플랫폼 방향
- 이 프로젝트는 순수 움직임 분석에서 더 넓은 sports knowledge platform 방향으로 확장 중입니다.
- Multi-agent workflow를 활용해 리서치, 검색, 요약, 구조화된 피드백 생성을 연결합니다.
- graphRAG, pgvector가 현재 지식 계층과 검색 구조의 핵심 축입니다.
SportsIQ
WIP스포츠 도메인 지식과 multi-agent workflow, graph 기반 검색을 결합하는 knowledge platform 프로젝트입니다.
Multi-agentgraphRAGpgvectorDjangoPostgreSQL
왜 이 프로젝트인가
SportsIQ는 움직임 분석에서 출발했지만, 현재 방향은 더 넓은 sports knowledge platform입니다. 스포츠 도메인 지식, 구조화된 정보, AI 기반 워크플로우를 하나의 시스템 안에서 연결하는 것이 목표입니다.
장기적으로는 단순한 비전 모델보다, 스포츠 지식을 검색, 추론, 피드백으로 operationalize하는 것이 핵심 경쟁력이라고 보고 있습니다.
계획 중인 구조
- → 검색, 요약, 피드백 생성을 연결하는 multi-agent workflow
- → graphRAG 기반 엔티티 관계 및 문서 검색 구조
- → pgvector 기반 의미 검색과 knowledge recall
- → Django 기반 orchestration, 저장소, 리뷰 인터페이스
- → 향후 움직임 분석과 퍼포먼스 데이터까지 연결 가능한 도메인 모델
내가 한 일
- → 프로젝트를 순수 움직임 분석에서 knowledge platform 방향으로 재정의했습니다
- → multi-agent workflow, graphRAG, pgvector 중심의 검색 계층을 설계했습니다
- → orchestration, 저장소, 리뷰 화면을 위한 백엔드 구조를 정의했습니다
- → 향후 스포츠 퍼포먼스와 움직임 분석이 같은 플랫폼에 연결되도록 도메인 모델을 잡았습니다
상태
2026년 현재 진행 중인 프로젝트입니다. 아키텍처는 정리된 상태이고 구현을 이어가고 있습니다.
기술 노트
데이터 모델 스냅샷
knowledge_entities
- id
- entity_type
- canonical_name
entity_edges
- source_entity_id
- target_entity_id
- relation_type
documents
- id
- source_type
- summary
document_embeddings
- document_id
- embedding
agent_runs
- id
- task_type
- status