Temp Complete embedding

npc_social_network/npc/npc_memory_embedder.py

@@ -6,21 +6,25 @@ import faiss
 import os
 from .npc_memory import MemoryStore
 from .npc_base import NPC
+import re
 
 # 사전 훈련된 문장 임베딩 모델
 model = SentenceTransformer("all-MiniLM-L6-v2")
 
 # 문장 임베딩 저장 장소
-VECTOR_DIR = "portfolio/npc_social_network/data/vectorstores"
+BASE_DIR = os.path.dirname(os.path.abspath(__file__))
+VECTOR_DIR = os.path.join(BASE_DIR, "..", "data", "vectorstores")
 
 def memory_to_text(memory):
     """
-    Memoty 객체를 임베딩 가능한 텍스트 형태로 변환
+    Memory 객체를 임베딩 가능한 텍스트 형태로 변환
     """
     lines = [f"Content: {memory.content}"]
-    if memory.emotion:
+    if isinstance(memory.emotion, dict):
         emotion_str = ", ".join([f"{k}:{v:.2f}" for k, v in memory.emotion.items()])
         lines.append(f"Emotion: {emotion_str}")
+    else:
+        lines.append(f"Emotion: {memory.emotion}")
     lines.append(f"Importance: {memory.importance}")
     return " | ".join(lines)
 
@@ -39,13 +43,58 @@ def embed_npc_memories(npc: NPC):
     if not os.path.exists(VECTOR_DIR):
         os.makedirs(VECTOR_DIR)
 
-    memories = npc.memory.get_all()
+    memories = npc.memory_store.get_all_memories()
     texts = [memory_to_text(mem) for mem in memories]
     embeddings = model.encode(texts)
 
     index = faiss.IndexFlatL2(len(embeddings[0]))
     index.add(np.array(embeddings, dtype=np.float32))
 
-    faiss.write_index(index, f"{VECTOR_DIR}/{npc.name}")
+    safe_filename = sanitize_filename(npc.name)
+    save_path = os.path.join(VECTOR_DIR, f"{safe_filename}.faiss")
+    faiss.write_index(index, save_path)
 
-    print(f"[임베딩 완료] {npc.name}의 기억 {len(memories)}개를 벡터화하여 저장했습니다.")
+    print(f"[임베딩 완료] {npc.name}의 기억 {len(memories)}개를 벡터화하여 저장했습니다.")
+    print(f"[임베딩 완료] {npc.name} → 저장 위치: {save_path}")
+
+def load_npc_faiss_index(npc_name):
+    """
+    저장된 FAISS 인덱스를 불러옴
+    """
+    safe_filename = sanitize_filename(npc_name)
+    index_path = f"{VECTOR_DIR}/{safe_filename}.faiss"
+    if not os.path.exists(index_path):
+        raise FileNotFoundError(f"{index_path} FAISS 인덱스가 존재하지 않습니다.")
+    index = faiss.read_index(index_path)
+    return index
+
+def search_similar_memories(npc_name, query, top_k=3):
+    """
+    질의 문장을 벡터로 변환하고 FAISS에서 유사한 기억 검색
+    """
+    from ..routes.npc_route import npc_manager
+    
+    index = load_npc_faiss_index(npc_name)
+    query_vec = model.encode([query])
+    distances, indices = index.search(np.array(query_vec, dtype=np.float32), top_k)
+
+    # 보다 정확한 디버깅을 위해 추가 (나중에 제거 가능)
+    npc = npc_manager.get_npc_by_name(npc_name)
+    all_memories = npc.memory_store.get_all_memories()
+
+    matched_texts = [memory_to_text(all_memories[i]) for i in indices[0]]
+
+    # 디버깅 출력
+    print(f"[{npc_name}] '{query}'에 대한 유사 기억 검색 결과:")
+    for rank, (idx, dist) in enumerate(zip(indices[0], distances[0])):
+        print(f"  {rank+1}. index: {idx}, distance: {dist:.4f} → {all_memories[idx].content}")
+
+    return indices[0], distances[0], matched_texts
+
+def sanitize_filename(name):
+    """
+    한글/특수문자 등을 제거하고 안전한 ASCII 파일명으로 변환
+    예: 엘라 → Ella, 밥 → Bob 등의 이름은 직접 매핑하거나 영어로 사전 구성해도 됨
+    """
+    name_ascii = name.encode('ascii', 'ignore').decode()
+    return re.sub(r'[^a-zA-Z0-9_-]', '_', name_ascii or "npc")

npc_social_network/routes/npc_route.py

@@ -3,6 +3,7 @@ from flask import Blueprint, render_template, request, jsonify
 from npc_social_network.models.gemini_setup import load_gemini
 from npc_social_network.npc.npc_base import NPC
 from npc_social_network.npc.npc_manager import NPCManager
+from npc_social_network.npc.npc_memory_embedder import embed_npc_memories, search_similar_memories
 import threading
 import time
 
