# RAG 기반 QA 챗봇

엑셀 Q&A 데이터를 기반으로 동작하는 RAG(Retrieval Augmented Generation) 챗봇 API 서버입니다.

---

## 구조

```
qa_raw.jsonl → Embedding(게이트웨이) → Qdrant 벡터DB
                                         ↕
        FastAPI 서버 (api :28012, admin :28013)
                                         ↕
            모델 게이트웨이 (LLM / Embedding / Reranker, HTTPS)
```

- **벡터 스토어**: Qdrant 단일 구성 (FAISS 미사용). 벡터는 `./qdrant_data`에 영속.
- **모델**: LLM·임베딩·리랭커를 통합 게이트웨이(HTTPS + Bearer 인증)로 호출.
- **서비스**: `api`(Agent `/agent/chat`) + `admin`(벡터DB 큐레이션 검색/추가/수정/삭제).

### Agent `/agent/chat`

| 경로 | 오케스트레이션 | 설명 |
|------|----------------|------|
| `POST /agent/chat` | RAG `AgentService`가 **LLM tool loop** 로 자체 오케스트레이션 | `rag_search`·domain tool·`ask_user`를 스스로 선택. 환각/일관성 안전망(강제 rag·guidance·도메인 가드·검색어 맥락화·clarify 이력) 포함 |

최종 문장은 `PromptBuilder`로 생성해 Admin·Web·Agent 답변을 일관되게 유지합니다. Agent 상세: [`../docs/AGENT_ARCHITECTURE.md`](../docs/AGENT_ARCHITECTURE.md) · 프롬프트: [`../docs/PROMPTS.md`](../docs/PROMPTS.md).

---

## 문서

| 파일 | 설명 |
|------|------|
| `PROCESS_FLOW.md` | 전체 프로세스 흐름 (qa_raw.jsonl → Qdrant → 질문 처리) |
| `DOCKER_COMMANDS.md` | Docker 실행·재기동·트러블슈팅 (Qdrant 기준) |
| `VECTORDB_ADMIN_API.md` | 큐레이션 어드민 API 명세 (웹 개발자용) |
| `env.template` | 환경변수 설정 템플릿 |

---

## 빠른 시작

```bash
# 1. 입력 데이터 배치 (q/a + source/source_id 권장)
#    data/qa_raw.jsonl

# 2. 환경설정
cp env.template .env
# .env 에서 MODEL_API_KEY(게이트웨이 키) 등 입력

# 3. 실행 (qdrant → embed 적재 → api + admin)
docker compose -f docker-compose-slim.yml up -d --no-build
```

자세한 내용은 `DOCKER_COMMANDS.md` 참고.

---

## API 엔드포인트

```
# 챗봇 (api, 28012)
GET  /health      헬스체크
POST /agent/chat  Agent tool-calling loop (Skill agent.mode=agent)

# 큐레이션 어드민 (admin, 28013)
GET  /                    웹 UI
POST /api/search          의미 검색
POST /api/keyword-search  문자열 포함 검색
GET  /api/points          목록
POST /api/points          추가   (PUT 수정 / DELETE 삭제)
```

```bash
curl -X POST http://localhost:28012/agent/chat \
  -H "Content-Type: application/json" \
  -d '{"query": "질문 내용", "botId": "user-001"}'
```