Cosmo

📷 Previews

⚙️ Troubleshooting

AI 최적화

1. 응답 요청 -> UI 노출까지 걸리는 시간 개선

초기 단계에선 '응답 요청부터 UI 노출'까지 '21s'가 소요되었습니다.
소요 시간을 단축하기 위해 다음과 같은 AI 최적화 방법을 적용하고 있습니다.

• 문제 요청 분할: N 문제를 한 번에 요청하지 않고, n 문제씩 나누어 요청 (예: 3, 3, 4).
• 요청 데이터 최소화: (질문 + 답변 + 해설) 대신 (질문 + 답변)만 요청.
• 답변 포맷화: 미리 정의된 포맷을 요청 (프롬프트 엔지니어링).
• 실시간 UI 노출: AI의 응답 스크립트 스트림을 실시간 UI 노출.

위 방법을 통해 '응답 요청 -> UI 노출'까지 걸리는 시간을 약 '16s' 단축했습니다.

2. AI에 대한 신뢰성 개선

AI가 제공하는 질문 및 답변에 대한 신뢰성을 보장하기 위해 다음과 같은 방법을 적용하고 있습니다.

• 공신력 있는 데이터 학습: CS 면접 대비 저서, star +1,000개 CS 면접 질문 아카이빙 레포지토리 학습 (파인튜닝).
• 질문 생성 위임: 비교적 간단한 질문은 AI에게 생성 위임(객관식), 어려운 질문은 학습된 데이터를 활용 (주관식).
• 크로스체킹: 2가지 버전의 AI를 제공하여 상호 검증 (예: GPT, Claude).

Cosmo는 앞으로도 AI 최적화를 지속적으로 개선하여, 더 빠르고 신뢰성 높은 서비스를 제공할 계획입니다. 🚀

🛠 Tech Stack & Libraries

• Kotlin(100%)
• Modularization
• Clean Architecture
• Gradle Version Catalog + Precompiled Script Plugin
• Kotlin Coroutines + Flow
• Dagger-Hilt + KSP

Jetpack:

• Compose
• Hilt Navigation Compose

Library:

• Retrofit2 & OkHttp3
• Coil
• OpenAI

🏛️ Architecture(Modularization) Overview

⭐️ Did you find this repository helpful?

• 소중한 STAR(⭐️) 감사합니다 :)

✨ Contributors

이연진 (Sally)	김세훈 (さんくん~☆)

🏆 Academic Achievements & Paper Publication

• 본 프로젝트 관련 연구가 한국통신학회에 공식 게재되었습니다.
• 📑 논문 제목: "AI 기반 전공 지식 학습 지원 서비스 설계 및 구현"
• 🔢 논문 번호: 19B-P-36
• 📚 게재 학회/저널: 한국통신학회 2025년도 동계종합학술발표회
• 🔗 논문 링크