app.py

import os
import gradio as gr
from langchain_groq import ChatGroq
from langchain.chains import RetrievalQA
from langchain.prompts import PromptTemplate
from langchain.vectorstores import FAISS
from langchain.embeddings import HuggingFaceEmbeddings

# Groq API 키 (Hugging Face Secrets에서 가져옴)
GROQ_API_KEY = os.environ.get("GROQ_API_KEY")

# 전역 변수들
vectorstores = {}
embeddings = None
combined_vectorstore = None

def debug_file_system():
    """파일 시스템 상태를 자세히 확인하는 함수"""
    import os
    print("=" * 50)
    print("🔍 파일 시스템 디버깅 시작")
    print("=" * 50)
    
    # 현재 디렉토리
    current_dir = os.getcwd()
    print(f"📂 현재 작업 디렉토리: {current_dir}")
    
    # 루트 디렉토리의 모든 항목
    try:
        all_items = os.listdir('.')
        print(f"📋 루트 디렉토리 내용: {all_items}")
        
        # 각 항목의 타입 확인
        for item in all_items:
            item_path = os.path.join('.', item)
            if os.path.isdir(item_path):
                print(f"📁 {item} (디렉토리)")
                try:
                    sub_items = os.listdir(item_path)
                    print(f"   └── 내용: {sub_items}")
                except Exception as e:
                    print(f"   └── 접근 불가: {e}")
            else:
                print(f"📄 {item} (파일)")
                
    except Exception as e:
        print(f"❌ 디렉토리 읽기 오류: {e}")
    
    # 환경 변수 확인
    print(f"🔑 GROQ_API_KEY 설정됨: {'GROQ_API_KEY' in os.environ}")
    
    print("=" * 50)

# 앱 시작 시 디버깅 실행
debug_file_system()

def find_vectorstore_folders():
    """현재 디렉토리에서 벡터스토어 폴더들을 찾는 함수"""
    current_dir = os.getcwd()
    print(f"현재 디렉토리: {current_dir}")
    
    # 모든 파일과 폴더 확인
    all_items = os.listdir(current_dir)
    print(f"현재 디렉토리 내 모든 항목들: {all_items}")
    
    # 예상되는 벡터스토어 폴더들
    expected_folders = ['vectorstore1', 'vectorstore2', 'vectorstore3']
    vectorstore_folders = []
    
    for folder_name in expected_folders:
        folder_path = os.path.join(current_dir, folder_name)
        if os.path.exists(folder_path) and os.path.isdir(folder_path):
            try:
                folder_contents = os.listdir(folder_path)
                print(f"📁 {folder_name} 폴더 내용: {folder_contents}")
                
                # 필수 파일들 확인
                required_files = ['index.faiss', 'index.pkl']
                has_all_files = all(file in folder_contents for file in required_files)
                
                if has_all_files:
                    vectorstore_folders.append(folder_name)
                    print(f"✅ {folder_name} - 모든 필수 파일 존재")
                else:
                    missing_files = [f for f in required_files if f not in folder_contents]
                    print(f"❌ {folder_name} - 누락된 파일: {missing_files}")
                    
            except Exception as e:
                print(f"❌ {folder_name} 폴더 확인 중 오류: {e}")
        else:
            print(f"❌ {folder_name} 폴더가 존재하지 않음")
    
    if not vectorstore_folders:
        print("❌ 사용 가능한 벡터스토어 폴더를 찾을 수 없습니다")
    else:
        print(f"✅ 총 {len(vectorstore_folders)}개의 벡터스토어 폴더를 찾았습니다: {vectorstore_folders}")
    
    return vectorstore_folders

def load_all_vectorstores():
    """모든 벡터스토어를 로드하고 통합하는 함수"""
    global vectorstores, embeddings, combined_vectorstore
    
    if not embeddings:
        embeddings = HuggingFaceEmbeddings(
            model_name="sentence-transformers/all-MiniLM-L6-v2"
        )
    
    # 벡터스토어 폴더들 찾기
    folders = find_vectorstore_folders()
    
    loaded_vectorstores = []
    
    for folder_name in folders:
        try:
            vectorstore = FAISS.load_local(
                f"./{folder_name}", 
                embeddings, 
                allow_dangerous_deserialization=True
            )
            vectorstores[folder_name] = vectorstore
            loaded_vectorstores.append(vectorstore)
            print(f"✅ {folder_name} 로드 완료")
        except Exception as e:
            print(f"❌ {folder_name} 로드 실패: {e}")
    
    # 벡터스토어들을 통합 (첫 번째를 기본으로 하고 나머지를 merge)
    if loaded_vectorstores:
        combined_vectorstore = loaded_vectorstores[0]
        for vs in loaded_vectorstores[1:]:
            try:
                combined_vectorstore.merge_from(vs)
                print(f"✅ 벡터스토어 통합 완료")
            except Exception as e:
                print(f"❌ 벡터스토어 통합 실패: {e}")
        print(f"🎉 총 {len(loaded_vectorstores)}개의 벡터스토어가 통합되었습니다")
    
