Merge pull request #34 from kakaotech-bootcamp-11/develop

feat: app.py 에서 db 히스토리 만들도록 구현 #29

app.py

@@ -12,7 +12,11 @@
 from error_handler import register_error_handlers
 from openai import OpenAIError
 from werkzeug.exceptions import BadRequest
-#from conversation_history import save_conversation, history
+from conversation_history import save_conversation, history
+from konlpy.tag import Okt
+from pymongo import MongoClient
+from datetime import datetime
+import pytz
 
 # 플라스크 앱 정의
 app = Flask(__name__)
@@ -29,6 +33,12 @@
 )
 
 
+# MongoDB 연결 설정
+client = MongoClient('mongodb://localhost:27017/')
+db = client['chatbot_db']  # 데이터베이스 이름 설정
+collection = db['chat_history']  # 콜렉션 이름 설정
+
+
 # API 키 로드하기
 print("환경변수 로드 ")
 load_dotenv() # # .env 파일에서 환경 변수를 로드합니다
@@ -40,7 +50,7 @@
 # LLM 변수 정의 
 STREAM_TOKEN_SIZE = 30
 MODEL_VERSION = "gpt-4o-mini" # "gpt-3.5-turbo"  
-MAX_TOKENS_OUTPUT = 500
+MAX_TOKENS_OUTPUT = 250
 
 
 # 검색할 문서 로드 
@@ -59,16 +69,24 @@ def stream_message(text, max_tokens=STREAM_TOKEN_SIZE, delay=1): # 데이터가
         yield f"data: {chunk}\n\n"
 
 
-def stream_chatgpt(system_prompt, user_prompt):
-    # eunma: db 에서 데이터 조회해서, 
+def stream_chatgpt(system_prompt, user_prompt, user_id, chat_id):
+    print("stream_chatgpt()")
+    # 기존 N개 데이터 히스토리 가져오기 
+    messages = [{"role": "system", "content": system_prompt + "\n 정보를 일반 텍스트로 작성해 주세요. 굵게 표시하지 말고, 특수 형식 없이 일반 텍스트로만 작성해 주세요."},
+                {"role": "user", "content": user_prompt} ]
+    if user_id is not None and chat_id is not None:
+        conv_history = history(user_id, chat_id, limit=2)
+        for conv in conv_history:
+            role = conv.get('role') # 'user' or 'system'
+            content = conv.get('text')
+            messages.append({"role": role, "content": content})
+
+    print('history:', messages)
     client = openai.OpenAI(api_key=OPENAI_API_KEY)
     try:
         response = client.chat.completions.create(
             model=MODEL_VERSION,
-            messages=[ # 여기에 히스토리 넣기 
-                {"role": "system", "content": system_prompt + "\n 정보를 일반 텍스트로 작성해 주세요. 굵게 표시하지 말고, 특수 형식 없이 일반 텍스트로만 작성해 주세요."},
-                {"role": "user", "content": user_prompt}
-            ],
+            messages= messages,
             temperature=0.0, # 출력의 다양성 조절 (0~1), 높을 수록 창의적인 대답
             max_tokens= MAX_TOKENS_OUTPUT, # 최대 출력 토큰 개수 
             n = 1,         # 생성 답변 개수,
@@ -85,7 +103,7 @@ def event_stream(): #stream generator
                     yield f"data: {text}\n\n"
             print("답변 결과:\n", result_txt)
             # 답변 결과 DB 에 저장
-            #save_conversation("user123", "thread456", "user", result_txt)
+            save_conversation(user_id, chat_id, "system", result_txt)
 
 
         return Response(event_stream(), mimetype='text/event-stream')
@@ -139,27 +157,27 @@ def extract_arrv_dest(user_input): #user input 에서 출발지와 도착지 출
             """
     return text_chatgpt(system_prompt =system_prompt, user_prompt= user_input )
 
-def handle_weather_topic(user_input):
+def handle_weather_topic(user_input, user_id, chat_id):
     weather_info = get_weather_info()
     system_prompt = (f"You are a helpful assistant, and you will kindly answer questions about current weather. "
               f"한국어로 대답해야해. 현재 날씨 정보는 다음과 같아. {weather_info}, "
               "이 날씨 정보를 다 출력할 필요는 없고, 주어진 질문인 '{user_input}'에 필요한 답만 해줘 ")
-    result = stream_chatgpt(system_prompt, user_input)
+    result = stream_chatgpt(system_prompt, user_input, user_id, chat_id)
     return result
     """if result is not None: return result # 비동기식 response 형식 
     else:
         result = "죄송해요. 챗 지피티가 답변을 가져오지 못했어요."
         return Response(stream_message(result), content_type='text/plain')"""
 
