📋 Feature Planning v2.0

열무 챗봇 구조 변경 기획서

라이프스타일 발견 챗봇 + 매물 검색 챗봇의 이중 구조로 전환하여, 사용자 니즈 파악 → 매물 추천의 자연스러운 여정을 설계합니다. GROQ 제거 후 GPT 웹서치 ON/OFF 비교 테스트 포함.

📅 2026년 5월 30일
👤 철희님 검토용
🏗️ Phase 2 대규모 리팩토링
⚡ 우선순위: HIGH

배경

왜 지금 이 변경이 필요한가

현재 단일 열무 챗봇의 구조적 한계와 글로벌 프롭테크 트렌드 사이의 간극

🎯

역할 혼재 문제

현재 단일 에이전트가 라이프스타일 파악 + 매물 검색을 동시에 담당 → 프롬프트 복잡도 증가, 맥락 전환 혼란

⚡

GROQ 의존 리스크

openai/gpt-oss-120b via Groq API — 서드파티 라우팅, 모델 변경 불투명, GPT 직접 호출 대비 기능 제약

📊

전환율 개선 기회

글로벌 데이터: 라이프스타일 퀄리파이 챗봇 도입 시 qualified lead 3~5배, 고객 전환율 15~25% 상승

Feature 1

1 챗봇 2개 분리 구조

단일 에이전트를 목적 기반 2-에이전트로 분리 — 각자 최적화된 시스템 프롬프트와 툴셋 보유

🌿

A. 라이프스타일 챗봇

신규

자연스러운 대화로 사용자 니즈 발굴

  • 일상 대화 + 라이프스타일 질문 (반려동물, 출퇴근, 취향)
  • 페르소나 누적 — 예산·위치·방수 외 소프트 조건 파악
  • 매물 검색 툴 없음 — 오직 프로파일링
  • 충분한 데이터 수집 시 "매물 확인하기" 버튼 활성화
  • 이동 시 수집된 전체 컨텍스트 번들로 B봇에 전달

보유 툴셋

get_user_profile update_user_profile get_thread_history resolve_place
💡

시스템 프롬프트: 매물 언급 최소화, "어떤 동네가 잘 맞을까요?" 같은 탐색형 대화 유도

🔍

B. 매물 검색 챗봇

기존 유지

기존 열무 구조 그대로 — 검색 전담

  • Dense+BM25+RRF+BGE+MMR 풀 파이프라인 유지
  • A봇에서 전달받은 컨텍스트 번들로 초기 검색 파라미터 사전 설정
  • 기존 7개 툴 전체 유지 (search_listings 포함)
  • W1 강제 검색, 0건 CTA 로직 그대로
  • 매물 카드·퀵버튼·SSE 스트리밍 유지

보유 툴셋

search_listings get_market_stats resolve_place lookup_facility update_user_profile get_user_profile get_thread_history
✅

기존 agent.py 로직 최대 재사용 — 변경 최소화 전략

Feature 2

2 핸드오프 플로우 & 컨텍스트 전달

A→B 전환 시 사용자가 같은 내용을 반복하지 않도록 — "제로 중복 원칙"

🌿
라이프스타일 챗봇
니즈 파악 + 페르소나 수집
📊
충분한 데이터 판단
슬롯 진행도 ≥ 70%
🔘
"매물 확인하기" 버튼
FE에서 노출
📦
컨텍스트 번들 생성
BE 추출 API 호출
🔍
매물 검색 챗봇
번들 기반 즉시 검색

컨텍스트 전달 방식 3가지 비교

① 전체 대화 전달

A봇의 전체 메시지 히스토리를 B봇 초기 컨텍스트로 삽입

✓ 정보 손실 없음
✗ 토큰 비용 높음
✗ B봇 프롬프트 혼잡

② 추출된 검색 파라미터 권장

기존 update_user_profile 누적 데이터 (filters_patch + situation) 를 structured JSON으로 전달

✓ 이미 존재하는 Redis 세션 활용
✓ 토큰 효율적
✓ B봇 초기 search params 자동 설정
✗ 소프트 조건 일부 누락 가능

③ LLM 요약 전달

A봇 대화 전체를 GPT로 요약 → 요약 텍스트를 B봇 초기 system context에 삽입

✓ 소프트 조건 보존
✗ 추가 LLM 비용
✗ 요약 품질 불확실
🎯

권장 설계: Redis 세션의 filters_patch (예산·위치·방수·입주시기) + situation 라벨을 구조화된 번들로 전달. 소프트 조건(반려동물, 채광 등)은 추가 필드로 update_user_profile에 저장하도록 A봇 프롬프트 보강. B봇 초기 turn에 "OOO님이 말씀하신 조건(강남 출퇴근, 반려견 있음, 예산 60만원)으로 매물을 찾아볼게요" 확인 메시지 출력.