    return len(loaded_vectorstores) > 0

# 질문 리스트 (기존과 동일)
suggested_questions = [
    '교원 신규 임용은 어떻게 하나요?',
    '교원 연구년 기간은 어떻게 되나요?',
    '조교 신규 임용 기준은 무엇인가요?',
    '교직원의 평일 근무시간은 어떻게 되나요?',
    '직원 신규 임용 원칙은 무엇인가요?',
    '직원 임용시 가산점이 있나요?',
    '교원 업적의 심사 내용은 무엇인가요?',
    '외국인 교원의 임기는 어떻게 되나요?',
    '외국인 교원의 면직 기준은 무엇인가요?',
    '기간제 계약직의 임기는 얼마정도인가요?',
    '등록금 납부 방법은 무엇인가요?',
    '교직 이수는 언제 신청이 가능한가요?',
    '해외교류유학 지원자격은 어떻게 되나요?',
    '만족도 조사 실행 대상은 누구인가요?',
    '마이크로디그리의 유형은 무엇이 있나요?',
    '장학금 관리 기관은 어디인가요?',
    '학생 단체는 어떻게 등록하나요?',
    '학생 설치물 중 금지된 설치물이 있나요?',
    '비교과 교육과정의 종류는 무엇이 있나요?',
    '안전사고예방계획은 어디에 제출해야 하나요?'
]

# 프롬프트 템플릿 (기존과 동일)
prompt_template = """당신은 한남대학교 규정집 도우미입니다.
반드시 한국어로만 답변해주세요. 영어나 다른 언어는 절대 사용하지 마세요.
주어진 문서 내용을 바탕으로 질문에 대해 정확하고 친절하게 한국어로 답변해주세요.
참고 문서:
{context}
질문: {question}
답변 지침:
- 이용자를 반기는 인사로 시작하세요
- 반드시 한국어로만 답변하세요
- 정중하고 친근한 말투를 사용하세요
- 구체적이고 도움이 되는 정보를 제공하세요
- 문서에서 답을 찾을 수 없으면 "죄송하지만 해당 정보를 규정집에서 찾을 수 없습니다"라고 답변하세요
한국어 답변:"""

prompt = PromptTemplate(
    template=prompt_template,
    input_variables=["context", "question"]
)

def respond_with_groq(question, selected_q, model):
    """질문에 대한 답변을 생성하는 함수"""
    
    # 선택된 질문이 있으면 그것을 사용
    if selected_q != "직접 입력":
        question = selected_q

    if not question.strip():
        return "질문을 입력해주세요."

    if not GROQ_API_KEY:
        return "❌ API 키가 설정되지 않았습니다. 관리자에게 문의하세요."

    # 통합된 벡터스토어가 로드되지 않은 경우
    if not combined_vectorstore:
        return "❌ 사용 가능한 벡터스토어가 없습니다. 관리자에게 문의하세요."

    try:
        print(f"✅ 통합된 벡터스토어를 사용하여 검색 중...")

        # LLM 설정
        llm = ChatGroq(
            groq_api_key=GROQ_API_KEY,
            model_name=model,
            temperature=0.1,
            max_tokens=1000
        )

        # QA 체인 생성
        qa_chain = RetrievalQA.from_chain_type(
            llm=llm,
            chain_type="stuff",
            retriever=combined_vectorstore.as_retriever(search_kwargs={"k": 5}),
            chain_type_kwargs={"prompt": prompt},
            return_source_documents=True
        )

        # 답변 생성
        result = qa_chain({"query": question})
        return result['result']

    except Exception as e:
        import traceback
        error_details = traceback.format_exc()
        print(f"❌ 상세 오류 정보:\n{error_details}")
        return f"❌ 오류가 발생했습니다: {str(e)}"

def update_question(selected):
    """드롭다운 선택 시 질문을 업데이트하는 함수"""
    if selected != "직접 입력":
        return selected
    return ""

# 앱 시작시 벡터스토어들 로드
vectorstores_loaded = load_all_vectorstores()

# Gradio 인터페이스 생성
with gr.Blocks(title="한남대학교 Q&A") as interface:
    gr.HTML("""
    <div style="text-align: center; padding: 20px; background: linear-gradient(90deg, #667eea 0%, #764ba2 100%); color: white; border-radius: 10px; margin-bottom: 20px;">
        <h1>🏫 한남대학교 규정집 Q&A</h1>
        <p>한남대학교 규정집에 대한 질문에 답변해드립니다.</p>
    </div>
    """)

    with gr.Row():
        with gr.Column(scale=1):
            question_dropdown = gr.Dropdown(
                choices=["직접 입력"] + suggested_questions,
                label="💡 자주 묻는 질문",
                value="직접 입력"
            )

            question_input = gr.Textbox(
                label="❓ 질문을 입력하세요",
                placeholder="예: 졸업 요건은 무엇인가요?",
                lines=3
            )

            submit_btn = gr.Button("답변 받기", variant="primary", size="lg")

            model_choice = gr.Radio(
                choices=["llama3-70b-8192", "llama3-8b-8192"],
                label="🤖 AI 모델 선택",
                value="llama3-70b-8192"
            )

        with gr.Column(scale=2):
            output = gr.Textbox(
                label="💬 답변",
                lines=15,
                max_lines=20,
                show_copy_button=True
            )

    # 이벤트 연결
    submit_btn.click(
        fn=respond_with_groq,
        inputs=[question_input, question_dropdown, model_choice],
        outputs=output
    )

    question_dropdown.change(
        fn=update_question,
        inputs=question_dropdown,
        outputs=question_input
    )

# 앱 실행
if __name__ == "__main__":
    interface.launch()