Curio는 문화행사, 관광, 날씨 데이터를 분석하여 상황별 유효 대응 전략을 생성하고 Multi-Agent Workflow를 통해 이를 자연어 인사이트로 해석하는 AI 기반 콘텐츠 전략 분석 시스템입니다.

단순히 데이터를 수집하는 것에 그치지 않고 데이터 파이프라인 구축부터 패턴 분석, 전략 생성, Multi-Agent 기반 해석, 대시보드 및 모니터링까지 하나의 흐름으로 연결하여 데이터로부터 실행 가능한 인사이트를 도출하는 것을 목표로 합니다.

Key Features

• 문화행사 · 관광 · 날씨 데이터 수집 및 통합
• KMeans 군집화 및 Apriori 기반 패턴 분석
• Strategy Score 기반 유효 대응 전략 생성
• LangGraph Multi-Agent Workflow를 통한 전략 해석 및 보고서 생성
• Streamlit Dashboard 및 Langfuse·Slack 기반 모니터링
• 골든셋 20케이스 pass@k 기반 Agent 품질 평가

Architecture

단계	구성	한 줄 설명
①	External APIs → app/	문화행사 · 관광 · 날씨 API를 수집하고 feature · synthetic log까지 생성
②	Data (CSV)	분석 입력과 Agent 결과 JSON 저장
③	LangGraph	Top 5 전략에 운영 설명을 붙이고 Critic으로 검증
④	Streamlit	CSV에서 KPI·Top N, LangGraph에서 Agent 결과를 표시
⑤	Airflow · Langfuse · Slack	DAG로 ETL→Agent 실행, trace 기록, 성공·실패·Critic 거절 알림

Demo

Dashboard

KPI · Top 전략	Agent 패널

Monitoring

Langfuse trace	Airflow + Slack

Agent Evaluation

골든셋 20케이스로 Multi-Agent Workflow 품질을 평가했습니다.

pass@k 결과	Langfuse golden-eval
pass@1 pass@3 pass^3 0.80 0.95 0.70

Quick Start

Prerequisites

uv sync
cp .env.example .env
# 필수 API key 입력
# Optional
# OPENAI_API_KEY
# LANGFUSE_*
# SLACK_WEBHOOK_URL

Pipeline 실행

# Ingestion
uv run python -m app.ingestion.seoul_event.run
uv run python -m app.ingestion.tour.run
uv run python -m app.ingestion.weather.run

# Feature + synthetic log 생성
uv run python -m app.preprocessing.feature.run

# 기존 processed CSV가 있을 때
uv run python -m app.preprocessing.feature.run --skip-feature

Dashboard

uv run streamlit run app/dashboard/main.py

Agent

uv run python -m app.agents.run

Airflow (선택)

docker compose up -d --build

http://localhost:8080에서 curio_etl_pipeline DAG trigger

Tests

uv run ruff check
uv run pytest