버튼 활성화 조건

조건측정 방법임계값
필수 슬롯 충족filters_patch에 budget OR location 존재둘 중 하나 이상
대화 최소 턴수user 발화 횟수≥ 3턴
라이프스타일 데이터situation 라벨 개수≥ 1개
최종 버튼 노출위 3개 AND모두 충족 시

Feature 3

3 LLM 변경 — GROQ 제거 + GPT 직접 연동

현재 Groq 경유 구조를 GPT-4o direct로 전환 + 웹서치 ON/OFF 두 모드 비교

⚠️

현재 구조: openai/gpt-oss-120b via Groq API (adapters/llm/groq/) — OpenAI 직접 연결 아님. GROQ 자체 모델 라우팅 레이어 경유 중.

🌐

GPT 웹서치 INSTANT 모드

모드 A
  • GPT-4o + web_search_preview tool
  • 실시간 시세·뉴스·개발 호재 반영
  • 최신 정보 필요한 질문에 강점
  • 추가 레이턴시 0.5~2s 예상
  • 토큰 비용 증가 (서치 결과 컨텍스트)
💬

GPT 웹서치 OFF 일반 모드

모드 B
  • GPT-4o standard (no web search)
  • 내부 DB + Kakao POI API 전용
  • 결정론적 응답, hallucinate 차단 용이
  • 레이턴시 현재 수준 유지
  • 비용 예측 가능

모델/어댑터 변경 사항

항목현재(GROQ)변경 후(GPT)영향
메인 에이전트 LLM openai/gpt-oss-120b via Groq gpt-4o direct 어댑터 교체
Function calling Groq parallel tools OpenAI parallel tools API 호환 확인 필요
temperature 1.0 고정 0.7 권장 (조정 가능) 설정 변경
웹서치 툴 없음 web_search_preview (옵션) 신규 툴
임베딩 OpenRouter → text-embedding-3-large 유지 변경 없음
Reranker OpenRouter → Cohere 유지 변경 없음

Test Results

4 시나리오 비교 테스트 (예상 결과)

기존 backend/tests/integration/chat_assistant/scenarios.py 시나리오셋 기반 — 웹서치 ON vs OFF 비교

⚠️

아래 데이터는 GPT 전환 후 실제 실행 전 예상값입니다. 실제 테스트 실행 후 수치를 업데이트해야 합니다.

종합 성능 비교

지표현재 (GROQ)GPT 웹서치 OFFGPT 웹서치 ON비고
평균 응답 시간 ~2.1s ~1.8s ~3.2s TTFT 기준
LLM judge 정확도 82% 85% 예상 88% 예상 최신 정보 반영
Hallucination 빈도 낮음 낮음 주의 (서치 결과 오독) 내부 DB 우선 설계 필요
입력 토큰 비용 기준 +15% 예상 +60~80% 예상 서치 결과 컨텍스트
최신 시세 정확도 내부 DB 의존 내부 DB 의존 실시간 반영 핵심 차별점

시나리오별 상세 비교

S1 강남 출퇴근 1인 직장인 — 라이프스타일 파악 라이프스타일 봇
🌐 웹서치 ON

"강남역 도보 10분 이내, 현재 월세 시세는 평균 115만원(2025년 11월 기준)입니다. 최근 역세권 수요 증가로 6개월 전보다 8% 상승했어요."

💬 웹서치 OFF

"강남 출퇴근이시군요. 어떤 교통수단을 이용하세요? 지하철역 근처를 선호하시는지, 아니면 버스도 괜찮으신가요?"

응답 시간
ON: 3.1s
응답 시간
OFF: 1.7s
S2 반려견 있는 신혼부부 — 특수 조건 수집 라이프스타일 봇
🌐 웹서치 ON

"반려견 동반 가능 아파트는 서울 기준 전체의 약 42%가 허용 정책을 두고 있으며, 최근 펫프렌들리 단지 공급이 늘고 있습니다(KB부동산 2025)."

💬 웹서치 OFF

"강아지 종류가 어떻게 되세요? 소형견인지, 중형견 이상인지에 따라 입주 가능한 단지가 달라질 수 있어서요."

응답 시간 ON
3.4s
응답 시간 OFF
1.6s
S3 마포구 원룸 검색 — 매물 검색 핵심 시나리오 매물 검색 봇
🌐 웹서치 ON

"마포구 원룸 현재 시세: 홍대 인근 평균 65만원, 합정 58만원, 망원 55만원. 최근 홍대 임대료 5% 상승 추이."

매물 검색 결과: 8건

💬 웹서치 OFF

"마포구 원룸 찾아볼게요! 예산은 어떻게 되세요? 역세권 선호하시나요?"

매물 검색 결과: 12건 (내부 DB 최적화)

검색 결과 수
ON: 8건
검색 결과 수
OFF: 12건
S4 핸드오프 시나리오 — A→B 전환 시 컨텍스트 유지 신규 시나리오

A봇에서 수집한 조건(강남 출퇴근, 반려견, 예산 80만원, 채광 중요)이 B봇 전환 후 얼마나 보존되는지 검증

✅ 기대 동작

B봇 첫 메시지: "강남 출퇴근, 반려견 동반 가능, 예산 80만원 이하 조건으로 매물을 찾아볼게요! 채광이 좋은 남향을 우선으로 보여드릴까요?"

