建筑工程现场에서圖面識別、数量計算、見積書解読을 자동으로 처리하고 싶으신가요? HolySheep AI의統合APIゲートウェイ를活用하면、单一API键으로Claude Vision、GPT-4o、Gemini등다양한モデルを組み合わせた建設見積自动化システムを構築할수있습니다. 이번投稿では、私的实际项目경험을기반으로建築工程造价助理의구축方法를詳細説明합니다.
HolySheep vs 공식 API vs 기타 리레이 서비스 비교
| 비교 항목 | HolySheep AI | 공식 Anthropic API | 공식 OpenAI API | 기타 리레이 서비스 |
|---|---|---|---|---|
| 기본 URL | https://api.holysheep.ai/v1 |
api.anthropic.com |
api.openai.com |
서비스별 상이 |
| 결제 방식 | 국내 결제 가능 (신용카드 없이) |
해외 신용카드 필수 | 해외 신용카드 필수 | 국내 결제 지원 일부 |
| Claude Sonnet 4.5 | $15/MTok | $15/MTok | 해당 없음 | $15-20/MTok |
| GPT-4.1 | $8/MTok | 해당 없음 | $8/MTok | $8.5-12/MTok |
| Gemini 2.5 Flash | $2.50/MTok | 해당 없음 | 해당 없음 | $3-5/MTok |
| DeepSeek V3.2 | $0.42/MTok | 해당 없음 | 해당 없음 | $0.5-1/MTok |
| 다중 모델 통합 | ✅ 단일 키로 전부 | Claude만 | OpenAI 모델만 | 제한적 |
| 무료 크레딧 | ✅ 가입 시 제공 | ❌ | $5 크레딧 | 서비스별 상이 |
| 기업 구매 편의성 | ⭐⭐⭐⭐⭐ | ⭐⭐ | ⭐⭐ | ⭐⭐⭐ |
이런 팀에 적합 / 비적합
✅ 이런 팀에 적합
- 건설회사 BIM팀: 도면에서 수량을 자동 추출하여 인건비 절감
- 工程造价咨询업체: 대량 내역서 검토 자동화로 업무 효율화
- 기업 구매팀: 공급업체 견적서 비교 및 검증 프로세스 간소화
- SI/Solution 업체: 건설 AI 솔루션 PoC 및 프로토타입 개발
- 국내 결제困扰: 해외 신용카드 없이 다중 AI 모델 테스트가 필요한 팀
❌ 이런 팀에는 비적합
- 단순 텍스트 생성만 필요: Vision 기능이 불필요한 경우
- 기업 보안 상 오프프레미스 불가: 완전 온프레미스 구축만 가능한 환경
- 비용 최우선: 무료 도구만으로 충분한 소규모 프로젝트
왜 HolySheep를 선택해야 하나
저는 그동안 여러 API 게이트웨이 서비스를 사용해보았지만、건설 工程算量 시스템에서는 단일 요청에 도면 이미지 + 내역서 텍스트 + 검증 결과가 모두 필요해서 여러 모델을 조합해야 했습니다. HolySheep의 단일 API 키로 모든 주요 Vision 모델을 접근할 수 있다는 점이 결정적이었습니다.
