RetrievalQA 와 LCEL 로 답하기

# 준비: "FAISS 벡터DB 에 저장하고 검색하기" 절과 같은 연습용 임베딩과 조항 네 개짜리 벡터DB
import zlib

from langchain_community.vectorstores import FAISS
from langchain_core.documents import Document
from langchain_core.embeddings import Embeddings


class BigramEmbeddings(Embeddings):
    """글자 두 개 묶음(바이그램)을 세어 숫자 목록을 만드는 연습용 임베딩"""

    def __init__(self, size=512):
        self.size = size

    def _vector(self, text):
        text = text.replace(" ", "").replace("\n", "")
        vec = [0.0] * self.size
        for i in range(len(text) - 1):
            # 글자 두 개를 crc32 로 0~511 사이의 칸 번호로 바꿔 그 칸을 1 올린다
            vec[zlib.crc32(text[i:i + 2].encode("utf-8")) % self.size] += 1.0
        norm = sum(v * v for v in vec) ** 0.5 or 1.0
        return [v / norm for v in vec]

    def embed_documents(self, texts):
        return [self._vector(t) for t in texts]

    def embed_query(self, text):
        return self._vector(text)


emb = BigramEmbeddings()
docs = [
    Document("제5조 출발 10일 전까지 취소하면 전액 돌려준다.", metadata={"article": "제5조"}),
    Document("제10조 국내선 상품은 15kg 짐 한 개가 포함된다.", metadata={"article": "제10조"}),
    Document("제12조 반려동물은 7kg 이하의 개와 고양이만 된다.", metadata={"article": "제12조"}),
    Document("제14조 여권의 남은 기간이 6개월 이상이어야 한다.", metadata={"article": "제14조"}),
]
db = FAISS.from_documents(docs, emb)

from langchain_classic.chains import RetrievalQA
from langchain_core.language_models.fake_chat_models import FakeListChatModel
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnablePassthrough

retriever = db.as_retriever(search_kwargs={"k": 2})
fake = FakeListChatModel(responses=["(가짜 답) 10일 전까지는 전액 돌려줍니다."] * 2)

# 옛 방식: from_chain_type 이 검색 → 이어 붙이기(stuff) → 모델을 한 번에 묶는다
qa = RetrievalQA.from_chain_type(llm=fake, retriever=retriever, return_source_documents=True)
out = qa.invoke({"query": "취소하면 돈을 돌려주나요?"})
print("RetrievalQA 의 열쇠:", list(out))
print("  근거:", [d.metadata["article"] for d in out["source_documents"]])


def format_docs(docs):
    """조각 목록을 '[조항] 내용' 줄로 이어 붙인다"""
    return "\n".join(f"[{d.metadata['article']}] {d.page_content}" for d in docs)


# 지금 방식: 사전의 두 칸을 동시에 채운 뒤 프롬프트 → 모델 → 글
prompt = ChatPromptTemplate.from_messages([
    ("system", "아래 약관으로만 답하라.\n{context}"),
    ("human", "{question}"),
])
chain = {"context": retriever | format_docs, "question": RunnablePassthrough()} | prompt | fake | StrOutputParser()
print("LCEL 의 답:", chain.invoke("취소하면 돈을 돌려주나요?"))