Genspark SparkPage 연구자 설정 가이드: 다중 소스 합성부터 자동 인포그래픽까지
Genspark SparkPage란?
Genspark SparkPage는 AI 기반 연구 합성 플랫폼으로, 다중 소스에서 정보를 수집하고 자동으로 인포그래픽을 생성하며, 실시간 인용 추적 기능을 제공합니다. 연구자들이 문헌 리뷰 워크플로우를 자동화하고 커스텀 에이전트를 구성하여 생산성을 극대화할 수 있도록 설계되었습니다.
1단계: Genspark 계정 생성 및 API 설정
계정 등록
https://www.genspark.ai에 접속하여 연구자 계정을 생성합니다.- 대시보드에서 Settings → API Keys로 이동합니다.- 새 API 키를 생성하고 안전한 곳에 저장합니다.
환경 변수 설정
# Linux/macOS
export GENSPARK_API_KEY=“YOUR_API_KEY”
export GENSPARK_WORKSPACE=“your-research-workspace”
Windows PowerShell
$env:GENSPARK_API_KEY=“YOUR_API_KEY”
$env:GENSPARK_WORKSPACE=“your-research-workspace”
Python SDK 설치
pip install genspark-sdk
# 설치 확인
python -c "import genspark; print(genspark.__version__)"2단계: SparkPage 프로젝트 초기화
연구 프로젝트를 위한 SparkPage를 생성합니다. 각 SparkPage는 독립적인 연구 주제 단위로 구성됩니다.
from genspark import GensparkClient
client = GensparkClient(api_key=“YOUR_API_KEY”)
새 SparkPage 생성
page = client.sparkpage.create(
title=“체계적 문헌 리뷰: AI in Healthcare”,
description=“의료 AI 적용 관련 최신 문헌 합성”,
sources=[“pubmed”, “arxiv”, “semantic_scholar”],
language=“ko”,
auto_infographic=True
)
print(f”SparkPage ID: {page.id}”)
print(f”URL: {page.public_url}“)
3단계: 다중 소스 합성 구성
SparkPage의 핵심 기능은 여러 학술 데이터베이스와 웹 소스에서 동시에 정보를 수집하고 합성하는 것입니다.
# 다중 소스 검색 설정
synthesis_config = {
"sources": {
"academic": ["pubmed", "arxiv", "semantic_scholar", "google_scholar"],
"preprint": ["biorxiv", "medrxiv"],
"web": ["verified_news", "institutional_reports"]
},
"filters": {
"date_range": "2023-01-01/2026-03-18",
"peer_reviewed": True,
"min_citations": 5
},
"synthesis_mode": "systematic_review",
"max_sources_per_query": 50
}
page.configure_synthesis(synthesis_config)
합성 실행
results = page.run_synthesis(
query=“transformer models applications in medical diagnosis”,
depth=“comprehensive”
)
print(f”수집된 소스: {results.total_sources}”)
print(f”합성된 섹션: {len(results.sections)}“)
4단계: 자동 인포그래픽 생성
수집된 데이터를 기반으로 SparkPage가 자동으로 시각적 요약을 생성합니다.
# 인포그래픽 자동 생성 설정
infographic_options = {
"chart_types": ["timeline", "comparison_table", "statistics_summary"],
"style": "academic",
"color_scheme": "professional_blue",
"include_data_tables": True,
"export_formats": ["png", "svg", "pdf"]
}
infographics = page.generate_infographics(infographic_options)
for ig in infographics:
print(f”유형: {ig.type} | 다운로드: {ig.download_url}“)
5단계: 실시간 인용 추적 활성화
SparkPage는 인용된 모든 소스를 실시간으로 추적하고 관리합니다.
# 인용 추적 설정
citation_tracker = page.enable_citation_tracking(
style="apa7", # APA 7th Edition
auto_update=True, # 새 인용 자동 감지
duplicate_check=True, # 중복 인용 감지
broken_link_alert=True # 링크 깨짐 알림
)
인용 보고서 생성
citation_report = citation_tracker.generate_report()
print(f”총 인용 수: {citation_report.total}”)
print(f”활성 링크: {citation_report.active_links}”)
print(f”중복 감지: {citation_report.duplicates}“)
참고문헌 목록 내보내기
citation_tracker.export(
format=“bibtex”,
output_path=”./references.bib”
)
6단계: 커스텀 에이전트 구성 (문헌 리뷰 워크플로우)
연구 목적에 맞는 AI 에이전트를 구성하여 문헌 리뷰 프로세스를 자동화합니다.