@@ -25,6 +26,14 @@ npc_manager.add_npc(NPC(name="앨리스", job="상인", path=[], image=None))
 npc_manager.add_npc(NPC(name="밥", job="대장장이", path=[], image=None))
 npc_manager.add_npc(NPC(name="찰리", job="농부", path=[], image=None))
 
+# [💡 추가: 엘라에게 기억 3개 수동 추가]
+from npc_social_network.npc.npc_memory import Memory
+
+ella = npc_manager.get_npc_by_name("엘라")
+ella.memory_store.add_memory(Memory(content="어제 앨리스와 심하게 다퉜다", importance=9))
+ella.memory_store.add_memory(Memory(content="밥이 선물해준 검이 마음에 들었다", importance=6))
+ella.memory_store.add_memory(Memory(content="오늘은 찰리를 도와 농사를 지었다", importance=5))
+
 # --------------------
 # 라우트 정의
 # --------------------
@@ -103,6 +112,35 @@ def trigger_npc_interactions():
     npc_manager.npc_interactions()
     return jsonify({"status": "NPC interactions triggered"})
 
+@npc_bp.route("/test_embed_memory", methods=["POST"])
+def test_embed_memory():
+    npc_name = request.json.get("npc")
+    npc = npc_manager.get_npc_by_name(npc_name)
+
+    if not npc:
+        return jsonify({"error": "NPC not found"}), 404
+    
+    embed_npc_memories(npc)
+    return jsonify({"status": f"{npc_name} 임베딩 완료"})
+
+@npc_bp.route("/test_search_memory", methods=["POST"])
+def test_search_memory():
+    npc_name = request.json.get("npc")
+    query = request.json.get("query")
+
+    indices, distances, texts = search_similar_memories(npc_name, query)
+    return jsonify({
+        "npc": npc_name,
+        "query": query,
+        "matched_indices": [int(i) for i in indices.tolist()],
+        "distances": [round(float(d), 4) for d in distances],
+        "matched_memories": texts
+    })
+
+@npc_bp.route("/test_memory_tools", methods=["GET"])
+def test_memory_tools():
+    return render_template("test_memory_tools.html")
+
 # Background Thread 함수 정의
 def npc_interactions_loop(interval_seconds = 10):
     while True:

npc_social_network/templates/test_memory_tools.html

@@ -0,0 +1,55 @@
+<!-- portfolio/npc_social_network/templates/test_memory_tools.html -->
+<!DOCTYPE html>
+<html lang="ko">
+<head>
+    <meta charset="UTF-8">
+    <title>NPC Memory Test Tools</title>
+</head>
+<body>
+    <h2>🧠 NPC 기억 임베딩 요청</h2>
+    <form id="embedForm">
+        NPC 이름: <input type="text" id="embedNpcName" value="엘라">
+        <button type="submit">임베딩 요청</button>
+    </form>
+    <pre id="embedResult"></pre>
+
+    <hr>
+
+    <h2>🔍 NPC 기억 검색 요청</h2>
+    <form id="searchForm">
+        NPC 이름: <input type="text" id="searchNpcName" value="엘라"><br>
+        질의 내용: <input type="text" id="searchQuery" value="누군가와 다퉜던 기억이 있어?">
+        <button type="submit">검색 요청</button>
+    </form>
+    <pre id="searchResult"></pre>
+
+    <script>
+        // 임베딩 요청
+        document.getElementById('embedForm').addEventListener('submit', async (e) => {
+            e.preventDefault();
+            const npc = document.getElementById('embedNpcName').value;
+            const res = await fetch("/npc_social_network/test_embed_memory", {
+                method: "POST",
+                headers: { "Content-Type": "application/json" },
+                body: JSON.stringify({ npc })
+            });
+            const json = await res.json();
+            document.getElementById('embedResult').innerText = JSON.stringify(json, null, 2);
+        });
+
+        // 검색 요청
+        document.getElementById('searchForm').addEventListener('submit', async (e) => {
+            e.preventDefault();
+            const npc = document.getElementById('searchNpcName').value;
+            const query = document.getElementById('searchQuery').value;
+            const res = await fetch("/npc_social_network/test_search_memory", {
+                method: "POST",
+                headers: { "Content-Type": "application/json" },
+                body: JSON.stringify({ npc, query })
+            });
+            const json = await res.json();
+            document.getElementById('searchResult').innerText = JSON.stringify(json, null, 2);
+        });
+    </script>
+</body>
+</html>