feat: rag 서비스 Event Hub 연동 및 연관 회의록 API 추가

rag/src/db/rag_minutes_db.py

@@ -92,6 +92,8 @@ class RagMinutesDB:
             if field in minutes_dict and minutes_dict[field]:
                 if isinstance(minutes_dict[field], datetime):
                     minutes_dict[field] = minutes_dict[field].isoformat()
+                    
+        minutes_dict.pop("embedding")
 
         return RagMinutes(**minutes_dict)
 
@@ -189,7 +191,8 @@ class RagMinutesDB:
         self,
         query_embedding: List[float],
         top_k: int = 5,
-        similarity_threshold: float = 0.7
+        similarity_threshold: float = 0.7,
+        exclude_minutes_id: Optional[str] = None
     ) -> List[Dict[str, Any]]:
         """
         벡터 유사도 검색
@@ -198,27 +201,34 @@ class RagMinutesDB:
             query_embedding: 쿼리 임베딩 벡터
             top_k: 반환할 최대 결과 수
             similarity_threshold: 최소 유사도 임계값
+            exclude_minutes_id: 제외할 회의록 ID (연관 회의록 검색 시 자기 자신 제외)
 
         Returns:
             검색 결과 리스트
         """
         with self.get_connection() as conn:
             with conn.cursor(cursor_factory=RealDictCursor) as cur:
-                cur.execute("""
+                # 제외 조건 추가
+                exclude_condition = ""
+                params = [query_embedding, query_embedding, similarity_threshold, query_embedding, top_k]
+
+                if exclude_minutes_id:
+                    exclude_condition = "AND minutes_id != %s"
+                    # 파라미터 순서: 처음 4개는 embedding 검색용, 5번째는 exclude용, 6번째는 limit용
+                    params = [query_embedding, query_embedding, similarity_threshold, exclude_minutes_id, query_embedding, top_k]
+
+                query = f"""
                     SELECT *,
                            1 - (embedding <=> %s::vector) as similarity_score
                     FROM rag_minutes
                     WHERE embedding IS NOT NULL
                       AND 1 - (embedding <=> %s::vector) >= %s
+                      {exclude_condition}
                     ORDER BY embedding <=> %s::vector
                     LIMIT %s
-                """, (
-                    query_embedding,
-                    query_embedding,
-                    similarity_threshold,
-                    query_embedding,
-                    top_k
-                ))
+                """
+
+                cur.execute(query, params)
 
                 results = []
                 for row in cur.fetchall():
@@ -229,7 +239,7 @@ class RagMinutesDB:
                         "similarity_score": float(similarity_score)
                     })
 
-                logger.info(f"벡터 검색 완료: {len(results)}개 결과")
+                logger.info(f"벡터 검색 완료: {len(results)}개 결과 (exclude: {exclude_minutes_id})")
                 return results
 
     def search_by_keyword(