도구별 실전 가이드 · 공식 정보 확인 2026-08-20
ChatLab AGPL-3.0 오픈소스 조건과 시작 절차
작성: gentive · 편집·검수 책임: 신유빈 · 지원 환경: Desktop · 페이지 갱신: · 운영·편집 기준
내보낸 채팅 기록을 분류하고 주제·사용 패턴을 시각화해 대화 아카이브를 분석한다.
내보낸 채팅 기록을 분류하고 주제·사용 패턴을 시각화해 대화 아카이브를 분석한다. ChatLab의 첫 실전 과제는 “개인정보를 지운 샘플 대화 열 건의 주제 분포를 계산한다”이며, 이 흐름을 직접 통제할 사람에게 맞습니다.
이럴 때 맞습니다
- “업무, 학습, 여행 태그가 섞인 익명 JSON 대화 파일” 같은 입력으로 ChatLab의 핵심 기능을 시험하려는 사람
- 열 건이 빠짐없이 집계되고 원문에서 확인 가능한 주제와 시각화 비율이 일치한다. 기준으로 ChatLab 결과를 직접 검수할 수 있는 경우
- Desktop 환경에서 AGPL-3.0 코드를 직접 설치·관리하려는 작업
이럴 때는 멈추세요
- 로컬 우선 AI 대화 기록 분석 데스크톱 앱 설치·모델 준비·업데이트를 관리하지 않고 즉시 완성된 서비스를 원하는 경우
- 다음 위험을 사람이 확인할 수 없는 작업: 채팅 내보내기에는 계정명·소스코드·건강 정보 같은 민감 데이터가 섞일 수 있어 AI 분석 경로와 로컬 저장 위치를 확인해야 한다.
참고 시작점
팩트시트 · 작업 근거 확인 필요: 아래 문구는 공식 제품 사실을 정리한 참고 시작점이며, 성공 결과를 보장하는 검증 절차가 아닙니다.
익명 JSON 가져오기
개인 식별자를 지운 열 건만 프로젝트에 들어간다.
참고 시작점: ChatLab에 업무·학습·여행 태그가 섞인 익명 JSON을 import해 달라. 결과 기록에 “chat history”·“local-first” 각각의 확인 위치를 빠뜨리지 말아 달라.
- 계정명·메일·비밀값을 삭제한다.
- JSON 스키마와 대화 수를 확인한다.
- 익명 사본만 연다.
주제 분류·시각화
열 대화가 세 주제로 분류된다.
참고 시작점: topic classification으로 업무·학습·여행 분포를 보여 달라. 실제 실행 흔적에서 “visualization”·“usage patterns” 용어가 드러나는 부분을 함께 캡처해 달라.
- 대화별 자동 라벨을 만든다.
- 모호한 항목은 원문으로 고친다.
- 건수와 비율을 dashboard에 표시한다.
차트에서 원문 역추적
각 숫자가 해당 익명 대화와 연결된다.
참고 시작점: 세 막대를 눌러 포함 대화를 확인하고 합계 열을 검증해 달라. “analytics”·“conversation archive”·“desktop”와 관련된 입력값 또는 출력값을 근거로 남겨 달라.
- 업무 대화 ID를 목록과 비교한다.
- 학습·여행도 반복한다.
- 외부 요청과 민감 필드를 로그에서 찾는다.
무료 조건과 주의점
AGPL-3.0 오픈소스 소프트웨어는 횟수 제한 없이 실행 가능. 연결한 모델 API·서버·GPU 비용은 별도
AGPL-3.0 오픈소스 소프트웨어는 횟수 제한 없이 실행 가능. 연결한 모델 API·서버·GPU 비용은 별도
AGPL-3.0 라이선스의 고지·소스 공개·동일 라이선스 등 조건을 확인해야 합니다.
채팅 내보내기에는 계정명·소스코드·건강 정보 같은 민감 데이터가 섞일 수 있어 AI 분석 경로와 로컬 저장 위치를 확인해야 한다.
공식 근거와 확인일
| 확인 항목 | 확인한 내용 | 공식 출처·확인일 |
|---|---|---|
| 제품 정보 | 내보낸 채팅 기록을 분류하고 주제·사용 패턴을 시각화해 대화 아카이브를 분석한다. | ChatLab 공식 사이트 |
| 무료 조건 | AGPL-3.0 오픈소스 소프트웨어는 횟수 제한 없이 실행 가능. 연결한 모델 API·서버·GPU 비용은 별도 | 공식 무료 정책·요금 안내 |
| 공식 코드 라이선스 | 오픈소스 코드의 사용·수정·재배포 조건 | 공식 코드 라이선스 |
| 공식 제품 페이지 | 내보낸 채팅 기록을 분류하고 주제·사용 패턴을 시각화해 대화 아카이브를 분석한다. | 공식 제품 페이지 |