핵심 장점 3가지
- 비용 최적화: DeepSeek V3.2($0.42/MTok)로 대량 텍스트 분석 후 Claude Sonnet 4.5로 정밀 검증하는 계층형 아키텍처 가능
- 국내 결제: 해외 신용카드 없이 법인 카드, 계좌이체, 간편결제等多양한 옵션 지원
- 안정적인 연결: 글로벌 리전을 활용한 낮은 지연 시간 및 장애 자동 복구
건축 工程算量助理 시스템 설계
시스템 아키텍처 개요
┌─────────────────────────────────────────────────────────────────┐
│ 工程算量助理 系统架构 │
├─────────────────────────────────────────────────────────────────┤
│ │
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │
│ │ PDF/DWG │───▶│ 이미지 전 │───▶│ Claude │ │
│ │ 도면 파일 │ │ 처리 모듈 │ │ Vision API │ │
│ └──────────────┘ └──────────────┘ │ (OCR+객체 │ │
│ │ 인식) │ │
│ ▼ │ │ │
│ ┌──────────────┐ ▼ │ │
│ │ Excel/CSV │ ┌──────────────┐ ┌──────────────┐ │ │
│ │ 내역서 파일 │───▶│ 텍스트 파 │───▶│ DeepSeek │ │ │
│ └──────────────┘ │ 싱 모듈 │ │ V3.2 API │ │ │
│ │ └──────────────┘ │ (초안 분석) │ │ │
│ ▼ └──────────────┘ │ │
│ ┌──────────────┐ │ │ │
│ │ 공급업체 │ ▼ │ │
│ │ 견적서 │────────────────────────▶ ┌──────────────┐ │ │
│ └──────────────┘ │ Claude │◀─┘ │
│ │ Sonnet 4.5 │ │
│ │ (검증+보고서)│ │
│ └──────────────┘ │
└─────────────────────────────────────────────────────────────────┘Step 1: HolySheep API 초기화 및 다중 모델 설정
import requests
import base64
import json
from typing import Dict, List, Optional
class HolySheepConstructionClient:
"""
HolySheep AI 게이트웨이를 활용한 건설 工程算量 API 클라이언트
- 도면 이미지 인식 (Claude Vision)
- 내역서 텍스트 분석 (DeepSeek + Claude)
- 검증 및 보고서 생성 (Claude Sonnet 4.5)
"""
BASE_URL = "https://api.holysheep.ai/v1"
def __init__(self, api_key: str):
self.api_key = api_key
self.headers = {
"Authorization": f"Bearer {api_key}",
"Content-Type": "application/json"
}
# === 도면 이미지 인식: Claude Vision ===
def analyze_blueprint_image(
self,
image_path: str,
model: str = "claude-sonnet-4-20250514"
) -> Dict:
"""
건축 도면 이미지에서 구조 요소 및 수량 정보 추출
- 지원 형식: PNG, JPG, PDF (첫 페이지)
- 반환: 구조 요소 목록, 면적, 길이 등 수량 데이터
"""
with open(image_path, "rb") as f:
image_data = base64.b64encode(f.read()).decode()
prompt = """이 건축 도면 이미지를 분석하여 다음 정보를 추출해주세요:
1. 건물 구조 유형 (철근콘크리트, 철골, 목조 등)
2. 층수 및 전체 면적
3. 주요 구조 요소 (기둥, 보, 벽체, 바닥면적)
4. 각 요소의 치수 및 수량
5. 사용된 주요建材 (콘크리트 강도, 철근 등급 등)
결과를 구조화된 JSON 형태로 반환해주세요."""
payload = {
"model": model,
"messages": [
{
"role": "user",
"content": [
{"type": "text", "text": prompt},
{
"type": "image",
"source": {
"type": "base64",
"media_type": "image/png",
"data": image_data
}
}
]
}
],
"max_tokens": 4096
}
response = requests.post(
f"{self.BASE_URL}/messages",
headers={
"x-api-key": self.api_key,
"anthropic-version": "2023-06-01",
"Content-Type": "application/json"
},
json=payload
)
response.raise_for_status()
return response.json()
# === 내역서 분석: DeepSeek V3.2 (비용 최적화) ===
def analyze_bill_of_quantities(
self,
boq_text: str,
blueprint_summary: Optional[Dict] = None
) -> Dict:
"""
내역서(BOQ) 텍스트를 분석하여 항목별 단가와 수량 검증
- DeepSeek V3.2 활용 (초당 토큰 비용 최적화)
- 도면 분석 결과와 교차 검증
"""
reference_info = ""
if blueprint_summary:
reference_info = f"\n참고 도면 분석 결과:\n{json.dumps(blueprint_summary, ensure_ascii=False, indent=2)}"
prompt = f"""아래 내역서를 분석하여 다음 작업을 수행해주세요:
1. 각 공종별 단가와 수량의 적정성 검증
2. 시장 단가 대비 비교 분석
3. 누락되거나 과장된 항목 식별
4. 총 공사비 추정{reference_info}
내역서 내용:
{boq_text}
결과를 구조화된 JSON으로 반환해주세요."""
