RAG 기반 캐릭터 대화 응답 시스템

한국어 캐릭터 간 대화 데이터를 벡터로 임베딩하고, 유사 문장을 검색해 OpenAI GPT 모델로 질문에 응답하는 시스템

---

✅ 주요 기능

• HuggingFace 임베딩 모델 nlpai-lab/KURE-v1 사용
• 캐릭터 대화 데이터 벡터화 → FAISS Vector DB 저장
• 유사 대화 검색 → GPT-4o 기반 응답 생성
• 실시간 문장 추가 및 벡터 업데이트 지원

---

⚙️ 실행 순서

1. 예시 대화 CSV 생성 (선택)
   → dialogue_make.py 실행 → conversation_dataset_expanded.csv 생성

2. FAISS 벡터 DB 생성
   → append_to_faiss.py 실행 → 대화 데이터를 벡터화하여 faiss_conversation_db_expanded/ 디렉토리에 저장

3. 질문 입력 후 응답 생성
   → rag_openai.py 실행 → 유사 대화 검색 후 GPT 모델을 통해 답변 생성

4. 실시간 대화 추가 반영 (선택)
   → append_to_faiss.py 내 add_message_to_index(speaker, dialogue) 함수 호출

5. 디버깅/확인 도구

   • embedding_model_verify.py: 임베딩 모델 차원 수 확인
   • vectordb_count.py: 벡터 DB 내 문장 수 확인

---

📂 주요 파일 설명

파일명	설명
dialogue_make.py	예시 대화 CSV 생성 스크립트
append_to_faiss.py	대화 데이터를 벡터화 및 FAISS DB 저장
rag_openai.py	질문을 받아 RAG 방식으로 응답 생성
embedding_model_verify.py	임베딩 차원 수 확인용
vectordb_count.py	벡터 DB 내 문장 수 확인

---

🧪 환경 설정

1. .env 파일 생성 OPENAI_API_KEY=your_openai_api_key HF_TOKEN=your_huggingface_token
2. 패키지 설치

pip install -r requirements.txt