Trend AI Studio

AI/Stock 트렌드 자동 분석 및 Threads 자동 게시 시스템

---

개요

RSS, 웹사이트에서 AI/주식 관련 트렌드를 자동으로 수집하고, LLM으로 분석/요약하여 Threads에 자동 게시하는 시스템

빠른 시작

# 1. 저장소 클론
git clone <repository-url>
cd trend-ai-studio

# 2. 환경변수 설정
cd backend && nano .env  # .env 파일 생성

# 3. Docker로 실행
cd .. && docker-compose up --build

• Frontend: http://localhost:3001
• Backend API: http://localhost:8001/docs

문서

문서	설명
Docker 가이드	Docker 개발 환경 세팅
설치 가이드	환경 설정 및 실행 방법
기능 명세	시스템 기능 상세
개발 명세	기술 스택 및 API 명세
역할 분담	개발 역할 분담 가이드

기술 스택

FastAPI

Next.js

PostgreSQL

Supabase

Docker

Tailwind

프로젝트 구조

trend-ai-studio/
├── backend/               # FastAPI 백엔드
│   ├── app/
│   │   ├── api/          # API 라우트
│   │   ├── models/       # SQLModel 모델
│   │   ├── services/     # 비즈니스 로직
│   │   │   ├── agent/    # LangGraph 워크플로우
│   │   │   ├── crawler/  # RSS, Playwright
│   │   │   └── vector/   # 임베딩
│   │   └── tasks/        # 스케줄러
│   └── alembic/          # 마이그레이션
├── frontend/             # Next.js 프론트엔드
├── docs/                 # 문서
└── docker-compose.yml

빠른 시작

1. Supabase 로컬 시작

supabase start

2. Backend

cd backend
python -m venv venv && source venv/bin/activate
pip install -r requirements.txt
cp .env.example .env  # API 키 설정
alembic upgrade head
uvicorn app.main:app --reload

3. Frontend

cd frontend
npm install
cp .env.example .env.local
npm run dev

자세한 설치 방법은 설치 가이드 참조

워크플로우

소스 → 크롤러 → 벡터 DB → 에이전트 → 게시

단계	설명
Crawler	RSS/웹사이트에서 콘텐츠 수집 (1-5분 주기)
Vector DB	중복 체크 및 임베딩 저장
Agent	LangGraph로 분석/요약/콘텐츠 생성
Review	대시보드에서 검토 (선택적)
Publish	Threads API로 게시
Notify	Discord/Telegram 알림

브랜치 전략

브랜치	용도
main	프로덕션
dev	개발 통합
feature/*	기능 개발

API 문서

Backend 실행 후: http://localhost:8000/docs

---

_{Built with FastAPI + LangGraph + Threads API}