first

.gitignore

@@ -0,0 +1,5 @@
+.venv
+.idea
+chroma_db
+models
+*.iml

download_embed.py

@@ -0,0 +1,16 @@
+from sentence_transformers import SentenceTransformer
+model = SentenceTransformer('all-MiniLM-L6-v2')
+model.save('./all-MiniLM-L6-v2')
+
+# # HF CLI 설치 (처음 한 번만)
+# pip install huggingface_hub
+#
+# # 로그인 (오프라인 사용 전 한 번만 필요)
+# huggingface-cli login  # 토큰 입력 (https://huggingface.co/settings/tokens)
+#
+# # 모델 로컬 저장
+# huggingface-cli download Qwen/Qwen3-0.6B --local-dir ./Qwen3-0.6B --local-dir-use-symlinks False
+#
+#
+#
+# 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

manual.py

@@ -0,0 +1,147 @@
+import os
+
+import torch
+from sentence_transformers import SentenceTransformer
+import chromadb
+from chromadb.utils import embedding_functions
+from transformers import pipeline, AutoTokenizer, AutoModelForCausalLM
+from fastapi import FastAPI
+
+# 2. 벡터 DB 설정
+persist_directory = "./chroma_db"
+chroma_client = chromadb.PersistentClient(path=persist_directory)
+
+# ✅ Chroma 전용 임베딩 함수 사용 (오류 방지)
+sentence_transformer_ef = embedding_functions.SentenceTransformerEmbeddingFunction(
+    model_name="all-MiniLM-L6-v2"
+)
+
+# 컬렉션 생성
+collection = chroma_client.get_or_create_collection(
+    name="manuals",
+    embedding_function=sentence_transformer_ef  # ← 여기가 핵심!
+)
+
+_model = None
+_tokenizer = None
+
+def get_qwen_model() :
+    global _model, _tokenizer
+    if _model is None:
+        model_name = "Qwen/Qwen3-0.6B"
+        _tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)
+        _model = AutoModelForCausalLM.from_pretrained(
+            model_name,
+            torch_dtype=torch.float32,  # CPU 안정성
+            device_map="auto",
+            trust_remote_code=True
+        )
+    return _model, _tokenizer
+
+def init(job: str) :
+    print(f'{job} init start')
+    # 1. 문서 준비 (실제로는 PDF/Word 등에서 추출)
+    manuals = [
+        "지출 결의서는 사용 목적, 금액, 일자, 증빙 서류를 반드시 첨부하여 전자 결재 시스템에 등록해야 합니다.",
+        "월말 마감은 매월 25일부터 시작되며, 모든 부서는 28일까지 비용 집행 내역을 최종 확정해야 합니다.",
+        "외화 송금은 반드시 외환관리부의 사전 승인을 받은 후 금융팀을 통해 진행되어야 하며, 계약서 사본을 첨부해야 합니다.",
+        "세금계산서는 발행일로부터 10일 이내에 ERP에 등록되지 않으면 비용 처리가 불가합니다.",
+        "장기자산(차량, 사무기기 등)은 매년 1월에 정기 감가상각 점검을 받아야 하며, 자산관리부서가 이를 주관합니다.",
+        "현금 보관은 원칙적으로 금지되며, 불가피한 경우는 금고 보관 후 당일 중 재무팀에 입금 처리해야 합니다.",
+        "연말 정산 대상 직원은 매년 12월 10일까지 개인 소득공제 자료를 인사 시스템에 제출해야 합니다.",
+        "예산 초과 지출은 사전에 재무부와 협의 후 예산 조정 승인을 받아야 하며, 미승인 시 결재가 거부됩니다.",
+        "재무 제표 초안은 분기 마감 후 5영업일 이내에 감사법인에 제출되어야 하며, 최종 승인은 CFO가 담당합니다.",
+    ]
+
+    # 문서 ID 생성 및 추가
+    doc_ids = [f"DOC_{job}_{i}" for i in range(len(manuals))]
+    # collection.add(documents=manuals, ids=doc_ids)
+    collection.add(
+        documents=manuals,
+        ids=doc_ids,