payload = {
"model": "deepseek-chat",
"messages": [
{"role": "user", "content": prompt}
],
"temperature": 0.3,
"max_tokens": 2048
}
response = requests.post(
f"{self.BASE_URL}/chat/completions",
headers=self.headers,
json=payload
)
response.raise_for_status()
result = response.json()
# DeepSeek 응답에서 content 추출
content = result["choices"][0]["message"]["content"]
# JSON 파싱 시도
try:
# 마크다운 코드 블록 제거 후 파싱
cleaned = content.strip().replace("``json", "").replace("``", "")
return json.loads(cleaned)
except json.JSONDecodeError:
return {"analysis": content, "raw": True}
# === 검증 및 보고서 생성: Claude Sonnet 4.5 ===
def verify_and_generate_report(
self,
blueprint_data: Dict,
boq_analysis: Dict,
supplier_quotes: List[Dict]
) -> Dict:
"""
도면 분석, 내역서 분석, 공급업체 견적서를 종합하여
최종 검증 보고서 생성
- Claude Sonnet 4.5 활용 (정밀 Reasoning)
"""
prompt = f"""다음 정보를 종합하여 건설 工程算量 검증 보고서를 작성해주세요:
1. 도면 분석 결과:
{json.dumps(blueprint_data, ensure_ascii=False, indent=2)}
2. 내역서 분석 결과:
{json.dumps(boq_analysis, ensure_ascii=False, indent=2)}
3. 공급업체 견적서:
{json.dumps(supplier_quotes, ensure_ascii=False, indent=2)}
보고서에 포함할 내용:
- 工程量 요약 및 도면 대비 검증 결과
- 단가 적정성 분석
- 최적 공급업체 추천 및 이유
- 위험 요소 및 권장사항
- 최종 견적 비교표
전문적인 건설 工程算量 보고서 형식으로 작성해주세요."""
payload = {
"model": "claude-sonnet-4-20250514",
"messages": [
{
"role": "user",
"content": prompt
}
],
"max_tokens": 8192
}
response = requests.post(
f"{self.BASE_URL}/messages",
headers={
"x-api-key": self.api_key,
"anthropic-version": "2023-06-01",
"Content-Type": "application/json"
},
json=payload
)
response.raise_for_status()
return response.json()
=== 사용 예시 ===
if __name__ == "__main__":
client = HolySheepConstructionClient(api_key="YOUR_HOLYSHEEP_API_KEY")
# 1단계: 도면 이미지 분석
blueprint = client.analyze_blueprint_image("construction_plan.png")
print("도면 분석 완료:", blueprint.get("id"))
# 2단계: 내역서 분석
boq_analysis = client.analyze_bill_of_quantities(
boq_text=open("boq_sample.txt", "r", encoding="utf-8").read(),
blueprint_summary=blueprint
)
print("내역서 분석 완료")
# 3단계: 검증 보고서 생성
report = client.verify_and_generate_report(
blueprint_data=blueprint,
boq_analysis=boq_analysis,
supplier_quotes=[
{"name": "A건설", "total": 850000000, "delivery": "60일"},
{"name": "B기업", "total": 820000000, "delivery": "75일"},
{"name": "C산업", "total": 900000000, "delivery": "45일"}
]
)
print("검증 보고서 생성 완료")실제 비용 최적화 사례
계층형 모델 활용 전략
"""
HolySheep AI를 활용한 工程算量 비용 최적화 시뮬레이션
시나리오: 100페이지 도면 + 50건 내역서 + 10개 공급업체 견적서
"""
COSTS = {
# HolySheep 가격 (USD per 1M tokens)
"deepseek_v3_2": 0.42, # $0.42/MTok - 텍스트 분석용
"claude_sonnet_45": 15.00, # $15/MTok - 정밀 검증용
"gpt_4o": 10.00, # $10/MTok - Vision용 (백업)
}
시나리오 설정
IMAGE_ANALYSIS_TOKENS = 500_000 # 도면 이미지당 약 50만 토큰
TEXT_ANALYSIS_TOKENS = 100_000 # 내역서당 약 10만 토큰
VERIFICATION_TOKENS = 200_000 # 검증 보고서당 약 20만 토큰
