RAG 기반 AI 주식 투자 Agent 1편 - 요구사항 정의와 전체 아키텍처 설계
추상적인 AI Agent가 아니라 실제로 개발 가능한 RAG 기반 AI 주식 투자 Agent를 설계합니다. 제품 목표, 사용자 시나리오, 시스템 경계, 핵심 컴포넌트, 데이터 흐름까지 구체적인 아키텍처 관점에서 정리합니다.
추상적인 AI Agent가 아니라 실제로 개발 가능한 RAG 기반 AI 주식 투자 Agent를 설계합니다. 제품 목표, 사용자 시나리오, 시스템 경계, 핵심 컴포넌트, 데이터 흐름까지 구체적인 아키텍처 관점에서 정리합니다.
주식 투자 Agent의 핵심은 최신 문맥입니다. 시세, 뉴스, SEC 공시, 실적 발표 transcript를 어떻게 수집하고 정규화하며, 종목 중심 RAG 검색이 가능하도록 적재할지 데이터 파이프라인 관점에서 설명합니다.
주식 투자 Agent는 LLM 하나로 끝나지 않습니다. 종목 스크리너, 뉴스/공시 검색기, 정량 분석기, 리스크 평가기, 응답 생성기를 어떻게 나눌지와 도구 호출 흐름을 실제 시스템 설계 기준으로 설명합니다.
좋은 종목 분석만으로는 투자 Agent가 완성되지 않습니다. 포지션 크기, 섹터 집중도, 손실 한도, 이벤트 리스크, 백테스트와 paper trading까지 포함한 실제 투자 시스템 관점의 설계를 설명합니다.
이제 아키텍처를 코드 구조로 내려봅니다. FastAPI API 계층, PostgreSQL/pgvector 스키마, Redis 캐시, 비동기 작업 큐, 분석 실행 흐름, 핵심 모듈 분리까지 실제 개발 가능한 서비스 구조를 설명합니다.
이제 시스템을 운영 단계로 올려봅니다. paper trading workflow, 사람 승인, 실패 대응, 관측성, 알림, 감사 로그, 안전장치를 어떻게 설계해야 하는지 투자 Agent 운영 관점에서 정리합니다.