PDF 논문을 자동으로 요약하고 질문에 답변하는 AI 기반 도구입니다. Streamlit 웹 인터페이스를 통해 쉽게 사용할 수 있습니다.
- PDF 논문 자동 요약: 업로드된 PDF 논문을 AI가 자동으로 요약
- 지능형 질의응답: 논문 내용에 대한 질문에 정확한 답변 제공
- 의미적 검색: FAISS 벡터 스토어를 활용한 효율적인 문서 검색
- 대화형 인터페이스: Streamlit 기반의 사용자 친화적 웹 UI
- 대화 히스토리 관리: 이전 질문과 답변 기록 유지
- 다운로드 지원: 생성된 요약을 TXT 파일로 다운로드
- Python 3.11+
- OpenAI API 키
git clone https://github.com/toto6343/paper-summary-agent.git
cd paper_summary_agent# 가상환경 생성 python -m venv venv # 가상환경 활성화 # Windows venv\Scripts\activate # Mac/Linux source venv/bin/activate
pip install -r requirements.txt
프로젝트 루트에 .env 파일을 생성하고 다음 내용을 추가하세요:
OPENAI_API_KEY=your-openai-api-key-here
OPENAI_MODEL=gpt-3.5-turbo CHUNK_SIZE=1000 CHUNK_OVERLAP=200 SEARCH_K=3 HISTORY_LIMIT=3 SUMMARY_TYPE=comprehensive
streamlit run paper_agent.py
브라우저에서 http://localhost:8501로 접속하여 사용하세요.
- PDF 업로드: 사이드바에서 논문 PDF 파일 업로드
- 요약 생성: "📝 요약 생성" 버튼 클릭
- 질문하기: 요약 확인 후 논문에 대한 질문 입력
- 답변 확인: AI가 생성한 답변을 실시간으로 확인
paper_summary_agent/
├──src
│ └── paper_agent.py # 메인 애플리케이션
├── requirements.txt # 필요 패키지 목록
├── .env # 환경 변수 (생성 필요)
├── .gitignore # Git 무시 파일
└── README.md # 프로젝트 설명
langchain langgraph langchain-openai langchain-chroma pypdf faiss-cpu streamlit python-dotenv
| 환경 변수 | 기본값 | 설명 |
|---|---|---|
OPENAI_API_KEY |
(필수) | OpenAI API 키 |
OPENAI_MODEL |
gpt-3.5-turbo |
사용할 OpenAI 모델 |
CHUNK_SIZE |
1000 |
텍스트 청크 크기 |
CHUNK_OVERLAP |
200 |
청크 간 중복 길이 |
SEARCH_K |
3 |
검색 결과 개수 |
HISTORY_LIMIT |
3 |
대화 히스토리 제한 |
SUMMARY_TYPE |
comprehensive |
요약 유형 (brief/structured/comprehensive) |
- 입력: PDF 파일
- 출력: 웹 인터페이스 표시, TXT 파일 다운로드
- "이 논문의 주요 기여점은 무엇인가요?"
- "사용된 연구 방법론을 설명해주세요."
- "실험 결과의 핵심 내용을 요약해주세요."
- "이 연구의 한계점은 무엇인가요?"
SUMMARY_TYPE=brief # 3-5줄 간단 요약 SUMMARY_TYPE=structured # 구조화된 형태 요약 SUMMARY_TYPE=comprehensive # 종합적인 상세 요약
📄 논문 요약 결과
**연구 배경 및 동기**
이 연구는 자연어 처리 분야에서 트랜스포머 모델의 효율성을 개선하고자...
**주요 방법론**
- BERT 기반 아키텍처 개선
- 새로운 어텐션 메커니즘 도입
- 대규모 데이터셋을 활용한 사전 훈련
**핵심 결과**
기존 모델 대비 15% 성능 향상 및 30% 추론 속도 개선...
Q1: 이 논문에서 제안한 새로운 방법론의 핵심은 무엇인가요?
A1: 이 논문에서는 multi-head attention 메커니즘을 개선한 새로운 구조를 제안했습니다...
Q2: 실험 결과는 어떻게 평가되었나요?
A2: GLUE 벤치마크와 자체 데이터셋을 사용하여 성능을 평가했으며...
Q: "OPENAI_API_KEY가 설정되지 않았습니다" 오류
# .env 파일이 프로젝트 루트에 있는지 확인 # API 키가 올바르게 설정되었는지 확인
Q: PDF 업로드 후 처리 실패
# PDF 파일이 텍스트 추출 가능한지 확인 (스캔본이 아닌 텍스트 PDF) # 파일 크기가 너무 크지 않은지 확인 (권장: 10MB 이하)
Q: 메모리 부족 오류
# CHUNK_SIZE를 줄여보세요 (예: 500) # 큰 PDF의 경우 부분적으로 처리
- API 키는
.env파일에 저장하며 Git에 업로드되지 않음 - 업로드된 PDF는 임시로만 처리되며 서버에 저장되지 않음
- 대화 내용은 세션 동안만 메모리에 저장
이 프로젝트는 MIT 라이선스 하에 있습니다.
- 저장소: https://github.com/toto6343/paper-summary-agent
- Issues: https://github.com/toto6343/paper-summary-agent/issues
- LangChain - LLM 애플리케이션 프레임워크
- OpenAI GPT - 자연어 처리 및 생성
- FAISS - 효율적인 유사도 검색
- Streamlit - 웹 애플리케이션 프레임워크
- PyPDF - PDF 텍스트 추출
문제가 발생하거나 제안사항이 있으시면 GitHub Issues를 통해 알려주세요.
Image Image💡 팁: 처음 사용하시는 경우 작은 크기의 PDF로 테스트해보시기를 권장합니다.
