feat: query prompt를 마크다운 형태로 관리

Author: nonegom

interface/streamlit_app.py

@@ -44,8 +44,8 @@ def summarize_total_tokens(data):
 
     # 결과 출력
     st.write("총 토큰 사용량:", total_tokens)
-    # st.write("결과:", res["generated_query"].content)
-    st.write("결과:", "\n\n```sql\n" + res["generated_query"] + "\n```")
+    st.write("결과:", res["generated_query"].content)
+    # st.write("결과:", "\n\n```sql\n" + res["generated_query"] + "\n```")
     st.write("결과 설명:\n\n", res["messages"][-1].content)
     st.write("AI가 재해석한 사용자 질문:\n", res["refined_input"].content)
     st.write("참고한 테이블 목록:", res["searched_tables"])

llm_utils/chains.py

@@ -4,6 +4,7 @@
 from .llm_factory import get_llm
 
 from dotenv import load_dotenv
+from prompt.template_loader import get_prompt_template
 import yaml
 
 env_path = os.path.join(os.getcwd(), ".env")
@@ -13,6 +14,7 @@
 else:
     print(f"⚠️  환경변수 파일(.env)이 {os.getcwd()}에 없습니다!")
 
+
 llm = get_llm(
     model_type="openai",
     model_name="gpt-4o-mini",
@@ -21,45 +23,12 @@
 
 
 def create_query_refiner_chain(llm):
+    prompt = get_prompt_template('query_refiner_prompt')
     tool_choice_prompt = ChatPromptTemplate.from_messages(
         [
-            (
-                "system",
-                """
-                당신은 데이터 분석 전문가(데이터 분석가 페르소나)입니다.
-                현재 subscription_activities, contract_activities, marketing_activities, 
-                sales_activities, success_activities, support_activities, trial_activities 데이터를 
-                보유하고 있으며, 사용자의 질문이 모호할 경우에도 우리가 가진 데이터를 기반으로 
-                충분히 답변 가능한 형태로 질문을 구체화해 주세요.
-
-                주의:
-                - 사용자에게 추가 정보를 요구하는 ‘재질문(추가 질문)’을 하지 마세요.
-                - 질문에 포함해야 할 요소(예: 특정 기간, 대상 유저 그룹, 분석 대상 로그 종류 등)가
-                  불충분하더라도, 합리적으로 추론해 가정한 뒤
-                  답변에 충분한 질문 형태로 완성해 주세요.
-
-                예시:
-                사용자가 "유저 이탈 원인이 궁금해요"라고 했다면,
-                재질문 형식이 아니라
-                "최근 1개월 간의 접속·결제 로그를 기준으로,
-                주로 어떤 사용자가 어떤 과정을 거쳐 이탈하는지를 분석해야 한다"처럼
-                분석 방향이 명확해진 질문 한 문장(또는 한 문단)으로 정리해 주세요.
-
-                최종 출력 형식 예시:
-                ------------------------------
-                구체화된 질문:
-                "최근 1개월 동안 고액 결제 경험이 있는 유저가 
-                행동 로그에서 이탈 전 어떤 패턴을 보였는지 분석"
-
-                가정한 조건:
-                - 최근 1개월치 행동 로그와 결제 로그 중심
-                - 고액 결제자(월 결제액 10만 원 이상) 그룹 대상으로 한정
-                ------------------------------
-                """,
-            ),
+            SystemMessagePromptTemplate.from_template(prompt),
             MessagesPlaceholder(variable_name="user_input"),
-            (
-                "system",
+            SystemMessagePromptTemplate.from_template(
                 """
                 위 사용자의 입력을 바탕으로
                 분석 관점에서 **충분히 답변 가능한 형태**로
@@ -76,10 +45,10 @@ def create_query_refiner_chain(llm):
 # QueryMakerChain
 def create_query_maker_chain(llm):
     # SystemPrompt만 yaml 파일로 불러와서 사용
-    prompt = load_prompt("../prompt/system_prompt.yaml", encoding="utf-8")
+    prompt = get_prompt_template('query_maker_prompt')
     query_maker_prompt = ChatPromptTemplate.from_messages(
         [
-            SystemMessagePromptTemplate.from_template(prompt.template),
+            SystemMessagePromptTemplate.from_template(prompt),
             (
                 "system",
                 "아래는 사용자의 질문 및 구체화된 질문입니다:",
@@ -101,21 +70,6 @@ def create_query_maker_chain(llm):
     return query_maker_prompt | llm
 
 
-def create_query_maker_chain_from_chat_promt(llm):
-    """
-    ChatPromptTemplate 형식으로 저장된 yaml 파일을 불러와서 사용 (코드가 간소화되지만, 별도의 후처리 작업이 필요) 
-    """
-    with  open("../prompt/create_query_maker_chain.yaml", "r", encoding="utf-8") as f:
-        chat_prompt_dict = yaml.safe_load(f)
-        
-    messages = chat_prompt_dict['messages']
-    template = messages[0]["prompt"].pop("template") if messages else None
-    template = [tuple(item) for item in template]
-    query_maker_prompt = ChatPromptTemplate.from_messages(template)
-    
-    return query_maker_prompt | llm
-        
-
 query_refiner_chain = create_query_refiner_chain(llm)
 query_maker_chain = create_query_maker_chain(llm)
 

llm_utils/graph.py

@@ -35,6 +35,7 @@ class QueryMakerState(TypedDict):
 
