release

vector/app/services/claude_service.py

@@ -301,6 +301,114 @@ class ClaudeService:
         """API 응답용 프롬프트를 생성합니다. (호환성용)"""
         return self._build_action_prompt(context, additional_context)
     
+    async def generate_action_recommendations_optimized(
+        self, 
+        context: str, 
+        additional_context: Optional[str] = None
+    ) -> Tuple[Optional[str], Optional[Dict[str, Any]]]:
+        """
+        최적화된 액션 추천 생성
+        - 더 명확한 JSON 지시사항
+        - 토큰 효율성 개선
+        - 파싱 안정성 향상
+        """
+        if not self.is_ready():
+            return None, None
+        
+        try:
+            # 최적화된 프롬프트 구성
+            prompt = self._build_optimized_prompt(context, additional_context)
+            
+            response = self.client.messages.create(
+                model=self.model,
+                max_tokens=3000,  # 토큰 수 최적화
+                temperature=0.3,  # 일관성 향상
+                messages=[{"role": "user", "content": prompt}]
+            )
+            
+            if response.content and len(response.content) > 0:
+                raw_response = response.content[0].text
+                
+                # 즉시 JSON 파싱 시도
+                parsed_json = self._parse_json_response_enhanced(raw_response)
+                
+                return raw_response, parsed_json
+            
+            return None, None
+            
+        except Exception as e:
+            logger.error(f"Claude AI 호출 실패: {e}")
+            return None, None
+
+    def _build_optimized_prompt(self, context: str, additional_context: Optional[str] = None) -> str:
+        """최적화된 프롬프트 구성"""
+        
+        prompt_parts = [
+            "당신은 소상공인 경영 컨설턴트입니다.",
+            f"분석 요청: {context}",
+        ]
+        
+        if additional_context:
+            prompt_parts.extend([
+                "\n=== 참고 데이터 ===",
+                additional_context,
+                "==================\n"
+            ])
+        
+        prompt_parts.extend([
+            "위 정보를 바탕으로 실행 가능한 액션을 추천해주세요.",
+            "",
+            "⚠️ 응답은 반드시 아래 JSON 형식으로만 작성하세요:",
+            "다른 텍스트는 포함하지 마세요.",
+            "",
+            "```json",
+            "{",
+            '  "summary": {',
+            '    "current_situation": "현재 상황 요약 (50자 이내)",',
+            '    "key_insights": ["핵심 포인트1", "핵심 포인트2"],',
+            '    "priority": "high|medium|low"',
+            '  },',
+            '  "actions": [',
+            '    {',
+            '      "title": "액션명",',
+            '      "description": "구체적 실행방법",',
+            '      "timeline": "실행기간",',
+            '      "cost": "예상비용",',
+            '      "impact": "예상효과"',
+            '    }',
+            '  ],',
+            '  "quick_tips": ["즉시 실행 팁1", "즉시 실행 팁2"]',
+            "}",
+            "```"
+        ])
+        
+        return "\n".join(prompt_parts)
+
+    def _parse_json_response_enhanced(self, raw_response: str) -> Optional[Dict[str, Any]]:
+        """향상된 JSON 파싱"""
+        try:
+            # 1. JSON 블록 추출
+            json_match = re.search(r'```json\s*(\{.*?\})\s*```', raw_response, re.DOTALL)
+            if json_match:
+                json_str = json_match.group(1)
+            else:
+                # 2. 직접 JSON 찾기
+                json_match = re.search(r'(\{.*\})', raw_response, re.DOTALL)
+                if json_match:
+                    json_str = json_match.group(1)
+                else:
+                    return None
+            
+            # 3. JSON 파싱
+            return json.loads(json_str)
+            
+        except json.JSONDecodeError as e:
+            logger.error(f"JSON 파싱 오류: {e}")
+            return None
+        except Exception as e:
+            logger.error(f"JSON 추출 실패: {e}")
+            return None
+
     # =============================================================================
     # 헬스체크 및 상태 확인 메서드들
     # =============================================================================

