환경 설정과 텍스트 파싱 로직을 마친 지금, 본격적으로 AI 모델을 연결하기 전에 서비스의 전체 흐름을 정리해보고자 합니다. Antigravity 에이전트와 소통하며 잡은 프로젝트의 데이터 흐름을 Mermaid 차트로 시각화했습니다.
이 서비스는 사용자의 파일 업로드부터 최종 그래프 생성까지 총 4단계의 과정을 거칩니다.
설계도에 따라 각 파일의 역할을 명확히 구분했습니다.
- parser.py: 지난 시간에 구현한 파일로, 비정형 문서에서 날 것의 텍스트를 긁어오는 '채굴자' 역할을 합니다.
- analyzer.py (다음 글에서 진행): 이번 프로젝트의 핵심인 Hugging Face 모델이 위치합니다. 텍스트를 읽고 "이 시기에는 이런 성과가 있었군"이라고 판단하는 '분석가' 역할을 수행합니다.
- utils.py: 분석된 데이터를 시각화 도구가 이해할 수 있는 JSON 형태로 가공하고, 최종 이미지를 생성하는 '편집자' 역할을 맡습니다.
- app.py: 이 모든 과정을 조율하고 사용자와 소통하는 '지휘자'입니다.
다시 한번 상기하는 프로젝트의 원칙은 **'무료 모델 활용'**입니다. 분석 단계에서 무거운 LLM을 호출하는 대신, 특정 작업에 특화된 가벼운 오픈소스 모델을 활용하여 제 로컬 가상환경에서도 무리 없이 돌아가도록 설계했습니다.
설계도를 그려보니 다음에 무엇을 해야 할지가 명확해졌습니다. 단순한 코딩을 넘어 Antigravity 에이전트에게 **"이제 analyzer.py 작성 시 사용할 가장 적합한 Hugging Face 모델을 추천해줘"**라고 물어볼 준비가 된 것이죠. 환경 설정 중에 만났던 여러 에러들도 결국 이 멋진 그래프를 그리기 위한 과정이었다고 생각합니다. 다음 3편에서는 드디어 AI가 제 이력서를 읽고 점수를 매기는 '분석의 마법'을 구현해 보겠습니다.