============================================================
전략 1: HolySheep 단독 사용 (권장)
============================================================
def calculate_holysheep_cost():
"""
HolySheep AI 통합 게이트웨이 사용 시 비용
- DeepSeek: 도면 OCR + 내역서 초안 분석
- Claude Sonnet 4.5: 정밀 검증
"""
# 이미지 분석 (100페이지 × 5회 = 500회)
image_vision_cost = 0
# Claude Vision은 토큰 기반 과금
# 100페이지 × 500,000 토큰 × $15/MTok ÷ 1,000,000
image_vision_cost = 100 * 500_000 * 15 / 1_000_000
# 내역서 분석 (50건 × DeepSeek)
# 50건 × 100,000 토큰 × $0.42/MTok ÷ 1,000,000
boq_text_cost = 50 * 100_000 * 0.42 / 1_000_000
# 검증 보고서 (10건 × Claude Sonnet)
# 10건 × 200,000 토큰 × $15/MTok ÷ 1,000,000
verification_cost = 10 * 200_000 * 15 / 1_000_000
total = image_vision_cost + boq_text_cost + verification_cost
print("=" * 50)
print("HolySheep AI 통합 게이트웨이 비용")
print("=" * 50)
print(f" 도면 이미지 분석 (Claude Vision): ${image_vision_cost:.2f}")
print(f" 내역서 텍스트 분석 (DeepSeek): ${boq_text_cost:.2f}")
print(f" 검증 보고서 생성 (Claude Sonnet): ${verification_cost:.2f}")
print(f" ─────────────────────────────────")
print(f" 총 비용: ${total:.2f}")
print(f" 지연 시간: ~45초")
return total
============================================================
전략 2: 공식 API 개별 사용 (비교용)
============================================================
def calculate_official_api_cost():
"""
공식 Anthropic + OpenAI API 개별 사용 시 비용
- 해외 신용카드 필수
- 별도 과금 방식
"""
# 이미지 분석 (Anthropic Claude Vision)
image_vision_cost = 100 * 500_000 * 15 / 1_000_000
# 내역서 분석 (OpenAI GPT-4o-mini로 대체)
# DeepSeek 공식 API 없음, GPT-4o-mini 사용 시
boq_text_cost = 50 * 100_000 * 1.50 / 1_000_000 # $1.50/MTok
# 검증 보고서 (Claude Sonnet)
verification_cost = 10 * 200_000 * 15 / 1_000_000
total = image_vision_cost + boq_text_cost + verification_cost
print("\n" + "=" * 50)
print("공식 API 개별 사용 비용 (비교용)")
print("=" * 50)
print(f" 도면 이미지 분석 (Anthropic): ${image_vision_cost:.2f}")
print(f" 내역서 텍스트 분석 (GPT-4o-mini): ${boq_text_cost:.2f}")
print(f" 검증 보고서 생성 (Anthropic): ${verification_cost:.2f}")
print(f" ─────────────────────────────────")
print(f" 총 비용: ${total:.2f}")
print(f" 추가 비용: 해외 결제 수수료, 환율 손실")
return total
if __name__ == "__main__":
holysheep = calculate_holysheep_cost()
official = calculate_official_api_cost()
print("\n" + "=" * 50)
print("비용 비교 결과")
print("=" * 50)
print(f" HolySheep AI: ${holysheep:.2f}")
print(f" 공식 API: ${official:.2f}")
print(f" 절감액: ${official - holysheep:.2f} ({(1 - holysheep/official)*100:.1f}%)")
"""
출력 결과:
==================================================
HolySheep AI 통합 게이트웨이 비용
==================================================
도면 이미지 분석 (Claude Vision): $750.00
내역서 텍스트 분석 (DeepSeek): $2.10
검증 보고서 생성 (Claude Sonnet): $30.00
─────────────────────────────────
총 비용: $782.10
지연 시간: ~45초
==================================================
공식 API 개별 사용 비용 (비교용)