❌ 실패 케이스

B봇 첫 메시지: "안녕하세요! 어떤 매물을 찾고 계신가요?"
(컨텍스트 전달 실패 → 사용자 재입력 필요)

🎯

성공 기준: B봇 첫 응답에 A봇 수집 조건 3개 이상 반영 + 즉시 검색 실행

최종 의사결정 매트릭스

평가 항목가중치GROQ (현재)GPT OFFGPT 웹서치 ON
응답 속도25%342
정보 최신성20%225
Hallucination 안정성20%343
비용 효율15%442
기능 완성도10%355
어댑터 변경 최소화10%533
가중 합산100%3.23.7 ★3.2
✅

권장: 1단계 GPT 웹서치 OFF 배포 → 안정화 후 2단계에서 라이프스타일 봇에만 선택적 웹서치 ON 적용 (시세·뉴스 쿼리 감지 시 자동 활성화)

Architecture

5 아키텍처 변경 전체 목록

기존 구조에서 추가/변경/삭제되는 모듈 전체

🆕 신규 추가
🌿 lifestyle_agent.py
🔗 handoff_service.py
📦 context_bundle.py (도메인)
🔘 LifestyleChat FE 컴포넌트
➡️ "매물 확인하기" 버튼 로직
🧪 handoff 통합 테스트 시나리오
⚙️ adapters/llm/openai/ 어댑터
🔄 변경
⚙️ agent.py → search_agent.py 명칭 변경
🔧 agent_config.py — 봇 타입 분기 추가
🛣️ api/assistant_adapter.py — /lifestyle, /search 라우트 분리
💾 Redis 세션 — context_bundle 필드 추가
🧠 update_user_profile 툴 — soft_conditions 필드 추가
🗑️ 제거
adapters/llm/groq/
groq client.py
GROQ_API_KEY 환경변수

Roadmap

6 구현 로드맵

3 Phase, 예상 3~4주 완성

Phase 1 — Week 1 (LLM 교체)

GROQ → GPT-4o 어댑터 교체 + 기존 테스트 통과

  • adapters/llm/openai/ 신규 어댑터 구현 (Groq 인터페이스 호환)
  • GPT 웹서치 OFF 모드 기본 설정
  • 기존 unit 테스트 전체 통과 확인
  • integration 시나리오 응답 품질 비교
Phase 2 — Week 2~3 (챗봇 분리)

라이프스타일 에이전트 + 핸드오프 구현

  • lifestyle_agent.py 신규 구현 (A봇)
  • handoff_service.py — context_bundle 추출 로직
  • BE API 라우트 분리 (/chat/lifestyle, /chat/search)
  • FE "매물 확인하기" 버튼 + 전환 애니메이션
  • 핸드오프 통합 테스트 시나리오 추가
Phase 3 — Week 4 (테스트 + 배포)

전체 시나리오 테스트 + 웹서치 A/B 실험

  • 웹서치 ON/OFF 전체 시나리오 실행 + 결과 수집
  • LLM judge 평가 (응답 품질 점수)
  • 응답 시간 P50/P95 측정
  • Alpha 배포 후 실사용자 피드백 수집

References

7 2026 글로벌 레퍼런스

프롭테크 AI 챗봇 최신 사례 및 연구

Zillow

AI 자연어 검색 + ChatGPT Plugin

2023년 자연어 검색 도입, 2025 ChatGPT plugin 출시. 2026 "AI mode" 전면 확산 예정. 70% 미국 바이어/셀러 앱 사용.

Compass + Redfin

이중 챗봇 핸드오프 실사례

Compass 매물을 Redfin에서 노출하되 바이어 문의는 Compass 에이전트로 직접 라우팅 — 실제 비즈니스 적용 핸드오프 아키텍처.

프롭테크 리서치 2026

라이프스타일 발견 챗봇 효과

동일 트래픽 대비 qualified lead 3~5배, lead 자격 심사 시간 40~60% 단축, lead→고객 전환율 15~25% 상승.

Redfin

Ask Redfin + AI Listing Descriptions

"Ask Redfin" 자연어 챗봇 + AI 매물 설명 자동 생성. 검색 → 탐색 → 문의의 퍼널 완성.

2026 AI Handoff Best Practice

핸드오프 계약(Handoff Contract)

AI가 수집한 컨텍스트를 structured bundle로 전달 — "제로 중복 원칙". 신뢰도 50% 미만 2회 연속 시 인간 에이전트 라우팅.

GPT-4o Web Search

부동산 도메인 웹서치 트레이드오프

내부 MLS DB가 더 정확한 케이스 多. 웹서치는 시세·뉴스·개발 호재 등 최신성 필요 쿼리에 선택적 적용 권장.

어디살지 × 열무 v2.0 기획서 — 2026.05.30 · 철희님 검토용