...

src/main/kotlin/Main.kt

@@ -10,6 +10,7 @@ import org.jetbrains.exposed.sql.transactions.transaction
 import model.AppConfig
 import model.KisSession
 import network.LlamaServerManager
+import network.NewsService
 import org.jetbrains.exposed.sql.selectAll
 import ui.DashboardScreen
 import ui.SettingsScreen
@@ -47,7 +48,6 @@ fun main() = application {
                 }
             }
 
-
             isLoaded = true
         }
 

src/main/kotlin/database/DatabaseFactory.kt

@@ -62,14 +62,28 @@ object TradeLogTable : Table("trade_logs") {
     override val primaryKey = PrimaryKey(id)
 }
 
-class VectorColumnType(private val dimension: Int) : ColumnType<String>() {
-    // [수정] H2에서 ARRAY는 내부 타입을 명시해야 합니다.
-    // VECTOR 대신 FLOAT8 ARRAY를 사용하면 벡터 연산 함수와 100% 호환됩니다.
+class VectorColumnType(private val dimension: Int) : ColumnType<DoubleArray>() {
     override fun sqlType(): String = "FLOAT8 ARRAY"
 
-    override fun valueFromDB(value: Any): String = value.toString()
+    override fun valueFromDB(value: Any): DoubleArray {
+        return when (value) {
+            // H2 드라이버에서 반환된 객체를 처리
+            is java.sql.Array -> {
+                val array = value.array as Array<*>
+                array.map { (it as Number).toDouble() }.toDoubleArray()
+            }
+            is Array<*> -> value.map { (it as Number).toDouble() }.toDoubleArray()
+            is DoubleArray -> value
+            else -> DoubleArray(0)
+        }
+    }
 
-    override fun notNullValueToDB(value: String): Any = value
+    // [핵심 수정 부분]
+    // primitive double[]을 Object Double[]로 변환하여 반환합니다.
+    // 이렇게 해야 H2 JDBC 드라이버가 직렬화 대신 SQL ARRAY로 인식합니다.
+    override fun notNullValueToDB(value: DoubleArray): Any {
+        return value.toTypedArray()
+    }
 }
 
 object VectorStoreTable : Table("VECTOR_STORE") {
@@ -77,8 +91,8 @@ object VectorStoreTable : Table("VECTOR_STORE") {
     val content = text("content")
     val metadata = text("metadata")
 
-    // 이제 FLOAT8 ARRAY 타입으로 컬럼이 생성됩니다.
-    val embedding = registerColumn<String>("embedding", VectorColumnType(1024))
+    // 이제 이 컬럼은 DoubleArray 데이터를 직접 주고받습니다.
+    val embedding = registerColumn<DoubleArray>("embedding", VectorColumnType(1024))
 
     override val primaryKey = PrimaryKey(id)
 }

src/main/kotlin/model/NewsModel.kt

@@ -0,0 +1,16 @@
+package model
+
+import kotlinx.serialization.Serializable
+
+@Serializable
+data class NaverNewsResponse(
+    val items: List<NewsItem>
+)
+
+@Serializable
+data class NewsItem(
+    val title: String,
+    val originallink: String,
+    val description: String,
+    val pubDate: String
+)

