Introduce langchain

app/llm/agent_router.py

@@ -0,0 +1,63 @@
+from app.llm.tools import detect_intent, detect_goal_function
+from app.llm.goal_agents import (
+    get_english_response, get_coding_response, get_fitness_response,
+    get_english_question, get_coding_question,
+    get_english_info, get_coding_info, get_fitness_info,
+    get_english_mentalcare, get_coding_mentalcare, get_fitness_mentalcare,
+)
+
+VALID_GOALS = ["영어", "코딩", "운동"]
+
+# goal 별 응답 함수 매핑
+RESPONSE_FUNCS = {
+    "영어": get_english_response,
+    "코딩": get_coding_response,
+    "운동": get_fitness_response,
+}
+
+QUESTION_FUNCS = {
+    "영어": get_english_question,
+    "코딩": get_coding_question,
+}
+
+INFO_FUNCS = {
+    "영어": get_english_info,
+    "코딩": get_coding_info,
+    "운동": get_fitness_info,
+}
+
+MENTAL_FUNCS = {
+    "영어": get_english_mentalcare,
+    "코딩": get_coding_mentalcare,
+    "운동": get_fitness_mentalcare,
+}
+
+
+# 에이전트 선택을 제어하는 핵심 로직
+def route_to_agent(user_input: str, context: dict) -> str:
+    goal = context.get("goal")
+    if goal not in VALID_GOALS:
+        return "목표는 영어, 코딩, 운동 중 하나여야 합니다."
+
+    # intent와 goal_function_type 분석
+    intent = detect_intent(user_input)
+    goal_func_type = detect_goal_function(user_input, goal)
+
+    # 멘탈케어는 intent 기준으로 분기
+    if intent == "멘탈케어" and goal in MENTAL_FUNCS:
+        return MENTAL_FUNCS[goal](user_input)
+
+    # 특수 요청: 문제 생성
+    if goal_func_type == "문제 생성" and goal in QUESTION_FUNCS:
+        return QUESTION_FUNCS[goal](user_input)
+
+    # 특수 요청: 정보 제공
+    if goal_func_type == "정보 제공" and goal in INFO_FUNCS:
+        return INFO_FUNCS[goal](user_input)
+
+    # 일반 응답 (피드백, 로드맵)
+    response_func = RESPONSE_FUNCS.get(goal)
+    if response_func:
+        return response_func(user_input, intent)
+
+    return "알 수 없는 목표나 요청이에요."

app/llm/goal_agents.py

@@ -0,0 +1,90 @@
+from langchain.prompts import PromptTemplate
+from app.llm.llm_provider import get_agent
+
+llm = get_agent()
+
+
+# 통합 프롬프트 템플릿
+
+
+general_prompt = PromptTemplate.from_template("""
+당신은 {goal} 분야의 따뜻하고 실용적인 전문가입니다.
+
+[사용자 요청]
+"{user_input}"
+
+[사용자의 현재 상태]
+요청 유형: {intent}
+
+{extra_instruction}
+""")
+
+
+
+# 일반 응답 (피드백, 로드맵)
+def get_response(goal: str, user_input: str, intent: str) -> str:
+    instruction = "사용자의 질문에 전문가로서 조언이나 피드백을 제공해주세요." if intent == "피드백" else \
+                  "사용자의 목표에 맞는 단계별 학습 로드맵이나 실천 계획을 제시해주세요." if intent == "로드맵" else \
+                  "질문에 대해 상황을 이해하고 적절한 조언을 제공해주세요."
+
+    return llm.invoke(general_prompt.format(
+        goal=goal,
+        user_input=user_input,
+        intent=intent,
+        extra_instruction=instruction
+    )).content.strip()
+
+get_english_response = lambda u, i: get_response("영어", u, i)
+get_coding_response = lambda u, i: get_response("코딩", u, i)
+get_fitness_response = lambda u, i: get_response("운동", u, i)
+
+
+
+# 문제 생성
+def get_question(goal: str, user_input: str) -> str:
+    instruction = f"{goal} 분야의 간단한 퀴즈나 연습 문제를 생성해주세요. 상황이나 감정도 반영해주세요."
+    return llm.invoke(general_prompt.format(
+        goal=goal,
+        user_input=user_input,
+        intent="문제 생성",
+        extra_instruction=instruction
+    )).content.strip()
+
+get_english_question = lambda u: get_question("영어", u)
+get_coding_question = lambda u: get_question("코딩", u)
+
+
+
+# 정보 제공
+def get_info(goal: str, user_input: str) -> str:
+    instruction = f"{goal}과 관련된 시험, 자격증, 학습 팁, 활동 정보 등을 전문가 입장에서 자세히 제공해주세요."
+    return llm.invoke(general_prompt.format(
+        goal=goal,
+        user_input=user_input,
+        intent="정보 제공",
+        extra_instruction=instruction
+    )).content.strip()
+
+get_english_info = lambda u: get_info("영어", u)
+get_coding_info = lambda u: get_info("코딩", u)
+get_fitness_info = lambda u: get_info("운동", u)
+
+
+
+# 멘탈케어 응답
+def get_mentalcare(goal: str, user_input: str) -> str:
+    instruction = f"""
+당신은 {goal} 분야의 학습이나 실천 과정에서 지친 사람에게
+공감과 위로, 회복을 돕는 따뜻한 메시지를 전달하는 전문가입니다.
+현재 감정과 상황을 고려하여 부담스럽지 않게 응원해주세요.
+"""
+    return llm.invoke(general_prompt.format(
+        goal=goal,
+        user_input=user_input,
+        intent="멘탈케어",
+        extra_instruction=instruction
+    )).content.strip()
+
+get_english_mentalcare = lambda u: get_mentalcare("영어", u)
+get_coding_mentalcare = lambda u: get_mentalcare("코딩", u)
+get_fitness_mentalcare = lambda u: get_mentalcare("운동", u)

