2. 정적 인덱싱 문제 수정: step 1

npc_social_network/npc/npc_memory_embedder.py

@@ -8,6 +8,7 @@ import re
 from typing import TYPE_CHECKING
 if TYPE_CHECKING:
     from .npc_base import NPC
+    from .npc_memory import Memory
 
 # 사전 훈련된 문장 임베딩 모델
 model = SentenceTransformer("all-MiniLM-L6-v2")
@@ -15,8 +16,9 @@ model = SentenceTransformer("all-MiniLM-L6-v2")
 # 문장 임베딩 저장 장소
 BASE_DIR = os.path.dirname(os.path.abspath(__file__))
 VECTOR_DIR = os.path.join(BASE_DIR, "..", "data", "vectorstores")
+DIMENSION = model.get_sentence_embedding_dimension()
 
-def memory_to_text(memory):
+def memory_to_text(memory: "Memory") -> str:
     """
     Memory 객체를 임베딩 가능한 텍스트 형태로 변환
     """
@@ -39,43 +41,70 @@ def embed_memory(memory):
 
 def embed_npc_memories(npc: "NPC"):
     """
-    특정 NPC의 기억 전체를 임베딩하고 FAISS index로 저장
+    특정 NPC의 초기 기억 전체를 임베딩하고 FAISS index로 처음 저장
+    - scenario_setup에서만 사용
     """
     if not os.path.exists(VECTOR_DIR):
         os.makedirs(VECTOR_DIR)
 
     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))
+    if not memories:
+        # 기억이 없으면 빈 인덱스 생성
+        index = faiss.IndexFlatL2(DIMENSION)
+    else:
+        texts = [memory_to_text(mem) for mem in memories]
+        embeddings = model.encode(texts)
+        index = faiss.IndexFlatL2(DIMENSION)
+        index.add(np.arry(embeddings, dtype=np.float32))
 
     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} → 저장 위치: {save_path}")
+    print(f"[초기 임베딩 완료] {npc.korean_name}의 기억 {len(memories)}개를 벡터화하여 저장했습니다.")
+    print(f"저장 위치: {save_path}")
 
-def load_npc_faiss_index(npc_name):
+def load_or_create_faiss_index(npc_name:str) -> faiss.Index:
     """
     저장된 FAISS 인덱스를 불러옴
+     - 없으면 새로 생성
     """
     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
+    index_path = os.path.join(VECTOR_DIR, f"{safe_filename}.faiss")
+
+    if os.path.exists(index_path):
+        return faiss.read_index(index_path)
+    else:
+        # 파일이 없으면 새로운 빈 인덱스를 생성하여 반환
+        return faiss.IndexFlatL2(DIMENSION)
+    
+def add_memory_to_index(npc: "NPC", memory: "Memory"):
+    """단일 기억을 기존 FAISS 인덱스에 추가하고 다시 저장"""
+    # 1. 기존 인덱스를 불러오거나 새로 생성
+    index = load_or_create_faiss_index(npc.name)
+
+    # 2. 새로운 기억을 텍스트로 변환하고 임베딩
+    text = memory_to_text(memory)
+    new_embedding = model.encode([text])
+
+    # 3. 새로운 벡터를 인덱스에 추가
+    index.add(np.array(new_embedding, dtype=np.float32))
+
+    # 4. 업데이트된 인덱스를 다시 저장
+    safe_filename = sanitize_filename(npc.name)
+    save_path = os.path.join(VECTOR_DIR, f"{safe_filename}.faiss")
+    faiss.write_index(index, save_path)
 
 def search_similar_memories(npc: "NPC", query: str, top_k=3):
     """
     질의 문장을 벡터로 변환하고 FAISS에서 유사한 기억 검색
     """
-    index = load_npc_faiss_index(npc.name)
+    index = load_or_create_faiss_index(npc.name)
+    if index.ntotal == 0:
+        return [], [], []
+    
     query_vec = model.encode([query])
-    distances, indices = index.search(np.array(query_vec, dtype=np.float32), top_k)
+    distances, indices = index.search(np.array(query_vec, dtype=np.float32), min(top_k, index.ntotal))
 
     all_memories = npc.memory_store.get_all_memories()
 

npc_social_network/npc/npc_relationship.py

@@ -30,7 +30,7 @@ class RelationshipManager:
         return self.relationships[target_name]
 
     def update_relationship(self, target_name: str, emotion: str, strength: float=1.0,
-                            memory: Optional["Memory"]=None):
+                            memory: Optional["Memory"]=None, npc_manager: "NPCManager"=None):
         """
         특정 감정 기반으로 관계 수치 조정
         - 긍정/부정만이 아니라 감정 유형에 따른 영향 차별화
@@ -40,6 +40,9 @@ class RelationshipManager:
 
         profile = self._get_or_create_profile(target_name)
 
+        target_npc = npc_manager.get_npc_by_korean_name(target_name)
+        target_korean_name = target_npc.korean_name if target_npc else target_name
+
         impact = EMOTION_RELATION_IMPACT.get(emotion, 0.0)
         delta = impact * strength
 
@@ -54,7 +57,7 @@ class RelationshipManager:
             if memory not in profile.key_memories:
                 profile.key_memories.append(memory)
                 profile.key_memories = profile.key_memories[-5:] # 최근 5개만 유지
-                print(f"[{self.owner_npc.name}] '{target_name}'와의 새로운 핵심 기억 추가: {memory.content[:30]}...")
+                print(f"[{self.owner_npc.korean_name}] '{target_korean_name}'와의 새로운 핵심 기억 추가: {memory.content[:30]}...")
     
     def update_relationship_type(self, profile:SocialProfile):
         """