오류: LLM 연결 테스트

npc_social_network/models/llm_helper.py

@@ -0,0 +1,35 @@
+# npc_social_network/models/llm_helper.py
+
+from npc_social_network.npc.emotion_config import EMOTION_LIST
+
+# 임시 LLM 호출 함수 예시 (Gemini / GPT 연결 가능)
+def query_llm_for_response(npc_name, npc_job, user_input):
+    """
+    LLM을 통해 NPC 응답 생성
+    """
+
+    # 실제 구현시 Gemini API 호출 코드 사용 가능
+    prompt = f"""
+    NPC 이름: {npc_name}
+    NPC 직업: {npc_job}
+    플레이어가 다음과 같이 말했습니다. "{user_input}"
+
+    이에 대해 자연스럽고 친근한 한국어로 응답을 작성하세요.
+    """
+    # 예시 응답 (추후 LLM 연결 시 교체)
+    return f"{npc_name}이(가) 대답했습니다: '네, 정말 흥미롭네요!'"
+
+def query_llm_for_emotion(user_input):
+    """
+    LLM을 통해 플레이어 입력에서 감정 추출
+    """
+    prompt = f"""
+    플레이어 입력: "{user_input}"
+
+    아래 감정 리스트 중 가장 잘 해당되는 감정을 한 개만 골라 반환하세요.
+    감정 리스트: {', '.join(EMOTION_LIST)}
+
+    반드시 감정 이름을 한 개만 출력하세요. (예: joy)
+    """
+    # 예시 결과 (추후 LLM 연결 시 교체)
+    return "joy"

npc_social_network/npc/emotion_config.py

@@ -135,4 +135,17 @@ PERSONALITY_TEMPLATE = {
     "complex_bias": 1.0,     # Complex emotion 영향
     "sensitive": 1.0,        # 전체 감정 반응 강도
     "stoic": 0.0             # 전체 감정 둔화 정도 (감쇠 가속도에 영향)
-}
+}
+
+# 관계에 긍/부정 영향으로 해석할 감정 매핑 정의 (논문 설계 기반 적용)
+POSITIVE_RELATION_EMOTIONS = [
+    "joy", "surprise", "gratitude", "pride", "love",
+    "admiration", "empathy", "comfort", "hope", "anticipatory_joy",
+    "calm", "engagement", "relief", "interest",
+]
+
+NEGATIVE_RELATION_EMOTIONS = [
+    "sadness", "anger", "fear", "disgust", "shame",
+    "guilt", "jealousy", "resentment", "regret", "schadenfreude",
+    "anxiety", "confusion", "skepticism", "boredom",
+]

npc_social_network/npc/npc_base.py

@@ -2,22 +2,9 @@
 from .npc_memory import Memory, MemoryStore
 from .npc_emotion import EmotionManager
 from .npc_behavior import BehaviorManager
-from .emotion_config import EMOTION_CATEGORY_MAP, EMOTION_DECAY_RATE, PERSONALITY_TEMPLATE
+from .emotion_config import EMOTION_LIST, EMOTION_CATEGORY_MAP, EMOTION_DECAY_RATE, PERSONALITY_TEMPLATE, POSITIVE_RELATION_EMOTIONS, NEGATIVE_RELATION_EMOTIONS
 from .npc_relationship import RelationshipManager
-import random
-
-# 관계에 긍/부정 영향으로 해석할 감정 매핑 정의 (논문 설계 기반 적용)
-POSITIVE_RELATION_EMOTIONS = [
-    "joy", "surprise", "gratitude", "pride", "love",
-    "admiration", "empathy", "comfort", "hope", "anticipatory_joy",
-    "calm", "engagement", "relief", "interest",
-]
-
-NEGATIVE_RELATION_EMOTIONS = [
-    "sadness", "anger", "fear", "disgust", "shame",
-    "guilt", "jealousy", "resentment", "regret", "schadenfreude",
-    "anxiety", "confusion", "skepticism", "boredom",
-]
+from ..models.llm_helper import query_llm_for_emotion, query_llm_for_response
 