app/llm/llm_provider.py

@@ -0,0 +1,15 @@
+
+from functools import lru_cache
+from langchain_community.chat_models import AzureChatOpenAI
+from app.core.config import settings
+
+@lru_cache()
+def get_agent():
+    return AzureChatOpenAI(
+        azure_deployment=settings.AZURE_OPENAI_DEPLOYMENT_NAME,
+        azure_endpoint=settings.AZURE_OPENAI_ENDPOINT,
+        openai_api_key=settings.AZURE_OPENAI_API_KEY,
+        openai_api_version=settings.AZURE_OPENAI_API_VERSION,
+        temperature=0.5
+    )
+

app/llm/progress_analysis.py

@@ -0,0 +1,158 @@
+from app.llm.llm_provider import get_agent
+from langchain_community.utilities import SQLDatabase
+from langchain.prompts import PromptTemplate
+from app.core.config import settings
+import json
+
+# LLM & DB 연결
+llm = get_agent()
+
+db = SQLDatabase.from_uri(
+    settings.SYNC_DATABASE_URL,
+    include_tables=	["progresses", "todos", "categories"],
+    sample_rows_in_table_info=2 # 테이블 구조 예시를 GPT가 이해하도록 제공
+)
+
+# 목표 한글 → DB ENUM 값 매핑
+GOAL_TO_ENUM = {
+    "영어": "ENGLISH",
+    "코딩": "CODING",
+    "운동": "EXERCISE",
+}
+
+
+# GPT 응답 JSON 파싱 유틸 함수
+def extract_json(text: str, label: str):
+    try:
+        start = text.index('{')
+        end = text.rindex('}') + 1
+        return json.loads(text[start:end])
+    except Exception as e:
+        return {"error": f"{label} JSON parse 실패", "raw": text}
+
+
+
+# 전체 목표 평균 달성률 요약
+async def get_user_summary(user_id: str):
+    query = f"""
+    SELECT AVG(progress_rate) AS average_rate
+    FROM progresses
+    WHERE user_id = '{user_id}';
+    """
+
+    result = db.run(query)
+
+    prompt = PromptTemplate.from_template("""
+    당신은 목표 달성률을 기반으로 희망적인 복사정의 기준문장을 생성하는 AI입니다.
+
+    - 평균 달성률 수치를 기반으로 하되, 사용자가 성취에 대한 자신감을 가질 수 있도록 유도해야함.
+    - '사용자'는 표현은 제외하고 계속해서 자연스러운 문장으로 작성되어야함.
+    - 달성률이 낮아도 격려하거나 앞으로의 가능성을 강조해 줘야함.
+    - 문장은 따뜻하고 응원하는 톤으로, 반드시 존댓말로 작성할 것. 문장은 한 문장 이내, 70자 이내로 작성할 것.
+    - 길이는 2줄 이내여야 하며, 아래 JSON 형식으로 응답해야 함.
+    - 모든 응답은 반드시 **자연스러운 한국어**로 작성할 것. 영어나 외국어는 사용 금지.
+
+    평균 달성률: {progress_data}
+
+    아래 JSON 형식으로 출력하세요:
+    ```json
+    {{
+      "summary": "..."
+    }}
+    """)
+    formatted = prompt.format(progress_data=result)
+    response = llm.invoke(formatted)
