역할 정의

Pseudo Education 프로젝트에서는 다수의 전문 에이전트들이 협업하여 인터뷰 및 토론 데이터를 수집, 분석, 정제하여 지식 콘텐츠로 전환합니다.

이 시스템은 크게 세 개의 팀으로 구성됩니다:

•

실제 인물(Source Person)을 바탕으로 한 가상의 인물(페르소나)을 생성하고, 인터뷰를 통해 정보를 수집합니다.

데이터 수집 및 전처리

가상의 인물 페르소나 생성 및 퀘스트화

인터뷰 대상 자료 준비

이벤트 트리거 → 인터뷰 주제 및 질문 분석

인터뷰 응답 수집 (Source Person A, B 등)

인터뷰 결과 도출 → 정수화/통합 (점수화, 공통점 등)

이 과정을 통해 실제 인터뷰와 유사한 시뮬레이션 데이터를 확보하고, 정형화된 인사이트로 정리합니다.

•

수집된 인터뷰와 토론 데이터를 바탕으로 콘텐츠를 생성하고 외부에 배포합니다.

스케줄링 및 데이터 수집

데이터 정제 및 요약, 강조 등

지식 생성 (내용 요약, 의미화 등)

콘텐츠 생성 → 피드백 루프 포함

콘텐츠 발행

이 과정에서 내부 결과물은 외부 대상에 전달되는 교육 콘텐츠나 뉴스 형태로 발행됩니다.

주제를 중심으로 다양한 전문가 Agent들이 참여하는 토론형 지식 생성 프로세스를 수행합니다.

이벤트 트리거 → 토론 주제 설정 및 분석

웹 검색, 논문 조사 → 자료 수집

토론에 필요한 중간 데이터 확보

Focus Group 시작

•

기술 전문가 Agent

•

금융 전문가 Agent

•

법률 전문가 Agent 등 참여

최종 합의 결과 도출 → 의견이 다른 부분은 병렬 정리 후 요약

각 분야 전문가 Agent들이 주제에 대해 논의하여 전문적인 콘텐츠 또는 다면적 시각의 결과물을 생산합니다.

•

Agent Orchestration 중심의 자동화된 협업

•

인터뷰 + 토론 + 콘텐츠 생성의 완전한 흐름

•

각 단계가 유기적으로 연결되며, 인간 개입 최소화

•

지속적인 피드백 루프 및 콘텐츠 고도화 시스템 내장

필요하다면 각 Agent 단위의 구조(역할별 Agent 템플릿 등)나 각 파트의 구체적인 LLM 응답 예시, 자동화 코드 흐름도 함께 정리해드릴 수 있어요.