# 문헌 리뷰 전용 에이전트 생성
agent = client.agents.create(
name="LitReview-Agent-KR",
role="systematic_literature_reviewer",
instructions="""
1. 주어진 연구 질문에 대해 체계적으로 문헌을 검색하라
2. PRISMA 가이드라인에 따라 선별 과정을 수행하라
3. 포함/제외 기준을 엄격히 적용하라
4. 결과를 한국어로 합성하라
""",
capabilities=["search", "synthesize", "cite", "translate"],
model="genspark-pro"
)
에이전트 실행
task = agent.execute(
research_question=“딥러닝 기반 의료 영상 진단의 정확도와 한계점”,
inclusion_criteria=[“peer_reviewed”, “english_or_korean”, “2020_onwards”],
output_format=“structured_review”
)
print(f”태스크 상태: {task.status}”)
print(f”처리된 논문 수: {task.papers_processed}“)
전체 워크플로우 자동화 예시
# 엔드투엔드 문헌 리뷰 파이프라인
pipeline = client.pipelines.create(
steps=[
{"action": "search", "sources": ["pubmed", "arxiv"], "query": "AI diagnostics"},
{"action": "filter", "criteria": {"min_year": 2022, "peer_reviewed": True}},
{"action": "synthesize", "mode": "thematic_analysis"},
{"action": "generate_infographic", "type": "summary_dashboard"},
{"action": "export", "formats": ["pdf", "docx", "bibtex"]}
]
)
result = pipeline.run()
print(f"최종 보고서: {result.report_url}")주요 기능 비교
| 기능 | 무료 플랜 | Pro 플랜 | Research 플랜 |
|---|---|---|---|
| 소스 합성 수 | 10개/페이지 | 100개/페이지 | 무제한 |
| 자동 인포그래픽 | 기본 차트 | 고급 차트 | 전체 커스텀 |
| 인용 추적 | 수동 | 실시간 | 실시간 + 알림 |
| 커스텀 에이전트 | 미지원 | 3개 | 무제한 |
| 내보내기 형식 | PDF, DOCX | PDF, DOCX, LaTeX, BibTeX |
pipeline.batch_run(queries_list)를 사용하세요. API 호출 횟수를 줄이고 처리 속도를 높일 수 있습니다.- **소스 가중치 설정:** source_weights 파라미터로 특정 데이터베이스에 높은 우선순위를 부여하세요. 예: {"pubmed": 0.8, "arxiv": 0.6}- **템플릿 재사용:** 자주 사용하는 합성 설정을 client.templates.save(config, name="my_template")로 저장하면 반복 작업 시간을 절약할 수 있습니다.- **웹훅 연동:** 합성 완료 시 Slack이나 이메일로 알림을 받으려면 대시보드의 **Integrations → Webhooks**에서 설정하세요.- **인용 스타일 전환:** citation_tracker.switch_style("vancouver")로 논문 투고 대상 저널에 맞는 인용 스타일로 즉시 변환할 수 있습니다.
## Troubleshooting: 자주 발생하는 문제 해결
| 오류 메시지 | 원인 | 해결 방법 |
|---|---|---|
AuthenticationError: Invalid API key | API 키가 만료되었거나 잘못 입력됨 | 대시보드에서 새 키를 발급받고 환경 변수를 업데이트하세요 |
RateLimitExceeded | 분당 API 호출 한도 초과 | 요청 간 time.sleep(2)를 추가하거나 Pro 플랜으로 업그레이드하세요 |
SourceTimeout: PubMed | 외부 데이터베이스 응답 지연 | timeout=60 파라미터를 늘리거나 특정 소스를 일시적으로 제외하세요 |
SynthesisError: Token limit exceeded | 합성 대상 문서가 너무 많음 | max_sources_per_query 값을 줄이거나 필터 조건을 강화하세요 |
CitationFormatError | 지원하지 않는 인용 스타일 지정 | 지원 스타일 목록을 client.citations.supported_styles()로 확인하세요 |
Q1: Genspark SparkPage에서 한국어 논문도 검색되나요?
네, SparkPage는 다국어 검색을 지원합니다. 소스 설정에서 KCI(한국학술지인용색인)를 추가하고 language 파라미터를 ["ko", "en"]으로 설정하면 한국어와 영어 논문을 동시에 검색할 수 있습니다. 다만, 한국어 논문의 메타데이터 품질은 데이터베이스에 따라 차이가 있을 수 있습니다.
Q2: 커스텀 에이전트를 팀원과 공유할 수 있나요?
Research 플랜에서는 agent.share(team_id=“your-team-id”) 명령으로 에이전트를 팀 워크스페이스에 공유할 수 있습니다. 공유된 에이전트는 팀원들이 동일한 설정으로 문헌 리뷰를 수행할 수 있어 연구 일관성을 유지하는 데 유용합니다. Pro 플랜에서는 에이전트 설정을 JSON으로 내보내어 수동으로 공유해야 합니다.
Q3: 자동 생성된 인포그래픽의 데이터를 수동으로 수정할 수 있나요?
가능합니다. 생성된 인포그래픽은 대시보드에서 직접 편집할 수 있으며, API를 통해서도 page.edit_infographic(ig_id, modifications={…})로 데이터 포인트, 레이블, 색상 등을 수정할 수 있습니다. 수정 후 ig.refresh()를 호출하면 변경사항이 SparkPage에 즉시 반영됩니다.