 # NPC 클래스 정의
 class NPC:
@@ -249,4 +236,31 @@ class NPC:
         """
         현재 NPC 감정 상태 상위 N개 반환
         """
-        return self.emotion.get_top_emotions(top_n=top_n)
+        return self.emotion.get_top_emotions(top_n=top_n)
+    
+    def interact_with_player(self, user_input:str, player_name:str="플레이어"):
+        """
+        플레이어 입력에 반응 (LLM 기반 응답 생성 + Memory/Emotion/관계 반영)
+        """
+        # 1. LLM 응답 생성
+        npc_reply = query_llm_for_response(self.name, self.job, user_input)
+
+        # 2. LLM 감정 추출
+        dominant_emotion = query_llm_for_emotion(user_input)
+
+        # 3. Memory 기록
+        self.remember(
+            content = f"[플레이어:{player_name}] '{user_input}' → [NPC:{self.name}] '{npc_reply}'",
+            importance = 7, # 플레이어 상호작용은 높은 중요도로 저장(나중에 내용에 따라 변경하도록 수정)
+            emotion = dominant_emotion
+        )
+
+        # 4. Emotion 반영
+        if dominant_emotion:
+            self.update_emotion(dominant_emotion, strength=2.0)
+
+        # 5. 관계 반영 (상호작용 기반 - 지금 상태면 긍정적인 관계만 반영되는거 아닌가?)
+        positive = dominant_emotion in POSITIVE_RELATION_EMOTIONS
+        self.interact_with(player_name, dominant_emotion, positive)
+
+        return npc_reply, dominant_emotion

npc_social_network/routes/npc_route.py

@@ -1,8 +1,6 @@
 # portfolio/npc_social_network/routes/npc_route.py
 from flask import Blueprint, render_template, request, jsonify
 from npc_social_network.models.npc_manager import npc_list
-from npc_social_network.models.deepseek_setup import load_deepseek
-from npc_social_network.models.openkollm_setup import load_openkollm
 from npc_social_network.models.gemini_setup import load_gemini
 
 npc_bp = Blueprint(
@@ -22,45 +20,59 @@ def home():
 @npc_bp.route("/chat", methods=['POST'])
 def chat():
     user_input = request.json.get("message")
-    npc_name = request.json.get('npc')
+    npc_name = request.json.get("npc")
     npc = npc_list[npc_name]
 
-    # 최근 기억과 성격, 관계 점수를 포함한 프롬프트 생성
-    recent_memory = npc.get_latest_memory()
-    memory_str = '\n'.join(
-        [f"User: {m['user']}\n{npc_name}: {m['npc']}" for m in recent_memory]
-    )
-
-    # 프롬프트 구성
-    prompt = f"""
-    당신은 이름이 {npc.name}이고, 성격은 "{npc.personality}"인 가상의 캐릭터입니다.
-
-    다음은 유저와 나눈 최근 대화입니다:
-    {memory_str if memory_str else "(대화 기록 없음)"}
-
-    지금 유저가 이렇게 말했습니다: "{user_input}"
-    이 말에 대해 당신은 {npc.name}으로서 자연스럽게 한국어로 답변하세요.
-    """
-
-    try:
-        response = llm.generate_content(prompt)
-        npc_reply = response.text.strip()
-    except Exception as e:
-        npc_reply = f"[에러 발생: {str(e)}]"
-
-    # NPC 기억에 대화 추가 및 관계 점수 업데이트
-    npc.remember_conversation(user_input, npc_reply)
-    npc.update_user_relationship(0.05) # 임시로 0.05 상승 (추후 감정 분석 등으로 조절)
-
-    # 다른 NPC에게 유저에 대한 정보 전달
-    for other_name, other_npc in npc_list.items():
-        if other_name != npc.name:
-            relation_score = npc.relationship_with_npcs.get(other_name, 0.0)
-            if relation_score > 0.5:
-                # 유저에 대한 인상이 전달됨
-                other_npc.update_user_relationship(0.02 * relation_score)
-
-    return jsonify({'response': npc_reply})
+    # 플레이어 상호 작용 진행
+    npc_reply, emotion = npc.interact_with_player(user_input, player_name = "플레이어")
+
+    return jsonify({
+        "npc_reply": npc_reply,
+        "dominant_emotion": emotion,
+        "memory_summary": npc.summarize_emotional_state(),
+        "relationship_with_player": npc.get_relationship_description("플레이어")
+    })
+
+    # user_input = request.json.get("message")
+    # npc_name = request.json.get('npc')
+    # npc = npc_list[npc_name]
+
+    # # 최근 기억과 성격, 관계 점수를 포함한 프롬프트 생성
+    # recent_memory = npc.get_latest_memory()
+    # memory_str = '\n'.join(
+    #     [f"User: {m['user']}\n{npc_name}: {m['npc']}" for m in recent_memory]
+    # )
+
+    # # 프롬프트 구성
+    # prompt = f"""
+    # 당신은 이름이 {npc.name}이고, 성격은 "{npc.personality}"인 가상의 캐릭터입니다.
+
+    # 다음은 유저와 나눈 최근 대화입니다:
+    # {memory_str if memory_str else "(대화 기록 없음)"}
+
+    # 지금 유저가 이렇게 말했습니다: "{user_input}"
+    # 이 말에 대해 당신은 {npc.name}으로서 자연스럽게 한국어로 답변하세요.
+    # """
+
+    # try:
+    #     response = llm.generate_content(prompt)
+    #     npc_reply = response.text.strip()
+    # except Exception as e:
+    #     npc_reply = f"[에러 발생: {str(e)}]"
+
+    # # NPC 기억에 대화 추가 및 관계 점수 업데이트
+    # npc.remember_conversation(user_input, npc_reply)
+    # npc.update_user_relationship(0.05) # 임시로 0.05 상승 (추후 감정 분석 등으로 조절)
+
+    # # 다른 NPC에게 유저에 대한 정보 전달
+    # for other_name, other_npc in npc_list.items():
+    #     if other_name != npc.name:
+    #         relation_score = npc.relationship_with_npcs.get(other_name, 0.0)
+    #         if relation_score > 0.5:
+    #             # 유저에 대한 인상이 전달됨
+    #             other_npc.update_user_relationship(0.02 * relation_score)
+
+    # return jsonify({'response': npc_reply})
 
