🐻

구현 파이프라인

<aside> 💡

1. ipynb 테스트

   백엔드 폴더 입력 → 파일 경로, 파일명과 코드를 하나의 txt로 저장 → LLM이 코드를 흐름별로 정리 → OCR로 함수, 입출력값 좌표 추출 → OpenCV로 화살표 그리기

2. py 테스트

   백엔드 폴더 입력 → 확장자 제거 후 하나의 file

   하나의 file → 시각화 제공

3. 서버 테스트

   FastAPI에서 localhost:8000/code localhost:8000/visualize로 되는지 테스트

4. 조영 훤과 붙이기 </aside>

MEMO

1. 파일(폴더) 병합 - txt파일로 묶기

2. LLM을 사용한 코드 흐름 구현

2-1 OpenAI 모델 분석

2-2 파이썬 파일로 합치기(.py)

2-3 FastAPI 테스트

3. OCR TEST

할 일 MEMO

12월 17일

프론트엔드에서 받은 텍스쳐 파일 받아서 → LLM 분석

1. LLM 속도, 정확성, 설명 향상 목표
2. 추가로 변수, 함수 흐름 만들 수 있으면 만들기
3. 어떻게 시각화 할 지 계속 생각하기.

12월 22일

1. OCR테스트 마무리 하기.
2. figma 마스터하기. → 버튼 기능 활성화.

12월 23일

1. figma 공부해서 사용법 팀원 공유
2. 발표 준비(트러블 슈팅, 핵심 코드, 모델 분석)
3. notion 포트폴리오 정리하기

12월 29일

1. paddleOCR 학습 내용 공유

• 회의 의견

12월 30일

1. 데스크탑으로 LLM 시간 테스트하기 → 3분10초
2. 피그마로 스터디 내용 정리 ⭕
3. OCR → CPU버전/ GPU버전 나눠서 성능 비교 ⭕
4. 백엔드 QA해서 보고하기