K-Food RAG: AI 기반 음식 탐색

배경

이 프로젝트는 음식 탐색 제품이 정적 필터와 키워드 검색을 넘어설 수 있는 방법을 탐구했습니다. 사용자가 자연스럽게 음식 관련 질문을 하고도 근거 있고 유용한 결과를 받을 수 있도록 하는 것이 목표였습니다.

문제

검색어가 범주가 아니라 설명의 형태가 되면 음식 검색은 금방 한계를 드러냅니다. 사람들은 의도, 기분, 재료, 문화적 맥락으로 검색하지만 기존 필터는 이를 제대로 담기 어렵습니다.

접근 방식

검색을 우선하는 구조로 제품을 설계했습니다. 임베딩, 벡터 검색, 구조화된 음식 레코드, 언어 모델 출력을 결합해 결과가 유연하면서도 실제 데이터에 근거하도록 했습니다.

출시한 기능

• 자연어 음식 검색과 안내형 탐색을 위한 웹 인터페이스
• 임베딩, 벡터 검색, 관계형 조회, 응답 구성을 위한 백엔드 서비스
• 동기화와 안전한 재시도를 위한 큐 기반 처리
• 검색 스택 전반의 동기화 품질과 운영 문제를 보여 주는 모니터링 중심 서비스

결과

• 실제 데이터에 기반하면서 일반 필터 UI보다 더 폭넓은 음식 질문에 답할 수 있었습니다.
• 동기화, 재시도, 관측 가능성을 초기에 고려해 일반적인 AI 프로토타입보다 안정적인 아키텍처를 만들었습니다.
• 단순 데모가 아닌 소비자형 탐색 경험을 위한 실용적인 RAG 패턴을 검증했습니다.

기술 메모

Next.js, NestJS, PostgreSQL, Qdrant, Redis, Google GenAI를 결합했습니다. 핵심 기술 과제는 AI 계층의 유용성을 유지하면서 구조화 데이터 모델에서 벗어나지 않도록 하는 것이었습니다.