 # npc 상태 정보 API
 @npc_bp.route('/npc_info', methods=['GET'])

requirements.txt

@@ -1,6 +1,5 @@
 accelerate==1.7.0
 annotated-types==0.7.0
-asttokens==3.0.0
 bitsandbytes==0.45.5
 blinker==1.9.0
 cachetools==5.5.2
@@ -8,82 +7,51 @@ certifi==2025.4.26
 charset-normalizer==3.4.2
 click==8.2.0
 colorama==0.4.6
-comm==0.2.2
-debugpy==1.8.13
-decorator==5.2.1
-exceptiongroup==1.3.0
-executing==2.2.0
 filelock==3.18.0
 Flask==3.1.1
 fsspec==2025.5.0
 google-ai-generativelanguage==0.6.15
-google-api-core==2.25.0rc1
-google-api-python-client==2.170.0
-google-auth==2.40.2
+google-api-core==2.25.0
+google-api-python-client==2.171.0
+google-auth==2.40.3
 google-auth-httplib2==0.2.0
 google-generativeai==0.8.5
 googleapis-common-protos==1.70.0
-grpcio==1.71.0
+grpcio==1.73.0
 grpcio-status==1.71.0
 httplib2==0.22.0
 huggingface-hub==0.32.0
 idna==3.10
-importlib_metadata==8.7.0
-ipykernel==6.29.5
-ipython==9.1.0
-ipython_pygments_lexers==1.1.1
 itsdangerous==2.2.0
-jedi==0.19.2
 Jinja2==3.1.6
-jupyter_client==8.6.3
-jupyter_core==5.7.2
 MarkupSafe==3.0.2
-matplotlib-inline==0.1.7
 mpmath==1.3.0
-nest-asyncio==1.6.0
 networkx==3.4.2
 numpy==2.2.6
-packaging==24.2
-parso==0.8.4
-pickleshare==0.7.5
 pillow==11.0.0
-platformdirs==4.3.7
-prompt_toolkit==3.0.50
 proto-plus==1.26.1
-protobuf==5.29.4
-psutil==7.0.0
-pure_eval==0.2.3
+protobuf==5.29.5
 pyasn1==0.6.1
 pyasn1_modules==0.4.2
 pydantic==2.11.5
 pydantic_core==2.33.2
 pygame==2.6.1
-Pygments==2.19.1
 pyparsing==3.2.3
-python-dateutil==2.9.0.post0
 python-dotenv==1.1.0
 pywin32==304
 PyYAML==6.0.2
-pyzmq==26.4.0
 regex==2024.11.6
 requests==2.32.3
 rsa==4.9.1
 safetensors==0.5.3
-six==1.17.0
-stack-data==0.6.3
 sympy==1.14.0
 tokenizers==0.21.1
 torch==2.7.0+cu118
 torchaudio==2.7.0+cu118
 torchvision==0.22.0+cu118
-tornado==6.4.2
 tqdm==4.67.1
-traitlets==5.14.3
 transformers==4.52.3
 typing-inspection==0.4.1
-typing_extensions==4.13.1
-uritemplate==4.1.1
+uritemplate==4.2.0
 urllib3==2.4.0
-wcwidth==0.2.13
 Werkzeug==3.1.3
-zipp==3.21.0