Piv!dZddlZddlZddlmZddlmZddlmZm Z eje Z defdZ dded ed edzdeeeeffd Z dded ed edzdeeeeffd Z dded ed eded edzdeeeeff dZy)u search.py Supabase knowledge base에 대한 의미 검색, 키워드 검색, 혼합 검색 기능을 제공한다. 의존성: - embedding_service.get_embedding: 텍스트 임베딩 벡터 생성 - supabase: 벡터 DB 및 전문 검색 구현 전략: - semantic_search: hybrid_search(semantic_weight=1.0, keyword_weight=0.0) - keyword_search: hybrid_search(semantic_weight=0.0, keyword_weight=1.0) - hybrid_search: Supabase RPC("hybrid_search") 직접 호출 N)Any) get_embedding)Client create_clientreturnc8tjjdxstjjd}tjjdxstjjd}|r|s tdt ||S)u 환경변수에서 Supabase 연결 정보를 읽어 클라이언트를 반환한다. Raises: ValueError: 필요한 환경변수가 설정되지 않은 경우. INSURO_SUPABASE_URLINSURO_NEW_SUPABASE_URLINSURO_NEW_SERVICE_ROLE_KEY INSURO_SUPABASE_SERVICE_ROLE_KEYz-Supabase URL and service role key must be set)osenvironget ValueErrorr)urlkeys >B[3\C **..6 7 m2::>>Jl;mC cHII c ""querylimit source_filterc t||dd|}g}|D](}|j|d|d|d|d|dd *t|d d S) u] 쿼리 텍스트의 임베딩 벡터를 사용하여 코사인 유사도 기반 의미 검색을 수행한다. 내부적으로 hybrid_search(semantic_weight=1.0, keyword_weight=0.0)를 호출한다. Args: query: 검색할 텍스트. limit: 반환할 최대 결과 수. 기본값 10. source_filter: knowledge_documents.source 기준 필터. None이면 전체 검색. Returns: 검색 결과 딕셔너리 목록. similarity 내림차순 정렬. 각 항목: {"content": str, "similarity": float, "source": str, "title": str, "document_id": str} ?)rrsemantic_weightkeyword_weightrcontent similaritysourcetitle document_idrrr r!r"c |dS)Nrxs rz!semantic_search..Ys !L/rTrreverse) hybrid_searchappendsorted)rrrresultssemantic_resultsrows rsemantic_searchr12s&# G.0  y>!,/h-W"=1      "(A4 PPrc tjd|dd|t}dgdz}|||dd|d}|jd|j }|j xsg}g}|D]} |j t| jd d t| jd dt| jd d t| jd d t| jdd d|stjd|dd |jdjdjd d|dj|j } | j } t| tr| ng} | D]K} |j t| jd d dd d t| jdd dM|S|S#t $r!} tj#d| Yd} ~ |Sd} ~ wwxYw)u 전문 검색(full-text search)을 사용하여 키워드 기반 검색을 수행한다. Supabase RPC("hybrid_search")를 semantic_weight=0.0, keyword_weight=1.0으로 호출한다. embedding 생성 없이 더미 벡터를 사용하여 키워드 전용 검색을 수행한다. Args: query: 검색할 키워드 텍스트. limit: 반환할 최대 결과 수. 기본값 10. source_filter: knowledge_documents.source 기준 필터. None이면 전체 검색. Returns: 검색 결과 딕셔너리 목록. 각 항목: {"content": str, "similarity": float, "source": str, "title": str, "document_id": str} u)keyword_search 호출: query=%r, limit=%dN2rir query_textquery_embedding match_countrrrr+rrr r!r"r#u<keyword_search: RPC 결과 없음, ILIKE fallback 시도: %rknowledge_chunkszid, document_id, content%g?uILIKE fallback 실패: %s)loggerdebugrrpcexecutedatar,strrfloatfrom_selectiliker isinstancelist Exceptionwarning)rrrsupabasedummy_embeddingparamsresponserowsr.r0fallback_response fallback_data fallback_rowsexcs rkeyword_searchrR\s( LL3 cr   $%H%(54H!)!4"D$&G  swwy"56#CGGL#$>?cggh34SWWWb12"377="#=>       SUZ[^\^U_` =1223yAeWA,/u .22MCMm]aCb-hjM$ #&swwy"'=#>&)"$!#'*377="+E'F  N N = NN6 < < N =sCG"" H +HH rrcbtjd|dd|||t|}t}||||||d}|j d|j }|j xsg} g} | D]} | jt| jddt| jdd t| jd d t| jd dt| jd dt| jd ddt| ddS)u 의미 검색과 키워드 검색을 결합한 혼합 검색을 수행한다. Supabase RPC("hybrid_search")를 호출하며, combined_score 내림차순으로 정렬하여 반환한다. Args: query: 검색할 텍스트. limit: 반환할 최대 결과 수. 기본값 10. semantic_weight: 의미 검색 가중치. 기본값 0.7. keyword_weight: 키워드 검색 가중치. 기본값 0.3. source_filter: knowledge_documents.source 기준 필터. None이면 전체 검색. Returns: 검색 결과 딕셔너리 목록. combined_score 내림차순 정렬. 각 항목: {"content": str, "similarity": float, "combined_score": float, "source": str, "title": str, "document_id": str} uShybrid_search 호출: query=%r, limit=%d, semantic_weight=%.2f, keyword_weight=%.2fNr3r4r+rr8rrcombined_scorer r!r")rrrTr r!r"c |dS)NrTr%r&s rr(zhybrid_search..s +;)<rTr)) r;r<rrr=r>r?r,r@rrAr-) rrrrrr6rIrKrLrMr.r0s rr+r+s'0 LL] cr   $E*O#%H**(& F||OV4<<>H!)!4"D$&G  swwy"56#CGGL#$>?"'0@#(F"Gcggh34SWWWb12"377="#=>      'r_s,  +*   8 $ #f #* $'Q 'Q 'Q:'Q $sCx. 'QX $R R R:R $sCx. Rn  $ >L >L >L>L >L : >L  $sCx. >Lr