+        metadatas=[{"source": "fi_manual_v1.pdf", "version":1.0, "dept": job} for _ in doc_ids]
+    )
+
+    print(f'{job} init end')
+
+# 3. 질의 처리
+def query_and_summarize(job: str, query: str, top_k: int = 3):
+
+    # 관련 문서 검색
+    results = collection.query(
+        query_texts=[query],
+        n_results=5,
+        where={"dept": job}
+    )
+    # results = collection.query(query_texts=[query], n_results=top_k)
+    cosine_similarities = [1 - d for d in results['distances'][0]]
+    print("유사도:", cosine_similarities)
+    # 출력 예: [0.610, 0.473, 0.154, 0.142]
+
+    context_with_score = ""
+    for i, (doc, dist) in enumerate(zip(results['documents'][0], results['distances'][0])):
+        sim = 1 - dist
+        context_with_score += f"[문서 {i+1} | 유사도: {sim:.3f}]\n{doc}\n\n"
+
+    print(context_with_score)
+    print("\n\n\n\n\n")
+    top_doc = results['documents'][0][0]
+
+    # ✅ 명시적으로 모델과 토크나이저 로드
+    model, tokenizer = get_qwen_model()
+
+    messages = [
+        {"role": "system", "content": "당신은 회사 재무/회계 업무 전문 어시스턴트입니다. 문서 내용은 그대로 사용자에게 보여 줘야 하며 이를 기반으로 부가설명을 정확하고 상세하게 답변하세요."},
+        {"role": "user", "content": f"다음 문서를 참고하세요:\n{top_doc}\n\n질문: {query}"}
+    ]
+
+    text = tokenizer.apply_chat_template(
+        messages,
+        tokenize=False,
+        add_generation_prompt=True,
+        enable_thinking=False # Switches between thinking and non-thinking modes. Default is True.
+    )
+    model_inputs = tokenizer([text], return_tensors="pt").to(model.device)
+
+    # conduct text completion
+    generated_ids = model.generate(
+        **model_inputs,
+        max_new_tokens=500
+    )
+    output_ids = generated_ids[0][len(model_inputs.input_ids[0]):].tolist()
+
+    # parsing thinking content
+    try:
+        # rindex finding 151668 (</think>)
+        index = len(output_ids) - output_ids[::-1].index(151668)
+    except ValueError:
+        index = 0
+
+    thinking_content = tokenizer.decode(output_ids[:index], skip_special_tokens=True).strip("\n")
+    end_think_id = tokenizer.convert_tokens_to_ids("</think>")
+    if end_think_id in output_ids:
+        idx = len(output_ids) - output_ids[::-1].index(end_think_id)
+    else:
+        idx = 0
+    content = tokenizer.decode(output_ids[idx:], skip_special_tokens=True).strip()
+
+    print(top_doc)
+    print("\n\n\n\n\n")
+    print("thinking content:", thinking_content)
+    print("\n\n\n\n\n")
+    return content
+
+app = FastAPI()
+
+@app.get("/")
+def question(query: str) :
+    user_query = query
+    answer = query_and_summarize(job="FI", query=user_query)
+    return {"answer": answer}
+
+# 예시 사용
+if __name__ == "__main__":
+    # init(job="FI")
+    # FI : 재무 HR : 인사
+    print('1')
+# 실행방법 uvicorn manual:app --reload

