Firzzle API

프로젝트 소개

• Firzzle은 사용자가 입력한 영상 URL을 기반으로 AI가 학습 자료를 자동 생성해주는 AI 학습 코칭 플랫폼입니다.
• 요약본 제공, 챗봇 학습 질의응답, 핵심 장면 요약 정리 기능 등을 통해 사용자의 학습 몰입도와 자기 주도 학습 효과를 높입니다.

배경 소개

• 본 프로젝트는 삼성소프트웨어 아카데미 특화 프로젝트로, 2025년 4월 14일부터 5월 23일까지 6주 간 진행되었습니다.
• 총 6명이 참여했으며, 역할은 다음과 같습니다:
  • 프론트엔드 2명
  • 백엔드 1명
  • AI 개발 1명
  • 인프라 1명
  • 기획/디자인 1명

---

주요 기능 (팀 중심 정리)

🎥 1. 영상 URL 기반 학습 분석

🔗 사용자 입력 → 영상 분석 → 학습 자료 자동 생성 → 요약노트, 챗봇, 스냅리뷰

• 기획/디자인: 사용자 흐름 UX, 영상 등록 이후 학습 구조 설계
• 프론트엔드: 영상 URL 입력 → 분석 상태 표시 → 각 학습 기능 연결
• 백엔드: 영상 메타데이터 저장, 분석 요청 API 처리
• AI 개발:
  • yt-dlp를 통해 자막 추출
  • GPT로 자막 요약 및 의미 단위 분할 처리
  • Kafka 기반 비동기 처리 구조로 요약/퀴즈 생성까지 병렬 처리

---

📄 2. 요약노트 제공 (2단계 요약)

• GPT를 활용하여 영상 내용을 주제별로 구조화한 요약 제공
• 배경지식에 따라 쉬운 설명 / 핵심 요약 두 가지 버전으로 선택 가능
• AI 개발: LLM 토큰 최적화를 위한 자막 병합 및 분할 로직 구성
• 프론트엔드: 탭 기반 요약본 UI 구성 (쉬운 설명, 핵심 요약), 토글 전환
• 백엔드: 요약 요청/응답 관리 및 사용자별 저장 처리

---

🤖 3. 러닝챗 (학습/시험 모드)

• 학습모드: 영상 주제에 대한 추가 질문 → 챗봇이 심화 답변 제공
• 시험모드: 챗봇이 사용자의 학습 이해도를 점검하는 질문 생성
• 프론트엔드: ChatModeToggle, 답변 입력/출력 인터페이스 구성
• AI 개발:
  • Vector DB(Qdrant) + GPT 기반 RAG 구조로 문맥 기반 정확도 개선
  • 학습 내용 기반 문맥 추출 및 유사도 기반 검색 응답 생성
• 백엔드: 챗봇 요청-응답 중계 API, 사용자 히스토리 관리

---

🧠 4. 스냅리뷰 (핵심 장면 정리)

• 영상에서 추출한 주요 장면에 대해 사용자가 직접 설명을 작성하며 학습 내용을 정리
• 작성된 스냅리뷰는 타임스탬프별로 그룹화되어 정리됨
• 프론트엔드: SnapBookContent, SnapReview, SnapDateGroup 구현
• 기획/디자인: 리뷰 카드형 UI 및 타임스탬프 표시 설계
• 백엔드: 스냅리뷰 CRUD API 제공, 타임스탬프 기반 정렬

---

📊 5. 관리자 전략 대시보드

• 사용자 학습 흐름 및 기능 활용도 분석
  • 학습 시작률, 기능별 이용률, 로그인 전환율 등 지표 시각화
• 기획/PM: 지표 정의, 관리자 요구사항 수집
• 프론트엔드: TopCharts, BottomChart, DateRangeSelector, useStrategyData
• 백엔드: 관리자 인증 및 통계 API 제공
• AI/분석: ELK Stack으로 로그 수집 및 KPI 추적 기반 시각화

---

기술 스택

Frontend

• Next.js (App Router)
• TypeScript
• Tailwind CSS
• Zustand, TanStack Query

Backend

• Java 17
• Spring Boot 3.4.4, Spring Security (JWT), OAuth
• MySQL
• Spring Cloud Gateway 기반 MSA

Infra

• AWS S3
• ELK Stack (로그 분석), Prometheus + Grafana (리소스 모니터링)
• Jenkins + Nginx를 활용한 Blue-Green 무중단 배포 파이프라인 구축

AI

• yt-dlp, GPT API
• Qdrant (Vector DB)
• Kafka, SSE (실시간 처리)

---

시스템 아키텍처

---

아키텍처 개요

• Spring Cloud Gateway 기반 MSA
  • 영상 수집 → 자막 추출 → 요약/퀴즈 생성 → 저장까지 병렬 처리
• 리소스 모니터링
  • Prometheus + Grafana로 AI 서버 상태 추적 및 알림
• 사용자 행동 로그 수집
  • ELK Stack 기반 로그 분석 → 관리자 대시보드에 반영

---

기대효과

• 복잡한 영상 콘텐츠도 요약 및 퀴즈를 통해 빠르게 학습 가능
• 학습 중 궁금한 내용은 러닝챗으로 즉시 해결
• 스스로 핵심 장면을 정리하며 메타인지 학습 강화
• 사용자 로그 기반 관리자 전략 개선 가능성 확보