밀도, 페이싱
✅ 기술적 정확성	10%	사실 관계 검증	코드, 개념, 용어

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

v0.3.0 (2026-02-12) - 🎯 Presentation Optimization

슬라이드 생성 대폭 개선:

• 🎯 논리적 구성: 프레젠테이션 최적화
  • 슬라이드당 항목 수: 4→3 (33% 감소)
  • 긴 리스트 자동 분할 (최대 5개씩)
  • 서브섹션 → 독립 제목 슬라이드
  • 소제목 → 슬라이드 타이틀
  • 코드 슬라이드 제목 자동 추가
• 🎨 스타일 향상: 전문적 디자인
  • 제목 크기 계층화 (2.5em/2em/1.6em)
  • 색상 계층화 (진한/중간/밝은 회색)
  • 타이포그래피 최적화
  • 코드 블록 입체감
• 📊 Mermaid 다이어그램: 문서 시각화
  • 모든 텍스트 다이어그램 → Mermaid
  • 시스템 아키텍처, 예외 계층, 품질 평가 등

예외 처리 & 프롬프트 관리 (v0.2.7 통합):

• 🎯 예외 처리 시스템: 구조화된 계층 (9개 카테고리, 349줄)
• 📝 프롬프트 관리: 템플릿 기반 시스템 (176줄)
• ✍️ 콘텐츠 생성: 상세한 프롬프트 가이드라인

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

v0.2.1-0.2.5 (2026-02-10~12) - 버그 수정 및 품질 개선

주요 개선:

• 🐛 Visual score, 품질 평가, 슬라이드 생성 버그 수정
• 🎨 이미지 품질 향상 (Full HD, 고품질 WebP)
• 📝 문서 업데이트 및 일관성 개선
• ⚙️ Config 최적화

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!