offline_manual.py

@@ -0,0 +1,159 @@
+import os
+
+import torch
+from sentence_transformers import SentenceTransformer
+import chromadb
+from chromadb.utils import embedding_functions
+from transformers import pipeline, AutoTokenizer, AutoModelForCausalLM
+from fastapi import FastAPI
+
+# # === 경로 설정 (모두 로컬) ===
+QWEN_MODEL_PATH = "./models/Qwen3-0.6B"
+EMBEDDING_MODEL_PATH = "./models/all-MiniLM-L6-v2"
+
+# 2. 벡터 DB 설정
+persist_directory = "./chroma_db"
+chroma_client = chromadb.PersistentClient(path=persist_directory)
+
+
+embedding_fn = embedding_functions.SentenceTransformerEmbeddingFunction(
+    model_name=EMBEDDING_MODEL_PATH,  # ← 로컬 폴더 경로 가능
+    device="cpu"
+)
+
+collection = chroma_client.get_or_create_collection(
+    name="manuals",
+    embedding_function=embedding_fn
+)
+
+_model = None
+_tokenizer = None
+
+def get_qwen_model() :
+    global _model, _tokenizer
+    if _model is None:
+        model_name = "Qwen/Qwen3-0.6B"
+        _tokenizer = AutoTokenizer.from_pretrained(
+            QWEN_MODEL_PATH,
+            trust_remote_code=True,
+            local_files_only=True       # 🔒 오프라인 강제
+        )
+        _model = AutoModelForCausalLM.from_pretrained(
+            QWEN_MODEL_PATH,
+            torch_dtype=torch.float32,  # CPU 안정성
+            device_map="auto",
+            trust_remote_code=True,
+            local_files_only=True       # 🔒 오프라인 강제
+        )
+    return _model, _tokenizer
+
+def init(job: str) :
+    print(f'{job} init start')
+    # 1. 문서 준비 (실제로는 PDF/Word 등에서 추출)
+    manuals = [
+        "지출 결의서는 사용 목적, 금액, 일자, 증빙 서류를 반드시 첨부하여 전자 결재 시스템에 등록해야 합니다.",
+        "월말 마감은 매월 25일부터 시작되며, 모든 부서는 28일까지 비용 집행 내역을 최종 확정해야 합니다.",
+        "외화 송금은 반드시 외환관리부의 사전 승인을 받은 후 금융팀을 통해 진행되어야 하며, 계약서 사본을 첨부해야 합니다.",
+        "세금계산서는 발행일로부터 10일 이내에 ERP에 등록되지 않으면 비용 처리가 불가합니다.",
+        "장기자산(차량, 사무기기 등)은 매년 1월에 정기 감가상각 점검을 받아야 하며, 자산관리부서가 이를 주관합니다.",
+        "현금 보관은 원칙적으로 금지되며, 불가피한 경우는 금고 보관 후 당일 중 재무팀에 입금 처리해야 합니다.",
+        "연말 정산 대상 직원은 매년 12월 10일까지 개인 소득공제 자료를 인사 시스템에 제출해야 합니다.",
+        "예산 초과 지출은 사전에 재무부와 협의 후 예산 조정 승인을 받아야 하며, 미승인 시 결재가 거부됩니다.",
+        "재무 제표 초안은 분기 마감 후 5영업일 이내에 감사법인에 제출되어야 하며, 최종 승인은 CFO가 담당합니다.",
+    ]
+
+    # 문서 ID 생성 및 추가
+    doc_ids = [f"DOC_{job}_{i}" for i in range(len(manuals))]
+    # collection.add(documents=manuals, ids=doc_ids)
+    collection.add(
+        documents=manuals,
+        ids=doc_ids,
+        metadatas=[{"source": "fi_manual_v1.pdf", "version":1.0, "dept": job} for _ in doc_ids]
+    )
+
+    print(f'{job} init end')
+
+# 3. 질의 처리
+def query_and_summarize(job: str, query: str, top_k: int = 3):
+
+    # 관련 문서 검색
+    results = collection.query(
+        query_texts=[query],
+        n_results=5,
+        where={"dept": job}
+    )
+    # results = collection.query(query_texts=[query], n_results=top_k)
+    cosine_similarities = [1 - d for d in results['distances'][0]]
+    print("유사도:", cosine_similarities)
+    # 출력 예: [0.610, 0.473, 0.154, 0.142]
+
+    context_with_score = ""
+    for i, (doc, dist) in enumerate(zip(results['documents'][0], results['distances'][0])):
+        sim = 1 - dist
+        context_with_score += f"[문서 {i+1} | 유사도: {sim:.3f}]\n{doc}\n\n"
+
+    print(context_with_score)
+    print("\n\n\n\n\n")
+    top_doc = results['documents'][0][0]
+
+    # ✅ 명시적으로 모델과 토크나이저 로드
+    model, tokenizer = get_qwen_model()
+
+    messages = [
+        {"role": "system", "content": "당신은 회사 재무/회계 업무 전문 어시스턴트입니다. 문서 내용은 그대로 사용자에게 보여 줘야 하며 이를 기반으로 부가설명을 정확하고 상세하게 답변하세요."},
+        {"role": "user", "content": f"다음 문서를 참고하세요:\n{top_doc}\n\n질문: {query}"}
+    ]
+
+    text = tokenizer.apply_chat_template(
+        messages,
+        tokenize=False,
+        add_generation_prompt=True,
+        enable_thinking=True # Switches between thinking and non-thinking modes. Default is True.
+    )
+    model_inputs = tokenizer([text], return_tensors="pt").to(model.device)
+
+    # conduct text completion
+    generated_ids = model.generate(
+        **model_inputs,
+        max_new_tokens=500
+    )
+    output_ids = generated_ids[0][len(model_inputs.input_ids[0]):].tolist()
+
+    # parsing thinking content
+    try:
+        # rindex finding 151668 (</think>)
+        index = len(output_ids) - output_ids[::-1].index(151668)
+    except ValueError:
+        index = 0
+
+    thinking_content = tokenizer.decode(output_ids[:index], skip_special_tokens=True).strip("\n")
+    end_think_id = tokenizer.convert_tokens_to_ids("</think>")
+    if end_think_id in output_ids:
+        idx = len(output_ids) - output_ids[::-1].index(end_think_id)
+    else:
+        idx = 0
+    content = tokenizer.decode(output_ids[idx:], skip_special_tokens=True).strip()
+
+    print(top_doc)
+    print("\n\n\n\n\n")
+    print("thinking content:", thinking_content)
+    print("\n\n\n\n\n")
+    return content
+
+app = FastAPI()
+
+@app.get("/")
+def question(query: str) :
+    print(1)
+    answer = query_and_summarize(job="FI", query=query)
+    return {"answer": answer}
+
+# 예시 사용
+if __name__ == "__main__":
+    # init(job="FI")
+    # FI : 재무 HR : 인사
+    print(1)
+    user_query = "외화 송금 방법?"
+    # answer = query_and_summarize(job="FI", query=user_query)
+    # print(answer)
+    # 실행방법 uvicorn manual:app --reload