🤖 Spring AI RAG ChatBot

Spring AI와 Google Gemini를 활용한 RAG(Retrieval-Augmented Generation) 챗봇 with Kotlin

---

📌 프로젝트 개요

PDF 문서를 업로드하면 해당 문서를 벡터 DB에 저장하고, 사용자 질문에 대해 관련 문서를 검색하여 Google Gemini LLM이 문서 기반 답변을 생성하는 RAG 챗봇입니다.

---

🛠 기술 스택

분류	기술
Language	Kotlin 1.9.25
Framework	Spring Boot 3.4.4
AI Framework	Spring AI 1.1.0
LLM	Google Gemini (google-genai)
Embedding	Google GenAI Text Embedding (gemini-embedding-001)
Vector Store	SimpleVectorStore (In-Memory)
PDF 처리	Apache PDFBox 2.0.30
API 문서	SpringDoc OpenAPI (Swagger)
Build Tool	Gradle (Kotlin DSL)

---

📁 프로젝트 구조

src/main/kotlin/com/example/spring_ai_tutorial/
├── controller/
│   ├── RagController.kt        # PDF 업로드 및 RAG 질의 API
│   └── ChatController.kt       # 일반 챗봇 API
├── service/
│   ├── RagService.kt           # RAG 비즈니스 로직
│   ├── ChatService.kt          # Gemini 채팅 서비스
│   └── DocumentProcessingService.kt  # PDF 텍스트 추출
├── repository/
│   └── InMemoryDocumentVectorStore.kt  # 인메모리 벡터 스토어
├── config/
│   ├── VectorStoreConfig.kt    # SimpleVectorStore 빈 설정
│   └── SwaggerConfig.kt        # Swagger 설정
├── domain/dto/
│   ├── RagDto.kt               # RAG 관련 DTO
│   ├── DocumentDto.kt          # 문서 관련 DTO
│   └── CommonDto.kt            # 공통 응답 DTO
└── exception/
    └── DocumentProcessingException.kt

---

⚙️ 환경 설정

1. Google Gemini API 키 발급

Google AI Studio에서 API 키를 발급받으세요.

2. 환경 변수 설정

export API_KEY=your_gemini_api_key

또는 IntelliJ 실행 설정의 Environment Variables에 API_KEY=your_gemini_api_key 추가

---

📡 API 명세

1. PDF 문서 업로드

POST /api/v1/reg/documents
Content-Type: multipart/form-data

file: (PDF 파일)

응답

{
  "success": true,
  "data": {
    "documentId": "uuid",
    "message": "문서가 성공적으로 업로드되었습니다."
  }
}

2. RAG 질의

POST /api/v1/reg/query
Content-Type: application/json

{
  "query": "인공지능이란 무엇인가요?",
  "maxResults": 3,
  "model": "gemini-2.5-flash"
}

응답

{
  "success": true,
  "data": {
    "query": "인공지능이란 무엇인가요?",
    "answer": "...(문서 기반 AI 답변)...\n\n참고 문서:\n[1] document.pdf",
    "relevantDocuments": [
      {
        "id": "uuid",
        "score": 0.92,
        "content": "...",
        "metadata": {}
      }
    ]
  }
}

---

🔄 RAG 동작 흐름

1. PDF 업로드
   └─> 텍스트 추출 (PDFBox)
       └─> 청크 분할 (TokenTextSplitter, 512 tokens)
           └─> 임베딩 변환 (Gemini Embedding)
               └─> 인메모리 벡터 스토어 저장

2. 질의 처리
   └─> 질문 임베딩 변환
       └─> 유사도 검색 (SimpleVectorStore)
           └─> 관련 문서 컨텍스트 구성
               └─> Gemini LLM 답변 생성
                   └─> 출처 정보 포함 응답 반환

---