데이터 레이크(Athena, Glue) 등 분석 고도화 이전에,
백엔드(고원영)의 추천 API 개발을 위해 당장 필요한 AI 프롬프트와 데이터 기준 설계 가이드입니다.
건건이 들어오는 숫자를 그대로 캐시 DB(inhatc-team2-1-recommend-cache)에 넣으면 경우의 수가 무한대가 됩니다.
대기질(마스크)과 강수량(우산) 판단은 백엔드 룰베이스로 이관되었으므로, AI 의상 추천을 위한 순수 기상(기온 중심) 패턴만 범주형(Category)으로 기준을 세우면 됩니다.
대기질(마스크 여부)은 AI를 거칠 필요 없이 하드코딩(Task 3)으로 충분히 처리가 가능합니다.
따라서 백엔드가 일일 배치 프로세싱(Batch Processing)을 통해 Bedrock API를 일괄 호출할 때는 날씨와 옷차림에 관한 프롬프트(Prompt)만 전담하도록 설계하여 효율을 극대화합니다.
비용 절감을 위한 프롬프트 캐싱을 적용하려면 정적인 내용(System Prompt)과 동적인 내용(User Prompt)을 명확히 분리해야 합니다.
{
"outfit_top": "얇은 긴팔 티셔츠, 가디건",
"outfit_bottom": "면바지 또는 청바지",
"one_liner": "일교차가 크니 가벼운 겉옷을 꼭 챙기세요."
}
실제 로직 구현(코딩)은 백엔드가 담당하지만, 어떤 수치일 때 마스크/우산을 권장할지 명확한 임계값(Threshold)을 정해주는 것은 데이터 분석가의 역할입니다.
데이터 명세서를 기반으로 환각을 방지하고 백엔드 개발자가 그대로 if ~ else 문을 짤 수 있도록 강제 규칙 기준표를 작성해 전달합니다.
| 데이터 조건 (판단 기준) | 백엔드 구현 강제 결과 |
|---|---|
air_pm:bad (미세먼지 81 이상 등 나쁨 수준) |
"mask_needed": true 고정 처리 |
weather_rain:heavy (강수 형태 코드가 0 초과일 때) |
"umbrella_needed": true 고정 처리 |
weather_temp:under_4 (기온 4도 이하) |
패딩, 두꺼운 코트 등 필수 키워드 포함 |
협업 포인트: 이 표를 작성하여 고원영(백엔드) 님에게 넘겨주면, 백엔드에서 해당 기준 수치들을 바탕으로 람다(Lambda) 코드 내에 룰베이스 분기 로직을 구현하게 됩니다.
위 3가지가 정의되어야 고원영 님이 추천 API 람다(Lambda) 로직을 짜고 DB 캐싱을 연동할 수 있습니다.