From cf0e68f0adc25e8e75154aeec9024c67772d8479 Mon Sep 17 00:00:00 2001
From: kz <98440593+kz770@users.noreply.github.com>
Date: Fri, 13 Feb 2026 10:16:17 +0900
Subject: [PATCH] Update README.md

---
 README.md | 29 ++++++++++++++---------------
 1 file changed, 14 insertions(+), 15 deletions(-)

diff --git a/README.md b/README.md
index 4dcd919..8e8a13e 100644
--- a/README.md
+++ b/README.md
@@ -1,13 +1,12 @@
-# 🎙️ 바르미 (Barmi) - AI-Optimized Orchestration & High-Performance Backend
+# 🎙️ 바르미 (Barmi) Backend
 
-**바르미(Barmi)** 는 인공지능(AI) 기반 발음 분석 기술과 실시간 WebRTC 코칭을 결합한 청각장애인을 위한 영어 발음 학습 플랫폼입니다.  
+**바르미(Barmi)** 는 AI 기반 발음 분석 기술과 실시간 WebRTC 코칭을 결합한 청각장애인을 위한 영어 발음 학습 플랫폼입니다.  
 
-본 레포지토리는 **고부하 AI 엔진과 실시간 사용자 사이를 잇는 '지능형 오케스트레이터'**로서의 백엔드 구현에 집중했습니다. 단순 CRUD를 넘어, AI 모델의 비결정적 지연 시간을 극복하고 파편화된 AI 데이터를 의미 있는 인사이트로 가공하는 엔지니어링 역량을 담고 있습니다.
+본 레포지토리는 **AI서버와 사용자 사이를 잇는 '지능형 오케스트레이터'** 로서의 백엔드 구현에 집중했습니다.
 
 ---
 
-## 🔥 AI 최적화 및 핵심 문제 해결 (AI-First Engineering)
-
+## 🔥 AI 최적화 및 핵심 문제 해결
 - **[AI 파이프라인 최적화] RabbitMQ를 통한 GPU 서버 지연 시간 격리**
   - **문제**: AI 엔진의 비결정적 연산 지연으로 인해 API 응답이 늦어지거나 서버 가용성이 저하되는 문제가 있었습니다.
   - **해결**: 고부하 분석 작업을 RabbitMQ 기반 비동기 메시징 시스템으로 분리하여, 사용자에게는 즉시 `taskId`를 반환하고 백그라운드에서 분석을 처리함으로써 가용성을 확보했습니다.
@@ -26,29 +25,29 @@
 
 ---
 
-## 🏗 System Architecture
+## 🏗 시스템 아키텍쳐
 
 시스템의 전체적인 흐름과 백엔드 내부의 상세 계층 구조를 시각화한 구조도입니다.
 
-### 1. High-Level Backend Overview
+### 1. 백엔드 전체 아키텍쳐
 스프링 부트 백엔드의 주요 기술적 역할과 외부 시스템 간의 데이터 오케스트레이션 흐름입니다.
 
 ![High-Level Backend Overview](./1.%20High-Level%20Backend%20Overview.png)
 
 ---
 
-### 2. Detailed Internal Architecture
+### 2. 백엔드 세부 아키텍쳐
 백엔드 내부의 각 도메인 영역별 상세 계층 구조와 기술적 설계 방식입니다.
 
-#### 2-1. Security & Entry Pipeline (V1)
+#### 2-1. 보안계층 (V1)
 사용자 인증 및 API 진입점에 대한 보안 계층 구조입니다.
 ![Security & Entry Pipeline](./2-1.%20Security%20&%20Entry%20Pipeline.png)
 
-#### 2-2. Domain Logic & Performance (V2)
+#### 2-2. 도메인 로직 (V2)
 Caffeine 캐시를 활용한 비즈니스 로직 최적화 및 영속성 계층 흐름입니다.
 ![Domain Logic & Performance](./2-2.%20Domain%20Logic%20&%20Performance.png)
 
-#### 2-3. Async AI Orchestration (V3)
+#### 2-3. AI 비동기 요청 (V3)
 RabbitMQ와 비동기 처리를 활용한 AI 연동 엔진 아키텍처입니다.
 ![Async AI Orchestration](./2-3.%20Async%20AI%20Orchestration.png)
 
@@ -64,11 +63,11 @@ RabbitMQ와 비동기 처리를 활용한 AI 연동 엔진 아키텍처입니다
 
 단순히 기능적으로 동작하는 것을 넘어, **청각장애 사용자의 학습 몰입을 방해하는 지연 시간과 데이터 파편화 문제**를 기술적으로 해결하는 데 집중했습니다.
 
-### 1. 지연 없는 학습 환경 (Low-Latency Experience)
+### 1. 지연 없는 학습 환경
 - **비동기 메시징 기반 작업 처리**: 연산 부하가 큰 AI 분석을 **RabbitMQ**를 통한 비동기 작업으로 분리했습니다. 이를 통해 서버 스루풋(Throughput)을 최적화하고 사용자에게 즉각적인 인터랙션을 보장합니다.
 - **실시간 데이터 통합**: 파편화되어 전달되는 AI 엔진의 분석 결과(발음, 억양, 피드백 등)를 백엔드에서 논리적으로 통합하여, 사용자에게 완성된 형태의 리포트를 전달합니다.
 
-### 2. 지능형 데이터 오케스트레이션 (Smart Coordination)
+### 2. 지능형 데이터 오케스트레이션
 - **맥락 기반 피드백 생성**: 수치화된 AI 분석 데이터를 그대로 노출하지 않고, DB에 적재된 사용자의 누적 학습 데이터와 결합합니다. 이를 통해 **LLM(Large Language Model)**이 개인화된 인사이트를 제공하도록 조율합니다.
 - **도메인 중심 설계(DDD)**: 복잡한 비즈니스 로직을 도메인별로 분리하여 코드의 유지보수성과 확장성을 높였으며, 각 도메인 간의 독립성을 확보했습니다.
 
@@ -136,7 +135,7 @@ OPENVIDU_SECRET=[OpenVidu_시크릿_키]
 
 ---
 
-## 🎓 Learning Points (Insights)
+## 🎓 Learning Points
 - 분산 시스템 환경에서 **RabbitMQ**를 활용한 비동기 통신이 전체 시스템의 스루풋(Throughput) 개선에 미치는 영향을 깊이 있게 이해했습니다.
 - **DDD** 아키텍처를 실무적으로 적용해보며, 도메인 간의 독립성을 확보하고 객체지향적인 코드를 작성하는 경험을 쌓았습니다.
-- **OpenVidu/WebRTC** 연동을 통해 실시간 스트리밍 데이터의 안정적인 처리와 서버 사이드 세션 관리의 중요성을 학습했습니다.
\ No newline at end of file
+- **OpenVidu/WebRTC** 연동을 통해 실시간 스트리밍 데이터의 안정적인 처리와 서버 사이드 세션 관리의 중요성을 학습했습니다.