프랑스어 튜터를 그만두고 더 나은 LLM 도구를 만든 이야기

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

TL;DR

프랑스어 학습에서 잊어버리는 곡선을 고려한 자동 복습 시스템을 구축해 학습 비용을 크게 낮추고 기억 유지율을 높였다. 지식 베이스와 대화형 음성 튜터의 이중 아키텍처로 이뤄진 이 도구는 SM-2 기반의 간격 조정과 데이터 Driven 프롬프트 구성을 통해 맞춤형 연습을 생성한다. 음성 대화의 지연을 줄이기 위해 스트리밍 기반 재생과 분리된 프롬프트 설계를 적용했고, 결과적으로 월 비용 수십 달러 규모의 전통 튜터에 비해 훨씬 저렴한 비용으로 유의미한 학습 효과를 얻었다.

섹션별 상세

맥락/문제: 잊어버림 곡선으로 인해 주간 튜터 수업의 복습이 비효율적이었다. 입력은 수업 일정이었고, 처리 과정은 SM-2 기반의 간격 조정과 KB 추적, 출력은 맞춤형 복습 문제 생성을 통해 이루어진다. 근거는 40년 간의 기억 연구와 Anki의 실전 활용에서 확인되며, 이는 비용 절감과 학습 효율 향상의 기초가 된다. 이 접근은 잊혀지기 쉬운 정보를 의도적으로 재학습하게 하여 학습의 지속성과 효과를 높이는 것이 목적이다.

구성 요소: 지식 베이스 튜터(KB)와 Causons 음성 대화 앱이 함께 작동한다. 입력은 지식 베이스를 읽고 남은 복습 주제를 식별하는 과정이며, 출력은 난이도를 점차 높이는 연습 문제다. 반면 Causons는 실시간 대화를 이끌며 흐름 속에서 문법 오류를 교정한다. 이 두 시스템은 서로 보완적으로 학습의 지식 형성과 실전 구사를 동시에 강화한다.

데이터 모델링: 모든 주제의 학습 상태를 JSON으로 저장하고, 주기적 복습과 정확도 데이터를 통해 최신 스냅샷만 남긴다. 입력과 출력 사이에서 필요한 데이터는 지식 베이스의 원천에서 재구성되며, 데이터 누적이 과도해지면 분리 가능하다. 이 구조는 성능과 저장 공간의 균형을 맞추고, 필요 시 확장도 용이하게 한다.

프롬프트 설계: 시스템 프롬프트를 두 영역으로 분리해Teaching 정책과 데이터 기반 콘텐츠를 각각 다르게 다룬다. 사용자는 역할 설정과 언어를 포함한 프롬프트는 고정시키되, 오늘의 학습 언어/주제는 런타임에 재구성한다. 프롬프트 캐시의 이점을 활용해 prefix를 재처리하지 않는 부분은 비용을 줄인다. 또한 실제 데이터는 런타임에 재구성하고 저장은 최소화한다.

지연 시간 개선: 음성 대화의 응답 지연을 줄이기 위해 MediaSource Extensions를 도입해 MP3 데이터를 스트리밍으로 재생한다. 먼저 50–200ms의 오디오 조각만 재생을 시작하고 나머지는 다운로드를 병렬로 진행한다. warm 연결에서 엔드 투 엔드 지연은 0.8–2.5초로 감소해 대화의 자연스러움이 크게 개선된다.

비용/성과: 모든 API를 합친 15분 세션당 비용이 약 0.04달러 수준으로 낮아진다. 음성 인식은 Groq의 Whisper-large-v3로 처리하고, 채팅은 gpt-4o-mini, TTS는 tts-1을 사용하며 두 개의 API 키를 필요로 한다. GPT-4o 풀 버전은 비용이 크게 비싸고 Claude Sonnet은 추가 구독 비용이 발생하기도 하지만 현 시점의 품질 측면에서 균형이 맞춰진다.

실무 Takeaway

주제별 지식 상태를 JSON으로 관리하고 필요 시 복습 간격과 난이도를 자동으로 조정하는 시스템 설계가 학습 효율을 높인다.
Teaching 정책과 데이터 기반 콘텐츠를 분리한 프롬프트 구조가 캐시 이점과 유지 보수의 용이성을 함께 제공한다.
음성 대화의 지연을 스트리밍 기반 재생으로 줄이면 학습 몰입도가 높아지고 학습 시간당 효과가 증가한다.

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

TL;DR

섹션별 상세

실무 Takeaway

주제별 지식 상태를 JSON으로 관리하고 필요 시 복습 간격과 난이도를 자동으로 조정하는 시스템 설계가 학습 효율을 높인다.
Teaching 정책과 데이터 기반 콘텐츠를 분리한 프롬프트 구조가 캐시 이점과 유지 보수의 용이성을 함께 제공한다.
음성 대화의 지연을 스트리밍 기반 재생으로 줄이면 학습 몰입도가 높아지고 학습 시간당 효과가 증가한다.

프랑스어 튜터를 그만두고 더 나은 LLM 도구를 만든 이야기

TL;DR

섹션별 상세

실무 Takeaway

프랑스어 튜터를 그만두고 더 나은 LLM 도구를 만든 이야기

TL;DR

섹션별 상세

실무 Takeaway

관련 토론

댓글

관련 피드

관련 토론

댓글

관련 피드