 # 노드 함수: QUERY_REFINER 노드
 def query_refiner_node(state: QueryMakerState):
+    print('query_refiner_node 진입 [md]')
     res = query_refiner_chain.invoke(
         input={
             "user_input": [state["messages"][0].content],
@@ -60,6 +61,7 @@ def get_table_info_node(state: QueryMakerState):
         )
     except:
         documents = get_info_from_db()
+        print("db_embedding 진입")
         db = FAISS.from_documents(documents, embeddings)
         db.save_local(os.getcwd() + "/table_info_db")
         print("table_info_db not found")
@@ -139,10 +141,10 @@ def query_maker_node_with_db_guide(state: QueryMakerState):
 # 노드 추가
 builder.add_node(QUERY_REFINER, query_refiner_node)
 builder.add_node(GET_TABLE_INFO, get_table_info_node)
-# builder.add_node(QUERY_MAKER, query_maker_node)  #  query_maker_node_with_db_guide
-builder.add_node(
-    QUERY_MAKER, query_maker_node_with_db_guide
-)  #  query_maker_node_with_db_guide
+builder.add_node(QUERY_MAKER, query_maker_node)  #  query_maker_node_with_db_guide
+# builder.add_node(
+#     QUERY_MAKER, query_maker_node_with_db_guide
+# )  #  query_maker_node_with_db_guide
 
 # 기본 엣지 설정
 builder.add_edge(QUERY_REFINER, GET_TABLE_INFO)

prompt/system_prompt.md renamed to prompt/query_maker_prompt.md

@@ -3,7 +3,7 @@
 당신은 데이터 분석 전문가(데이터 분석가 페르소나)입니다.
 사용자의 질문을 기반으로, 주어진 테이블과 컬럼 정보를 활용하여 적절한 SQL 쿼리를 생성하세요.
 
-# 주의사항:
+# 주의사항
 - 사용자의 질문이 다소 모호하더라도, 주어진 데이터를 참고하여 합리적인 가정을 통해 SQL 쿼리를 완성하세요.
 - 불필요한 재질문 없이, 가능한 가장 명확한 분석 쿼리를 만들어 주세요.
 - 최종 출력 형식은 반드시 아래와 같아야 합니다.
@@ -20,7 +20,4 @@
 ```plaintext (max_length_per_line=100)
     이 쿼리는 stg_users 테이블에서 고유한 사용자의 수를 계산합니다.
     사용자는 유니크한 user_id를 가지고 있으며
-    중복을 제거하기 위해 COUNT(DISTINCT user_id)를 사용했습니다.
-
-# Input Example
-{user_query}
+    중복을 제거하기 위해 COUNT(DISTINCT user_id)를 사용했습니다.

prompt/query_refiner_prompt.md

@@ -0,0 +1,32 @@
+# Role
+
+당신은 데이터 분석 전문가(데이터 분석가 페르소나)입니다.
+현재 subscription_activities, contract_activities, marketing_activities, 
+sales_activities, success_activities, support_activities, trial_activities 데이터를 
+보유하고 있으며, 사용자의 질문이 모호할 경우에도 우리가 가진 데이터를 기반으로 
+충분히 답변 가능한 형태로 질문을 구체화해 주세요.
+
+# 주의사항:
+- 사용자에게 추가 정보를 요구하는 ‘재질문(추가 질문)’을 하지 마세요.
+- 질문에 포함해야 할 요소(예: 특정 기간, 대상 유저 그룹, 분석 대상 로그 종류 등)가
+    불충분하더라도, 합리적으로 추론해 가정한 뒤
+    답변에 충분한 질문 형태로 완성해 주세요.
+예시:
+사용자가 "유저 이탈 원인이 궁금해요"라고 했다면,
+재질문 형식이 아니라
+"최근 1개월 간의 접속·결제 로그를 기준으로,
+주로 어떤 사용자가 어떤 과정을 거쳐 이탈하는지를 분석해야 한다"처럼
+분석 방향이 명확해진 질문 한 문장(또는 한 문단)으로 정리해 주세요.
+
+# Output Example
+
+최종 출력 형식 예시:
+------------------------------
+구체화된 질문:
+"최근 1개월 동안 고액 결제 경험이 있는 유저가 
+행동 로그에서 이탈 전 어떤 패턴을 보였는지 분석"
+
+가정한 조건:
+- 최근 1개월치 행동 로그와 결제 로그 중심
+- 고액 결제자(월 결제액 10만 원 이상) 그룹 대상으로 한정
+------------------------------