배포 v1.7.6

배포 v1.7.6

Author: skqorrla

MLOps/app/routers/recommendation.py

@@ -1,4 +1,4 @@
-from fastapi import APIRouter, HTTPException
+from fastapi import APIRouter, HTTPException, Depends
 from fastapi.responses import JSONResponse
 import traceback
 from app.schema.recommendation_schema import ReccomendRequest, ReccomendResponse
@@ -7,14 +7,30 @@
 
 router = APIRouter(prefix="/api", tags=["recommendation"])
 
-# 서비스 초기화
-elk_client = ELKClient()
-deepctr_service = DeepCTRService()
+def services_provider():
+    """ELKClient, DeepCTRService 를 최초 호출 시 생성해 캐시합니다.
+    생성 과정에서 예외가 나면 None 을 반환해 API 가 503 을 응답하도록 합니다."""
+    if not hasattr(services_provider, "cache"):
+        try:
+            services_provider.cache = (ELKClient(), DeepCTRService())
+        except Exception as e:
+            print("[recommendation] 서비스 초기화 실패:", e)
+            services_provider.cache = None
+    return services_provider.cache
 
 @router.get("/recommend", response_model=ReccomendResponse)
-async def recommend_places(userid: str, query: str):
+async def recommend_places(
+    userid: str,
+    query: str,
+    services=Depends(services_provider)
+):
     """Place ID 리스트 기반 추천 API"""
     try:
+        if services is None:
+            raise HTTPException(status_code=503, detail="Recommendation service not available")
+
+        elk_client, deepctr_service = services
+
         top_places_data, other_places_data = await deepctr_service.rank_places_by_ctr(userid, query)
 
         # 스키마에 맞게 데이터 형식 변환
@@ -41,9 +57,16 @@ async def recommend_places(userid: str, query: str):
 @router.get("/recommend/health")
 async def recommendation_health():
     """추천 시스템 헬스체크"""
+    services = services_provider()
+    status = "healthy" if services else "unhealthy"
+    elk_ready = deepctr_ready = "not ready"
+    if services:
+        elk_ready = "ready"
+        deepctr_ready = "ready"
+
     return {
-        "status": "healthy" if (deepctr_service and elk_client) else "unhealthy",
-        "elk_client": "ready" if elk_client else "not ready",
-        "deepctr_service": "ready" if deepctr_service else "not ready",
+        "status": status,
+        "elk_client": elk_ready,
+        "deepctr_service": deepctr_ready,
         "service": "recommendation"
     }

MLOps/app/services/deepctr_service.py

@@ -40,14 +40,15 @@ async def rank_places_by_ctr(self, userid: str, query: str):
                 places_df[col] = val
         else:
             # 사용자가 존재하지 않을 경우, 기본값으로 채움
+            print("사용자가 존재하지 않습니다.")
             places_df['userid'] = userid
-            places_df['place_name'] = 'unknown'
+            places_df['name'] = 'unknown'
             places_df['age'] = 30 # 평균 또는 기본값
             places_df['gender'] = 1 # 남성을 기본값으로 가정
             places_df['like_list'] = "[]"
 
         # 원본 데이터에서 응답에 필요한 컬럼 보존
-        output_columns = ['place_id', 'category', 'subcategory']
+        output_columns = ['place_id', 'place_name', 'category', 'subcategory']
         preserved_df = places_df[output_columns]
 
         # 모델 예측

MLOps/app/services/langchain_agent_service.py

@@ -103,8 +103,8 @@ async def search_with_filtering(query: str, place_uuids: List[str]) -> List[Dict
             """
             임베딩 검색 도구
 
-                입력받은 UUID 리스트와 사용자의 쿼리문(query)을 기반으로,
-                메타데이터 필터링 및 임베딩 유사도 검색을 수행하여 관련 장소 정보를 반환합니다.
+                입력받은 UUID 리스트와 사용자의 쿼리문 만을 기반으로,
+                임베딩 유사도 검색을 수행하여 관련 장소 정보를 반환합니다.
 
                 Args:
                     query (str): 사용자가 입력한 쿼리문 (예: '홍대에서 감성 카페 갔다가 전시 보는 코스 추천')
@@ -164,15 +164,15 @@ def _create_prompt_template(self):
         - **3. 성공 시 코스 추천**:
             *   도구 검색에 성공하면, `placeid`에는 추천 장소들의 UUID를, `str` 필드에는 [str 필드 작성 규칙]에 따라 생성된 추천 코스 설명을 담아 JSON을 출력합니다.
             *   사용자가 할 일에 대해서, 각각 하나의 장소만을 추천해서 코스를 구성합니다. 예를 들어서, 사용자가 카페와 쇼핑을 하고 싶다면 카페 카테고리에서 하나를 추천하고, 쇼핑 카테고리에서 하나를 추천합니다.
-            *   반드시 `placeid` 배열에 포함된 `UUID`와 `str` 필드에서 설명하는 장소가 정확히 일치해야 합니다.
+            *   반드시 `placeid` 배열에 포함된 `UUID`와 `str` 필드에서 설명하는 장소가 정확히 일치해야 합니다. 이 조건이 충족되지 않을 경우, 매우 높은 확률로 사용자가 불만을 표시할 것입니다.
             *   반드시 카테고리 별로 하나씩만 추천합니다.
-        - **4. 코스 수정 요청**:
-            *   사용자가 코스 수정을 요청하면 장소 후보를 몇 군데 제시한 후 고르도록 하세요.
-            *   이 경우, `placeid`는 항상 빈 리스트 `[]`입니다.
 
         [도구 사용 규칙]
+        - 도구 사용 전에 반드시 사용자의 쿼리문을 이해하고, 사용자가 원하는 할 일을 사용 가능한 전체 카테고리 중 하나로 매칭해야 합니다.
+        - 이후, 카테고리가 다수인 경우, 카테고리 별로 다르게 도구를 사용해야 합니다.
         - **'지역'과 '할 일'이 대화 전체를 통해 명확하게 확정되었을 때만 도구를 사용합니다.**
         - 사용자가 이전에 말한 '할 일'을 기억했다가, 새로운 지역을 말하면 해당 지역에서 이전에 원했던 '할 일'을 찾아야 합니다.
+        - 사용자가 수정을 원하면 장소 후보를 몇 군데 제시한 후 고르도록 하세요.
 
         [str 필드 작성 규칙 - 중요: RAG 데이터만 사용]
         - **절대적 제약사항**: 장소에 대한 모든 정보(이름, 주소, 설명 등)는 반드시 도구 검색을 통해 얻은 데이터베이스 정보만을 사용해야 합니다. 당신의 사전 지식이나 추측으로 장소 정보를 보완하거나 추가해서는 안 됩니다.

data/chroma_db_bge.dvc

@@ -1,5 +1,5 @@
 outs:
-- md5: 132420dfd0e4858c9fa198af4c30eb0c.dir
+- md5: ccb19a5fbbeeba0a26668b071dd9b62d.dir
   nfiles: 6
   hash: md5
   path: chroma_db_bge