shinalok
a05d2f474e
- td_knowledge_graph 테이블 (user_id, subject, relation, object 트리플) - GraphService: MultiDiGraph 인메모리 캐시 + MySQL 영속화 - add_relation / query_entity LangChain 도구 - call_model에 그래프 요약 자동 주입 (시스템 프롬프트) - GRAPH_ENABLED=true 환경변수로 활성화 - requirements.txt에 networkx>=3.0 추가 Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
104 lines
4.6 KiB
Python
104 lines
4.6 KiB
Python
from pydantic_settings import BaseSettings, SettingsConfigDict
|
|
|
|
|
|
class Config(BaseSettings):
|
|
model_config = SettingsConfigDict(
|
|
env_file=".env",
|
|
env_file_encoding="utf-8",
|
|
frozen=True,
|
|
extra="ignore",
|
|
)
|
|
|
|
# LLM
|
|
model_id: str = "mlx-community/Qwen3-14B-4bit"
|
|
max_tokens: int = 1024
|
|
max_history_turns: int = 10
|
|
compact_threshold: int = 20
|
|
enable_thinking: bool = True
|
|
think_verbose: bool = False
|
|
|
|
# MySQL
|
|
db_host: str = "localhost"
|
|
db_port: int = 3306
|
|
db_name: str = "youlbot"
|
|
db_user: str = ""
|
|
db_password: str = ""
|
|
|
|
# Qdrant
|
|
qdrant_url: str = "http://localhost:6333"
|
|
qdrant_collection: str = "youlbot_docs"
|
|
|
|
# Embedding
|
|
embedding_model_id: str = "BAAI/bge-m3"
|
|
embedding_device: str = "mps"
|
|
|
|
# RAG
|
|
rag_top_k: int = 3
|
|
semantic_breakpoint_threshold_type: str = "percentile" # percentile | standard_deviation | interquartile | gradient
|
|
semantic_buffer_size: int = 1 # 인접 문장 몇 개를 묶어 임베딩할지 (1=단일 문장, 2=전후 1문장 포함)
|
|
|
|
# Reranker (RERANKER_ENABLED=true 시 활성화)
|
|
reranker_enabled: bool = False
|
|
reranker_model_id: str = "cross-encoder/mmarco-mMiniLMv2-L12-H384-v1" # 한국어 지원 다국어 모델
|
|
reranker_fetch_k: int = 10 # rerank 전 벡터 검색 후보 수 (rag_top_k보다 커야 함)
|
|
|
|
# Hybrid Search (Phase 18) — BM25 + Vector
|
|
hybrid_search_enabled: bool = False
|
|
sparse_model_id: str = "Qdrant/bm25" # fastembed sparse 모델 (언어 무관 BM25)
|
|
|
|
# Query Rewriting (Phase 19) — 구어체 질문을 검색 최적화 쿼리로 변환
|
|
query_rewrite_enabled: bool = False
|
|
|
|
# REST API (Phase 22) — 빈 문자열이면 인증 스킵 (개발 모드)
|
|
api_token: str = ""
|
|
rag_verbose: bool = False
|
|
rag_show_sources: bool = False
|
|
langgraph_verbose: bool = False
|
|
|
|
# Voice (Phase 14)
|
|
whisper_model_size: str = "small"
|
|
tts_voice: str = "Yuna" # macOS say 명령어 한국어 음성
|
|
|
|
# Vision (Phase 17)
|
|
vision_enabled: bool = False
|
|
vision_model_id: str = "mlx-community/Qwen2.5-VL-7B-Instruct-4bit"
|
|
vision_max_tokens: int = 512
|
|
|
|
# 지식 그래프 (IDEA-8) — GraphRAG
|
|
graph_enabled: bool = False
|
|
|
|
# CRAG — 검색 결과 없을 때 web_search 자동 fallback (IDEA-5)
|
|
crag_enabled: bool = False
|
|
|
|
# 대화 기반 자동 RAG 인덱싱 (IDEA-1)
|
|
conv_rag_enabled: bool = False
|
|
|
|
# Scheduler / Telegram 알림 (IDEA-2)
|
|
# TELEGRAM_BOT_TOKEN: BotFather에서 발급받은 봇 토큰
|
|
# TELEGRAM_USER_MAP: JSON 형식으로 user_id → Telegram chat_id 매핑
|
|
# 예) TELEGRAM_USER_MAP={"아록": "123456789", "근혜": "987654321"}
|
|
telegram_bot_token: str = ""
|
|
telegram_user_map: str = "{}"
|
|
|
|
system_prompt: str = """모든 사고 과정(thinking)과 답변은 반드시 한국어로만 작성하세요. 영어 사용 절대 금지.
|
|
|
|
당신의 이름은 '율봇'입니다. 친절하고 따뜻한 한국어 상담 도우미입니다.
|
|
육아와 금융 두 분야를 전문으로 합니다.
|
|
|
|
- 육아: 아이 발달, 이유식, 수면, 훈육, 교육 등 부모가 궁금해하는 모든 것을 도와드립니다.
|
|
- 금융: 저축, 투자, 보험, 대출, 세금 등 생활 금융 관련 질문에 답변드립니다.
|
|
|
|
항상 쉽고 친근한 말투로 설명하고, 전문 용어는 풀어서 설명합니다.
|
|
의학적 진단이나 법적 판단이 필요한 경우에는 반드시 전문가 상담을 권유합니다.
|
|
|
|
## 사용자 정보 기억 규칙
|
|
대화 중 사용자가 가족(아이 이름·생년, 배우자, 자녀 수 등), 직업, 거주지, 재정 목표, 건강 상황 등 개인 정보를 언급하면 즉시 remember_user_info로 저장하세요.
|
|
- 아이 나이는 생년월일 전체를 저장합니다. (예: key='첫째_이름' value='신도율' / key='첫째_생년월일' value='2020년 6월 19일')
|
|
- 사용자 정보 섹션에 나이가 표시되어 있으면 그 값을 그대로 사용하세요. 직접 계산하지 마세요.
|
|
- 나이를 직접 계산해야 할 경우에는 반드시 get_current_date 도구를 먼저 호출하여 오늘 날짜를 확인하세요.
|
|
- 나이는 항상 한국 나이와 만 나이를 함께 알려주세요. (한국 나이 = 현재 연도 - 출생 연도 + 1 / 만 나이 = 생일이 지났으면 현재 연도 - 출생 연도, 생일이 안 지났으면 -1)
|
|
|
|
## 문서 검색 규칙
|
|
육아·금융 관련 질문이라면 자신의 학습 지식으로 직접 답하지 말고, 반드시 search_documents 도구를 먼저 호출하세요.
|
|
검색 결과가 없거나 관련 문서가 등록되어 있지 않은 경우에만 학습 지식을 보조적으로 활용합니다."""
|