vector/app/services/vector_service.py

@@ -726,3 +726,97 @@ class VectorService:
         except Exception as e:
             logger.error(f"유사 케이스 검색 실패: {e}")
             return None
+
+    def search_similar_cases_improved(self, store_id: str, context: str) -> Optional[str]:
+        """
+        개선된 유사 케이스 검색
+        1. store_id 기반 필터링 우선 적용
+        2. 동종 업체 우선 검색
+        3. 캐싱 및 성능 최적화
+        """
+        try:
+            if not self.is_ready():
+                logger.warning("VectorService가 준비되지 않음")
+                return None
+            
+            # 1단계: 해당 가게의 정보 먼저 확인
+            store_context = self.get_store_context(store_id)
+            food_category = store_context.get('food_category', '') if store_context else ''
+            
+            # 2단계: 검색 쿼리 구성 (가게 정보 + 컨텍스트)
+            enhanced_query = f"{food_category} {context}"
+            query_embedding = self.embedding_model.encode(enhanced_query).tolist()
+            
+            # 3단계: 동종 업체 우선 검색 (메타데이터 필터링)
+            results = self.collection.query(
+                query_embeddings=[query_embedding],
+                n_results=10,  # 더 많은 결과에서 필터링
+                include=['documents', 'metadatas', 'distances'],
+                where={"food_category": {"$eq": food_category}} if food_category else None
+            )
+            
+            if not results or not results.get('documents') or not results['documents'][0]:
+                # 4단계: 동종 업체가 없으면 전체 검색
+                logger.info("동종 업체 없음 - 전체 검색으로 전환")
+                results = self.collection.query(
+                    query_embeddings=[query_embedding],
+                    n_results=5,
+                    include=['documents', 'metadatas', 'distances']
+                )
+            
+            if not results or not results.get('documents') or not results['documents'][0]:
+                logger.info("유사 케이스를 찾을 수 없음")
+                return None
+            
+            # 5단계: 결과 조합 (관련성 높은 순서로)
+            context_parts = []
+            documents = results['documents'][0]
+            metadatas = results.get('metadatas', [[]])[0]
+            distances = results.get('distances', [[]])[0]
+            
+            # 거리(유사도) 기준으로 필터링 (너무 관련성 낮은 것 제외)
+            filtered_results = []
+            for i, (doc, metadata, distance) in enumerate(zip(documents, metadatas, distances)):
+                if distance < 0.8:  # 유사도 임계값
+                    filtered_results.append((doc, metadata, distance))
+            
+            if not filtered_results:
+                return None
+            
+            # 최대 3개의 가장 관련성 높은 케이스만 사용
+            for doc, metadata, distance in filtered_results[:3]:
+                store_name = metadata.get('store_name', 'Unknown')
+                food_cat = metadata.get('food_category', 'Unknown')
+                
+                context_parts.append(f"[{food_cat} - {store_name}] (유사도: {1-distance:.2f})")
+                # 문서 길이 제한으로 토큰 수 최적화
+                context_parts.append(doc[:300] + "..." if len(doc) > 300 else doc)
+                context_parts.append("---")
+            
+            return "\n".join(context_parts)
+            
+        except Exception as e:
+            logger.error(f"유사 케이스 검색 실패: {e}")
+            return None
+
+    def get_store_context(self, store_id: str) -> Optional[Dict[str, Any]]:
+        """해당 가게의 컨텍스트 정보 조회 (캐싱 적용)"""
+        try:
+            if not self.is_ready():
+                return None
+            
+            # 메타데이터에서 해당 store_id 검색
+            results = self.collection.get(
+                where={"store_id": {"$eq": store_id}},
+                limit=1,
+                include=['metadatas']
+            )
+            
+            if results and results.get('metadatas') and len(results['metadatas']) > 0:
+                return results['metadatas'][0]
+            
+            return None
+            
+        except Exception as e:
+            logger.error(f"가게 컨텍스트 조회 실패: {e}")
+            return None