+    return extract_json(response.content, "summary")
+
+
+
+# 목표별 강점 & 개선점 분석
+async def get_strength_weakness(user_id: str):
+    query = f"""
+    WITH ranked_goals AS (
+      SELECT c.category_name AS goal, AVG(p.progress_rate) AS avg_rate
+      FROM progresses p
+      JOIN categories c ON p.category_id = c.id
+      WHERE p.user_id = '{user_id}'
+      GROUP BY c.category_name
+    )
+    SELECT * FROM ranked_goals ORDER BY avg_rate DESC;
+    """
+
+    results = db.run(query)
+
+    prompt = PromptTemplate.from_template("""
+    당신은 목표별 평균 달성률을 분석하고, 가장 높은 항목은 강점으로, 가장 낮은 항목은 감정점으로 표현하는 AI입니다.
+
+    요약 문장은 반드시 짧고 간결하게 작성할 것:
+    - 각 문장은 1줄, 70자 이내로 작성되어야 함.
+    - '사용자'는 표현은 제외하고 자연스러운 일상 문장처럼 작성해야 함.
+    - 강점은 격려 문장, 개선점은 실천을 유도하는 조언 문장으로 모두 존댓말로 작성할 것.
+    - 모든 응답은 반드시 **자연스러운 한국어**로 작성되어야 함. 영어나 외국어는 사용하면 안됨.
+
+    아래는 사용자의 목표별 평균 달성률임:
+    {ranked_goals}
+
+    아래 JSON 형식으로 출력하세요:
+    ```json
+    {{
+      "strength": "...",
+      "weakness": "..."
+    }}
+    """)
+    formatted = prompt.format(ranked_goals=results)
+    response = llm.invoke(formatted)
+    return extract_json(response.content, "strength_weakness")
+
+
+
+
+# 목표별 도전과제 추천
+async def get_goal_challenges(user_id: str, goal: str):
+    # 한글 목표명을 ENUM 값으로 매핑
+    category_enum = GOAL_TO_ENUM.get(goal, None)
+    if category_enum is None:
+        return {"error": f"❌ goal '{goal}'은 지원되지 않음"}
+
+    query = f"""
+    SELECT t.content, t.is_completed, t.start_date, t.end_date
+    FROM todos t
+    JOIN categories c ON t.category_id = c.id
+    WHERE t.user_id = '{user_id}' AND c.category_name = '{category_enum}'
+      AND (t.start_date >= CURRENT_DATE - INTERVAL '6 months' OR t.end_date >= CURRENT_DATE - INTERVAL '6 months')
+    ORDER BY t.start_date DESC;
+    """
+
+    results = db.run(query)
+
+    prompt = PromptTemplate.from_template("""
+    당신은 도전과제를 기획하는 전문가입니다.
+
+    선택된 목표: '{goal}'
+    최근 기록된 활동 내역(최대 6개월 기준, 실제 기록이 적을 수 있음):
+    {todo_info}
+
+    활동 내용을 기반으로 새로운 도전과제를 하나 추천할 것. 
+    단, 기록이 부족한 경우에는 격려 문구를 포함한 실현 가능한 추천을 생성할 것.
+    도전과제는 다음 기준을 충족해야 함:
+
+    - 활동과 연관된 자격증, 시험, 수료증, 경진대회 등 실질적인 성취로 연결될 것
+    - 사용자가 모르고 있을 수 있는 정보도 포함 가능
+    - 예: 파이썬 → 정보처리기사, 크롤링 → 데이터 분석 전문가, 영어 회화 → OPIC, 운동 → 요가 지도자 수료증 등
