비즈매치
사업자·창업자·투자자가 자신이 가진 것(HAVE)과 필요한 것(WANT)을 등록하면, 임베딩 유사도 검색과 LLM 양방향 적합성 평가를 결합해 서로 도움이 될 상대를 추천하고 연결하는 B2B 네트워킹 MVP를 React + Node.js + PostgreSQL(pgvector) 기반으로 설계·구현합니다.
프로젝트 개요
사업자·창업자·투자자가 자신이 가진 것(HAVE)과 필요한 것(WANT)을 등록하면, 임베딩 유사도 검색과 LLM 양방향 적합성 평가를 결합해 서로 도움이 될 상대를 추천하고 연결하는 B2B 네트워킹 MVP를 React + Node.js + PostgreSQL(pgvector) 기반으로 설계·구현합니다. 상호수락 전 개인정보를 비공개로 유지하는 상태머신과, 비개발자도 운영할 수 있는 승인형 관리자 백오피스를 함께 구현합니다.
작업 범위
- 의미 기반 AI 매칭 추천: 사용자가 등록한 HAVE(제공 가능한 것)와 WANT(필요한 것)를 기반으로, 임베딩 벡터 유사도와 LLM 적합성 평가를 결합해 양방향으로 도움이 될 상대를 추천하고 그 이유를 자연어로 함께 보여줍니다
- AI 온보딩 대화 + HAVE·WANT 구조화: 가입 직후 자연어 대화형 화면에서 자신의 일·전문성·경험·네트워크·현재 필요한 것을 자유롭게 입력하면, AI가 추가 질문으로 구체화한 뒤 HAVE·WANT 항목으로 구조화해 확인·수정할 수 있게 합니다
- 연결 요청·수락 상태머신: 추천받은 상대에게 연결 요청을 보내고, 받은 요청함에서 수락·거절을 처리하며, 양측이 모두 수락한 경우에만 연락처 등 개인정보가 공개되는 상태 전이를 구현합니다
- 마스터 관리자 백오피스: 회원과 HAVE·WANT 현황을 조회하고, AI가 생성한 추천을 승인·보류·거절하며, 연결 결과와 가입·매칭 지표를 확인할 수 있는 단일 관리자 화면을 제공합니다
주요 업무
- 의미 기반 AI 매칭 추천 화면: LLM API로 HAVE·WANT 텍스트를 벡터로 임베딩해 pgvector 기반 유사도 검색으로 1차 후보군을 좁히고, 2차로 LLM에 A→B, B→A 양방향 프롬프트를 넣어 적합도 점수와 추천 사유 문장을 생성하는 2단계 파이프라인을 구현합니다
- AI 온보딩 대화 + HAVE·WANT 구조화 화면: LLM API에 대화 컨텍스트를 유지하는 멀티턴 프롬프트를 구성해 부족한 정보를 추가 질문으로 채우고, 최종 응답을 HAVE·WANT 스키마(JSON)로 파싱해 구조화 데이터로 저장합니다
- 연결 요청·수락 상태머신 화면: 요청(대기)→수락/거절→상호수락 상태를 DB 상태 컬럼과 트랜잭션으로 관리하고, 상호수락 시점에만 개인정보 필드를 조회 가능하게 하는 접근 제어 로직을 구현합니다
- 마스터 관리자 백오피스 화면: 회원·HAVE·WANT·추천·연결결과를 하나의 관리자 화면에서 리스트-상세 패턴으로 조회하고, AI 추천 승인 처리 시에만 사용자 추천 목록에 노출되도록 게이팅하는 검토 워크플로우를 구현합니다
프로젝트 핵심 과제
자연어 HAVE·WANT를 구조화된 벡터로 변환하는 임베딩 파이프라인과 유사도 임계값 설계
A→B
B→A 양방향 적합성을 모두 반영하는 LLM 프롬프트 설계와 응답 파싱 안정성 확보 필요
상호수락 전 개인정보 비공개를 서버 응답 단계에서 누락 없이 강제하는 접근 제어 설계
비개발자 발주자가 AI 추천 품질을 직관적으로 검수할 수 있는 승인 UI 설계
핵심 기능 상세
의미 기반 AI 매칭 추천
사용자가 등록한 HAVE(제공 가능한 것)와 WANT(필요한 것)를 기반으로, 임베딩 벡터 유사도와 LLM 적합성 평가를 결합해 양방향으로 도움이 될 상대를 추천하고 그 이유를 자연어로 함께 보여줍니다.