-def handle_trans_topic(user_input):
+def handle_trans_topic(user_input, user_id, chat_id):
     dict_string = extract_arrv_dest(user_input)
     from_to_dict = json.loads(dict_string)
     result_txt = get_route_description(from_to_dict, TMAP_API_KEY, KAKAO_MAP_API_KEY)
     system_prompt = f"너는 출발지에서 목적지까지 경로를 안내하는 역할이고, 한국어로 대답해야해."\
               f"사용자는 경로에 대해 요약된 텍스트를 줄거야. 너는 그걸 자연스럽게 만들어주면 돼. "\
               f"출발지는 ```{from_to_dict['from']}```이고 목적지는 ```{from_to_dict['to']}```임.  "
     user_prompt = f"다음을 자연스럽게 다시 말해줘:\n```{result_txt}``` "
-    return stream_chatgpt(user_prompt) 
+    return stream_chatgpt(system_prompt, user_prompt, user_id, chat_id) 
     """if dict_string:
         from_to_dict = json.loads(dict_string)
         result = get_route_description(from_to_dict, TMAP_API_KEY, KAKAO_MAP_API_KEY)
@@ -169,10 +187,10 @@ def handle_trans_topic(user_input):
 
     return Response(stream_message(result), content_type='text/plain')"""
 
-def handle_else_topic(user_input):
+def handle_else_topic(user_input, user_id, chat_id):
     system_prompt = ("You are a helpful assistant."
               "사용자들은 한국어로 질문할 거고, 너도 한국어로 대답해야돼")
-    result = stream_chatgpt(system_prompt, user_input)
+    result = stream_chatgpt(system_prompt, user_input, user_id, chat_id)
     return result
     """if result is not None: 
         return result # 비동기식 response 형식 
@@ -205,15 +223,21 @@ def llm():
     user_input, user_id, chat_id = params['content'], params['user_id'], params['chat_id']
     print("user_input, user_id, chat_id:", user_input, user_id, chat_id)
 
+    save_conversation(user_id, chat_id, "user", user_input)
+    print("save_conversation")
+
+
+
     # 동기식으로 RAG 기법 적용한 QA 체인 생성
     response = retriever.invoke(user_input)
     #print("response type:", type(response))
     print('RAG response:', response)
     #if response['result'] and not any(phrase in response['result'] for phrase in ["죄송", "모르겠습니다", "알 수 없습니다", "확인할 수 없습니다", "없습니다"])  : # 만약 
-    if response and response != "해당 정보는 제공된 문서들에 포함되어 있지 않습니다.":
+    if response and "해당 정보는 제공된 문서들에 포함되어 있지 않습니다." not in response:
         logging.info( f"RAG - user input: {user_input}")
+        print("response:", response)
         # 답변 결과 DB 에 저장
-        #save_conversation("user123", "thread456", "user", response)
+        save_conversation(user_input, chat_id, "system", response)
         print("logging: RAG 답변")
         return Response(stream_message(response), mimetype='text/event-stream')
     elif not response: #  # RAG를 수행하지 못했을 때 - 예외 처리 추가하기 
@@ -225,11 +249,11 @@ def llm():
     topic = topic_classification(user_input)
     print("topic:", topic)
     if topic == "WEATHER":
-        return handle_weather_topic(user_input)
+        return handle_weather_topic(user_input,user_id, chat_id)
     elif topic == "TRANS":
-        return handle_trans_topic(user_input)
+        return handle_trans_topic(user_input, user_id, chat_id)
     elif topic == "ELSE":
-        return handle_else_topic(user_input)
+        return handle_else_topic(user_input, user_id, chat_id)
     """else:
         logging.error("chat gpt failed to classify: result is None")
         return jsonify({"error": "Topic classification failed"}), 500"""
@@ -250,11 +274,11 @@ def test(): # whole text 만든 다음, 청크 단위로 나눠 스트림 형식
 def stream_output(): # chatGPT API 에서 실시간으로 청크 단위로 답변을 받아옴. 
     #user_input, user_id, chat_id = get_request_data()  # 공통
     params = get_request_data(title=True) # request body 를 가져옴
-    user_input  = params['content']
+    user_input, user_id, chat_id  = params['content'], params['user_id'], params['chat_id']
 
     # 답변 가져오기 
     system_prompt = "You are a helpful assistant"
-    result = stream_chatgpt(system_prompt, user_input) # 
+    result = stream_chatgpt(system_prompt, user_input, user_id, chat_id) # 
     return result 
 
 # test function for error handling