AI Startup Investment Evaluation Agent

본 프로젝트는 AI 스타트업의 기술력, 시장성, 리스크 등을 다각적으로 평가하여 투자 가능성을 자동으로 분석하는 Agentic RAG 기반 실습 프로젝트입니다.

Overview

• Objective: AI 스타트업에 대한 투자 관점에서 핵심 기술, 시장성, 리스크를 분석하여 투자 보고서 자동 생성
• Method: Agent Orchestration + Retrieval Augmented Generation (Agentic RAG)
• Tools: LangChain, LangGraph, Pinecone, OpenAI API, WeasyPrint

Features

• PDF, 뉴스, STT 기반 정보 임베딩 및 검색 (Pinecone 기반)
• 평가 기준별 에이전트 (기업 요약, 시장성 평가, 리스크 분석, 투자 의사결정, 보고서 생성)
• 최종 투자 보고서 자동 생성 (투자 권고: 유망 / 보류 / 회피 등)

Tech Stack

Category	Details
Framework	LangChain, LangGraph, Python
LLM	GPT-3.5 / GPT-4o via OpenAI API
Embeddings	OpenAIEmbeddings
Vector Store	Pinecone Vector DB
Retrieval	Pinecone Retriever (k=5 Top-K Search)
Orchestration	LangGraph (Step-by-Step Agent Flow)
PDF Generator	WeasyPrint (HTML → PDF via markdown2)

Agents

Agent	Description
summary_agent	기업 핵심 요약 (기술, 제품, 개요)
market_agent	시장성 및 성장 가능성 평가
risk_agent	투자 리스크 분석
decision_agent	투자 적합성 종합 평가
report_agent	최종 투자 보고서 생성

Architecture

graph TD
    A[기업 문서 및 뉴스] -->|임베딩| V[Pinecone]
    V --> AG1[1. summary_agent (기업 요약)]
    AG1 --> AG2[2. market_agent (시장성 평가)]
    AG1 --> AG3[3. risk_agent (리스크 분석)]
    AG2 --> AG4[4. decision_agent (투자 평가)]
    AG3 --> AG4
    AG4 --> AG5[5. report_agent (투자 보고서)]
    AG5 --> R[최종 투자 보고서]

Directory Structure

├── data/                  # 스타트업 PDF 문서, 뉴스, 영상 STT 등의 pdf 파일
├── agents/                # Agent 모듈 (summary, market, risk, decision, report)
├── prompts/               # 프롬프트 템플릿
├── outputs/               # 최종 투자 보고서 저장
├── app.py                 # 전체 파이프라인 실행 스크립트
└── README.md

Contributors

• 김다빈 : Prompt Engineering, decision_agent 설계, PDF Parsing, Streamlit UI 개발
• 김민수 : Prompt Engineering, risk_agent 설계, Pinecone Integration, Streamlit UI 개발
• 장수희 : Prompt Engineering, market_agent 설계, report_agent 설계, 문서화
• 하동헌 : Prompt Engineering, summary_agent 설계, STT 데이터 처리

User Interface Overview