- pgvector 코사인 유사도 검색으로 임베딩 기반 1차 후보 필터링 구현
- LLM API에 양방향(A→B, B→A) 프롬프트를 전달해 적합도 점수·추천 사유를 생성하는 로직 구현
- 적합도 배지와 필터 chips(업종·니즈 유형)를 결합한 카드 그리드 탐색 UI 구현
임베딩 유사도 검색과 LLM 적합성 평가를 2단계로 결합해, 단순 키워드 매칭이 아닌 의미 기반 양방향 추천 구조를 구현합니다.
AI 온보딩 대화 + HAVE·WANT 구조화
가입 직후 자연어 대화형 화면에서 자신의 일·전문성·경험·네트워크·현재 필요한 것을 자유롭게 입력하면, AI가 추가 질문으로 구체화한 뒤 HAVE·WANT 항목으로 구조화해 확인·수정할 수 있게 합니다.
- 멀티턴 대화 컨텍스트를 유지하는 LLM 프롬프트 체인 설계
- LLM 응답을 HAVE·WANT 구조화 스키마(JSON)로 파싱하는 후처리 로직 구현
- 구조화 결과를 사용자가 직접 수정·확정할 수 있는 확인 화면 구현
자유 서술형 입력을 AI가 추가 질문으로 보완하며 구조화된 HAVE·WANT 데이터로 변환하는 대화형 온보딩 흐름을 구현합니다.
연결 요청·수락 상태머신
추천받은 상대에게 연결 요청을 보내고, 받은 요청함에서 수락·거절을 처리하며, 양측이 모두 수락한 경우에만 연락처 등 개인정보가 공개되는 상태 전이를 구현합니다.
- 요청·수락·거절·상호수락 4단계 상태머신을 트랜잭션으로 원자적 처리
- 상호수락 여부에 따라 개인정보 필드 노출을 서버에서 조건부로 마스킹하는 직렬화 로직 구현
- 받은·보낸 요청함을 탭으로 구분한 목록 UI 구현
상태 전이와 개인정보 공개 조건을 서버 단에서 일관되게 검증하는 연결 요청 상태머신을 구현합니다.
마스터 관리자 백오피스
회원과 HAVE·WANT 현황을 조회하고, AI가 생성한 추천을 승인·보류·거절하며, 연결 결과와 가입·매칭 지표를 확인할 수 있는 단일 관리자 화면을 제공합니다.
- 회원·HAVE·WANT·AI추천·연결결과를 리스트-상세 패널로 통합 조회하는 관리자 UI 구현
- AI 추천 승인·보류·거절 처리 시 사용자 노출 여부를 게이팅하는 검토 워크플로우 구현
- 가입·프로필완성·매칭·연결요청·상호수락 수치를 집계하는 운영 지표 위젯 구현
비개발자인 발주자가 AI 추천 품질을 직접 검수하고 서비스 지표를 확인할 수 있도록 승인 게이트가 있는 관리자 백오피스를 구현합니다.
프로젝트 진행 단계
요구사항 상세화 및 DB·임베딩 스키마 설계 · 2026.09
HAVE·WANT ERD 설계, pgvector 확장 테이블 정의, 매칭·연결 상태머신 스키마 확정
AI 온보딩·매칭 엔진 API 개발 · 2026.09
LLM 온보딩 대화 API, 임베딩 생성·유사도 검색, 양방향 적합도 평가 API 구현
매칭·연결 UI 및 관리자 백오피스 개발 · 2026.09
추천 카드 그리드·상대 프로필·연결 요청 상태 UI와 회원·추천·연결결과 관리자 화면, 승인 게이팅 로직 구현
통합 테스트 및 인수인계 문서화 · 2026.09
API 명세·DB 구조 문서 작성, 크로스 브라우저 검증, 배포 스크립트 정리
개발 결과
기술적 주안점
- 임베딩 유사도 검색과 LLM 적합성 평가를 2단계로 결합해, 단순 키워드 매칭이 아닌 의미 기반 양방향 추천 구조를 구현합니다
- 자유 서술형 입력을 AI가 추가 질문으로 보완하며 구조화된 HAVE·WANT 데이터로 변환하는 대화형 온보딩 흐름을 구현합니다
- 상태 전이와 개인정보 공개 조건을 서버 단에서 일관되게 검증하는 연결 요청 상태머신을 구현합니다
