Gemini 2-Pass 파이프라인으로 구현한 자동 구조화 저널링 앱

Context

사용자 경험을 저해하는 빈 페이지 증후군과 수동 분류의 피로도 문제 발생. 기록 데이터와 실제 삶의 맥락이 분리된 파편화된 구조. 보상 루프 부재로 인한 지속적인 기록 습관 형성의 한계.

Technical Solution

• Gemini 2.5 Flash 기반의 2-Pass LLM 파이프라인 설계로 개별 항목 분류 및 기존 노트 간 관계 추출 수행
• expo-calendar, expo-location, Open-Meteo API를 결합하여 작성 시점의 캘린더 일정, 위치, 날씨 정보를 자동 주입하는 컨텍스트 앵커링 구조
• 쓰기 작업과 AI 분석 프로세스를 비동기적으로 분리하여 입력 지연 시간을 없앤 Fast-Capture 아키텍처
• Supabase Edge Functions를 활용한 데이터 영속성 관리 및 AI 처리 로직의 서버리스 구현
• react-native-svg 기반의 Force-directed 2D Graph를 통해 비정형 텍스트 간의 연결성을 시각화하는 지식 그래프 설계
• 음성 인식 텍스트의 구조적 재구성 및 Action Item 자동 추출 로직 구현

Key Takeaway

사용자에게 시스템 구축의 부담을 주는 수동 분류 대신, 원시 데이터를 덤프하고 AI가 사후에 구조를 생성하는 'Emergent System' 설계 원칙의 유효성 확인.