Talking Potato: SQL + LLM 기반 회사 챗봇 서비스

개요

이 프로젝트는 SQL 데이터베이스와 대형 언어 모델(LLM)을 결합 : Text-to-SQL
가상 회사 정보를 생성하고 자연어 질의응답이 가능한 챗봇 서비스를 구현한 프로젝트임.
Streamlit 기반 웹 UI로 구성됨

왜 만들었나

• 구조화된 SQL 데이터와 자연어 질의를 연결하기 위함
• 가상 회사 데이터를 생성하고 이를 기반으로 질의응답 실험 목적
• 교육 및 프로토타입용 챗봇 구조 예제로 활용 가능함

사용 기술

• Python 3.9+
• Streamlit
• SQLite
• OpenAI API

설치 및 실행

# 1. 저장소 클론
git clone https://github.com/KBC-1315/Talking_Potato

# 2. 라이브러리 설치
pip install -r requirements.txt

# 3. OpenAI API 키 설정
환경 변수 또는 Streamlit UI에서 직접 입력

# 4. 실행
streamlit run app.py

주요 기능

1) 설정 탭

• 회사 정보 입력
• LLM 기반 가상 회사 데이터 생성
• SQLite DB 저장
• 기본 관리자 계정 생성

2) DB 상태 탭

• 테이블별 데이터 개수 확인
• 저장된 샘플 데이터 확인

3) 챗봇 탭

• DB 기반 질의응답
• 대화 문맥 유지
• 시스템 프롬프트 수정 가능
• Agent 기반 응답 흐름 구성

프로젝트 구조

app.py        : Streamlit 앱 진입점
core/         : 주요 로직 모듈
data/         : SQLite DB 저장 경로
requirements.txt : 의존성 목록

활용 방안

• 사내 문서 질의응답 챗봇
• FAQ 자동 응답 시스템
• SQL 기반 검색 인터페이스 실험

정리

Talking Potato는 SQL과 LLM을 결합한 챗봇 구조를 이해하기 좋은 예제 프로젝트임.
Streamlit과 OpenAI API 연동 흐름을 한 번에 파악할 수 있음.