LLM-RAG

핵심 플로우

사용자 질문 → RAG 검색 → 답변 생성 →  응답

src/
├── 📁 core/                 # 핵심 비즈니스 로직
│   └── embedding.py        # 벡터 DB 생성
├── 📁 handlers/             # 이벤트/요청 처리
│   ├── document_loader.py  # 문서 로더 (Upstage Document Parse, GPT OCR 사용)
│   └── new_document_loader.py # 문서 로더 (Plumber + camelot 사용)
├── 📁 tests/                # 테스트 파일
│   ├── pdf_test.py          # PDF 텍스트 추출 테스트
├── 📁 utils/                # 공통 유틸리티
│   └── loader_modules.py    
└── main.py                 # retriever를 통한 답변 생성

운영 가이드

vectordb 확인

• vectordb를 디렉토리 최상의 루트에 경로 지정

시작 방법(로컬 진행)

# 환경 설정
pipenv shell
pipenv install

# 실행
python -m src.main

시작 방법(FastAPI)

# 환경 설정
pipenv shell
pipenv install


# 실행
python main.py

시작 방법(Redis)

# docker 실행
docker-compose up -d

# 모니터링
Redis 컨테이너 접속:
docker exec -it chatbot-redis redis-cli -a "비밀번호"

현재 대화 중인 유저 목록 보기:
KEYS conversation:*

모니터링 포인트

• ✅ RAG 리소스 초기화: "RAG 리소스 로드 완료" 메시지 확인
• ✅ RAG Retriever 진행 시 문서 및 답변 확인