+    - 도전과제는 너무 거창하지 않으면서도 실현 가능하고, 자격증·공식 시험·현실성 있는 실습 챌린지 중심이어야 함.
+    - 모든 응답은 반드시 **자연스러운 한국어**로 작성할것. 영어나 외국어는 절대 사용하면 안됨.
+    - 아래 형식의 각 항목은 반드시 **간결하게**, 1~2문장 이내로 작성하며, 모든 문장은 존댓말로 작성할 것 (특히 reason과 motivation은 요점 중심으로 작성)
+
+    아래 JSON 형식으로 출력하세요:
+    ```json
+    {{
+      "title": "...",
+      "reason": "...",   ← 배경 설명 없이 추천 이유만 간단히
+      "motivation": "...",   ← 실천 유도 문장 위주, 핵심만 작성
+      "duration": "...",
+      "difficulty": "하/중/상"
+    }}
+    """)
+    formatted = prompt.format(goal=goal, todo_info=results)
+    response = llm.invoke(formatted)
+    return extract_json(response.content, f"{goal}_challenge")

app/llm/tools.py

@@ -0,0 +1,59 @@
+from langchain.schema import HumanMessage
+from app.llm.llm_provider import get_agent
+
+
+# 프롬프트 템플릿
+# 사용자 입력을 4가지 유형 중 하나로 분류하기 위한 가이드
+INTENT_GUIDANCE = """
+다음은 사용자의 요청 유형을 분류하는 기준이야야. 분류는 반드시 다음 4개 중 하나로만 해줘줘:
+
+1. 피드백: 사용자의 활동이나 학습 결과에 대한 평가, 코칭, 잘하고 있는지 질문하는 경우
+2. 로드맵: 앞으로 무엇을 해야 할지, 계획/단계 추천을 요청하는 경우
+3. 멘탈케어: 감정적 표현이 포함된 경우 (예: 지쳤다, 힘들다, 위로받고 싶다)
+4. 확장 요청: 문제를 만들어달라, 예시 보여달라, 시험/정보를 요청하는 등의 경우
+
+사용자의 입력을 기반으로 위 4가지 중 가장 적절한 하나를 골라. 단어 그대로 "피드백", "로드맵", "멘탈케어", "확장 요청" 중 하나만 답변하도록 해.
+"""
+
+# 목표(goal)에 따라 입력 요청을 분류하기 위한 템플릿 (문제 생성 / 정보 제공 / 일반 요청)
+GOAL_FUNCTION_GUIDANCE_TEMPLATE = """
+너는 '{goal}' 분야의 전문 AI 코치야.
+사용자의 요청이 아래 유형 중 하나인지 판단해줘:
+
+- 문제 생성: 퀴즈, 예시 문제, 테스트 요청
+- 정보 제공: 자격증, 시험, 실습, 동작 등에 대한 구체적인 정보 요청
+- 일반 요청: 일상 대화, 피드백, 코칭 등 자유로운 조언
+
+반드시 다음 중 하나로만 응답해: 문제 생성 / 정보 제공 / 일반 요청
+"""
+
+
+
+# Intent 분석 함수 (대화 목적 분류)
+"""
+사용자의 입력 문장을 기반으로 '의도(intent)'를 분류함.
+'피드백', '로드맵', '멘탈케어', '확장 요청' 중 하나로 분류됨
+"""
+def detect_intent(user_input: str) -> str:
+    llm = get_agent()
+    response = llm.invoke([
+        HumanMessage(content=INTENT_GUIDANCE),
+        HumanMessage(content=user_input)
+    ])
+    return response.content.strip()
+
+
+
+# Goal Function 분석 함수 (특수 요청 분류)
+"""
+사용자의 입력 문장을 기반으로 목표(goal)에 맞는 요청의 유형을 분류
+'문제 생성', '정보 제공', '일반 요청' 중 하나로 응답
+"""
+def detect_goal_function(user_input: str, goal: str) -> str:
+    llm = get_agent()
+    guidance = GOAL_FUNCTION_GUIDANCE_TEMPLATE.format(goal=goal)
+    response = llm.invoke([
+        HumanMessage(content=guidance),
+        HumanMessage(content=user_input)
+    ])
+    return response.content.strip()