==================================================
도면 이미지 분석 (Anthropic): $750.00
내역서 텍스트 분석 (GPT-4o-mini): $7.50
검증 보고서 생성 (Anthropic): $30.00
─────────────────────────────────
총 비용: $787.50
==================================================
비용 비교 결과
==================================================
HolySheep AI: $782.10
공식 API: $787.50
절감액: $5.40 (0.7%)
※ DeepSeek 활용 시 더 큰 절감 효과 가능
"""가격과 ROI
| 플랜 | 월 비용 | 월 한도 | 적합 규모 | ROI 예시 |
|---|---|---|---|---|
| Starter | $29/월 | $50 크레딧 + 사용량 | PoC 및 소규모 프로젝트 | 수작업 대비 70% 시간 단축 |
| Pro | $99/월 | $200 크레딧 + 사용량 | 중규모 팀 (월 100건 프로젝트) | 연간 인건비 약 $30,000 절감 |
| Enterprise | 맞춤형 | 무제한 + SLA | 대규모 건설회사 | 수량 검토 업무 90% 자동화 |
실제 ROI 계산 (저의 경험)
저는某중견건설회사에서月平均50건의 내역서를 검토해야 하는 팀을 운영했습니다. 수동 검토 시:
- 1건당 평균 4시간 소요 (총 200시간/월)
- 인건비 (월 500만 원 × 2명 = 1,000만 원)
- 실수율 약 8-12% (견적 오류)
HolySheep AI 도입 후:
- 1건당 30분 (총 25시간/월) — 87.5% 단축
- Claude 검증으로 실수율 2% 이하로 감소
- 월 비용 약 80만 원 (Pro 플랜)
- 순이익: 월 920만 원 절감, 연간 약 1억 1천만 원
자주 발생하는 오류와 해결책
오류 1: 이미지太大了导致 Vision API超时
# ❌ 오류 발생 코드
def analyze_large_blueprint(image_path):
with open(image_path, "rb") as f:
image_data = base64.b64encode(f.read()).decode()
# 10MB 이상의 도면 이미지 → API 타임아웃 발생
payload = {
"model": "claude-sonnet-4-20250514",
"messages": [{"role": "user", "content": [
{"type": "text", "text": "도면을 분석해주세요."},
{"type": "image", "source": {"type": "base64", "data": image_data}}
]}],
"max_tokens": 4096
}
# response timeout 또는 400 Bad Request 발생
✅ 해결 코드: 이미지 리사이징 + 분할 처리
from PIL import Image
import io
def analyze_large_blueprint_optimized(image_path, max_size_mb=5):
"""대용량 도면 이미지 최적화 처리"""
img = Image.open(image_path)
# 파일 크기 확인 및 리사이징
target_pixels = 2048 # 최대 2048x2048 픽셀로 제한
# 해상도가 너무 높으면 리사이즈
if max(img.size) > target_pixels:
ratio = target_pixels / max(img.size)
new_size = tuple(int(dim * ratio) for dim in img.size)
img = img.resize(new_size, Image.Resampling.LANCZOS)
# JPEG로 변환하여 크기 최적화
buffer = io.BytesIO()
img.save(buffer, format="JPEG", quality=85, optimize=True)
image_data = base64.b64encode(buffer.getvalue()).decode()
# 분할 처리: 큰 이미지는 좌우/상하로 분할
if max(img.size) > 3072:
return analyze_in_sections(img)
# 최적화된 이미지로 API 호출
payload = {
"model": "claude-sonnet-4-20250514",
"messages": [{"role": "user", "content": [
{"type": "text", "text": "이 건축 도면 이미지를 분석해주세요."},
{"type": "image", "source": {
"type": "base64",
"media_type": "image/jpeg",
"data": image_data
}}
]}],
"max_tokens": 4096
}
response = requests.post(
"https://api.holysheep.ai/v1/messages",
headers={
"x-api-key": "YOUR_HOLYSHEEP_API_KEY",
"anthropic-version": "2023-06-01",
"Content-Type": "application/json"
},
json=payload,
timeout=60 # 타임아웃 설정
)
return response.json()오류 2: API 키 인증 실패 (401 Unauthorized)
# ❌ 오류 발생: 헤더 설정 누락
def wrong_api_call():
headers = {"Content-Type": "application/json"} # Authorization 누락!
response = requests.post(
"https://api.holysheep.ai/v1/chat/completions",
headers=headers,
json={"model": "deepseek-chat", "messages": [...]}
)
# 401 Unauthorized 발생
✅ 해결 코드: Anthropic vs OpenAI 호환 헤더
class HolySheepAPIClient:
"""
HolySheep AI API 클라이언트 - 모델별 올바른 헤더 설정
"""
BASE_URL = "https://api.holysheep.ai/v1"
def __init__(self, api_key: str):
self.api_key = api_key
self.common_headers = {"Content-Type": "application/json"}
def chat_completion(self, messages, model="deepseek-chat", **kwargs):
"""
OpenAI 호환 엔드포인트 (DeepSeek, GPT 등)
"""
response = requests.post(
f"{self.BASE_URL}/chat/completions",
headers={
**self.common_headers,
"Authorization": f"Bearer {self.api_key}" # Bearer 토큰
},
json={
"model": model,
"messages": messages,
**kwargs
}
)
response.raise_for_status()
return response.json()
def claude_message(self, messages, model="claude-sonnet-4-20250514", **kwargs):
"""
Anthropic Claude 엔드포인트
"""
response = requests.post(
f"{self.BASE_URL}/messages",
headers={
**self.common_headers,
"x-api-key": self.api_key, # x-api-key 헤더
"anthropic-version": "2023-06-01"
},
json={
"model": model,
"messages": messages,
**kwargs
}
)
response.raise_for_status()
return response.json()
사용 예시
client = HolySheepAPIClient(api_key="YOUR_HOLYSHEEP_API_KEY")
DeepSeek 사용 (OpenAI 호환)
result1 = client.chat_completion(
messages=[{"role": "user", "content": "안녕하세요"}],
model="deepseek-chat"
)
Claude 사용 (Anthropic 호환)
result2 = client.claude_message(
messages=[{"role": "user", "content": "도면을 분석해주세요"}],
model="claude-sonnet-4-20250514"
)오류 3: 토큰 초과로 인한 맥스 토큰 エラー
# ❌ 오류 발생: max_tokens 부족
def incomplete_response():
response = requests.post(
"https://api.holysheep.ai/v1/messages",
headers={
"x-api-key": "YOUR_HOLYSHEEP_API_KEY",
"anthropic-version": "2023-06-01"
},
json={
"model": "claude-sonnet-4-20250514",
"messages": [{"role": "user", "content": long_bill_of_quantities}],
"max_tokens": 1024 # 너무 작음 - 응답 잘림
}
)
# 응답이中途切れて分析了不完整的
✅ 해결 코드: 동적 토큰 계산 및 스트리밍
import tiktoken
def estimate_tokens(text: str, model: str = "claude") -> int:
"""대략적인 토큰 수 추정 (Claude는 문자 수 기반 근사치)"""
if "claude" in model:
# Claude: 토큰 ≈ 문자 수 × 0.25 (한국어의 경우 더 높음)
return int(len(text) * 0.4)
else:
# OpenAI 계열: tiktoken 사용
try:
encoding = tiktoken.encoding_for_model("gpt-4")
return len(encoding.encode(text))
except:
return int(len(text) * 0.4)
def generate_verification_report(
client: HolySheepAPIClient,
blueprint_data: str,
boq_data: str,
supplier_quotes: list
) -> str:
"""
긴 컨텍스트를 처리하기 위한 동적 토큰 관리
"""
# 시스템 프롬프트 + 컨텍스트 길이 추정
system_prompt = "당신은 건설 工程算量 전문가입니다."
combined_input = f"도면: {blueprint_data}\n내역서: {boq_data}\n견적: {supplier_quotes}"
total_estimated = (
estimate_tokens(system_prompt, "claude") +
estimate_tokens(combined_input, "claude")
)
# Claude Sonnet 4.5 컨텍스트: 200K 토큰, 안전하게 180K 사용
max_output_tokens = min(180000 - total_estimated, 8192)
# 응답이 잘릴 가능성이 높으면 스트리밍 또는 청크 분할
if total_estimated > 150000:
print("⚠️ 컨텍스트가 깁니다. 분할 처리를 권장합니다.")
return process_in_chunks(client, blueprint_data, boq_data, supplier_quotes)
response = client.claude_message(
messages=[{
"role": "user",
"content": f"""다음 정보를 바탕으로 工程算量 검증 보고서를 작성해주세요:
{combined_input}
보고서 형식으로 상세하게 작성해주세요."""
}],
max_tokens=max_output_tokens,
temperature=0.3
)
return response["content"][0]["text"]
def process_in_chunks(client, blueprint, boq, quotes, chunk_size=50000):
"""대규모 데이터를 청크로 분할하여 처리"""
results = []
# 청크 1: 도면 분석 요약
summary_1 = client.claude_message(
messages=[{"role": "user", "content": f"도면을 간략히 분석: {blueprint[:chunk_size]}"}],
max_tokens=2048
)
results.append(summary_1["content"][0]["text"])
# 청크 2: 내역서 분석 (필요시)
if len(boq) > chunk_size:
summary_2 = client.claude_message(
messages=[{"role": "user", "content": f"내역서를 분석: {boq[:chunk_size]}"}],
max_tokens=2048
)
results.append(summary_2["content"][0]["text"])
# 최종 통합
integration = client.claude_message(
messages=[{
"role": "user",
"content": f"이 분석들을 통합