src/main/kotlin/network/NewsService.kt

@@ -0,0 +1,61 @@
+package network
+
+import io.ktor.client.HttpClient
+import io.ktor.client.call.body
+import io.ktor.client.engine.cio.CIO
+import io.ktor.client.engine.cio.CIOEngineConfig
+import io.ktor.client.plugins.contentnegotiation.ContentNegotiation
+import io.ktor.client.plugins.logging.DEFAULT
+import io.ktor.client.plugins.logging.LogLevel
+import io.ktor.client.plugins.logging.Logger
+import io.ktor.client.plugins.logging.Logging
+import io.ktor.client.request.get
+import io.ktor.client.request.header
+import io.ktor.client.request.parameter
+import io.ktor.http.ContentType.Application.Json
+import io.ktor.serialization.kotlinx.json.json
+import kotlinx.serialization.json.Json
+import model.NaverNewsResponse
+
+object NewsService {
+    private val client = HttpClient<CIOEngineConfig>(CIO) {
+
+        install(ContentNegotiation) { json(Json { ignoreUnknownKeys = true })
+            install(Logging) {
+                logger = Logger.DEFAULT
+                level = LogLevel.ALL
+            }
+        }
+    }
+
+    suspend fun fetchAndIngestNews(query: String) {
+        val clientId = "CqXQXHO3h0kqtYsXkePY" // 설정에서 가져오도록 수정 필요
+        val clientSecret = "DODCxb1M4Z"
+
+        try {
+            val response: NaverNewsResponse = client.get("https://openapi.naver.com/v1/search/news.json") {
+                parameter("query", query)
+                parameter("display", 10) // 최근 10개 뉴스
+                parameter("sort", "sim") // 유사도 순 (또는 date 발간순)
+                header("X-Naver-Client-Id", clientId)
+                header("X-Naver-Client-Secret", clientSecret)
+            }.body()
+
+            response.items.forEach { item ->
+                // HTML 태그 제거 및 텍스트 정제
+                val cleanTitle = item.title.replace(Regex("<[^>]*>"), "")
+                val cleanDesc = item.description.replace(Regex("<[^>]*>"), "")
+                val fullText = "[$cleanTitle] $cleanDesc"
+                println(fullText)
+                // RAG 서비스에 학습(Ingest) 시키기
+                RagService.ingest(
+                    text = fullText,
+                    meta = "{\"link\": \"${item.originallink}\", \"date\": \"${item.pubDate}\"}"
+                )
+            }
+            println("📰 '${query}' 관련 뉴스 10개 학습 완료")
+        } catch (e: Exception) {
+            println("❌ 뉴스 가져오기 실패: ${e.message}")
+        }
+    }
+}

src/main/kotlin/network/RagService.kt

@@ -1,5 +1,6 @@
 // src/main/kotlin/network/RagService.kt
 
+import VectorStoreTable.metadata
 import dev.langchain4j.data.segment.TextSegment
 import dev.langchain4j.model.openai.OpenAiChatModel
 import dev.langchain4j.model.openai.OpenAiEmbeddingModel
@@ -25,14 +26,13 @@ object RagService {
      * 텍스트를 임베딩하여 H2 DB에 저장합니다.
      */
     fun ingest(text: String, meta: String = "") {
-        val embedding = embeddingModel.embed(text).content().vector()
-
+        val embeddingVector: DoubleArray = embeddingModel.embed(text).content().vector().map { it.toDouble() }.toDoubleArray()
         transaction {
             VectorStoreTable.insert {
                 it[content] = text
                 it[metadata] = meta
-                // 벡터 데이터를 문자열 형태로 저장 (H2 포맷)
-                it[VectorStoreTable.embedding] = embedding.joinToString(",", "[", "]")
+                // [수정] 문자열 변환 없이 객체 그대로 전달
+                it[embedding] = embeddingVector
             }
         }
         println("💾 H2 벡터 저장 완료: ${text.take(15)}...")
@@ -41,35 +41,41 @@ object RagService {
     /**
      * 질문과 가장 유사한 정보를 H2에서 검색하여 AI 답변을 생성합니다.
      */
-    fun ask(question: String): String {
+    fun askWithContext(question: String): String {
         val queryVector = embeddingModel.embed(question).content().vector()
-        val vectorStr = queryVector.joinToString(",", "[", "]")
+        // H2 ARRAY 포맷에 맞춰 (v1, v2, ...) 형태로 변환
+        val vectorStr = queryVector.joinToString(",", "(", ")")
 
-        // H2의 VECTOR_COSINE_SIMILARITY 함수를 사용하여 검색
         val context = transaction {
-            val query = "SELECT content FROM VECTOR_STORE " +
-                    "ORDER BY VECTOR_COSINE_SIMILARITY(embedding, '$vectorStr') DESC " +
-                    "LIMIT 3"
+            // 코사인 유사도 기준 상위 5개 뉴스 추출
+            val query = """
+            SELECT CONTENT FROM VECTOR_STORE 
+            ORDER BY VECTOR_COSINE_SIMILARITY(EMBEDDING, CAST('$vectorStr' AS FLOAT8 ARRAY)) DESC 
+            LIMIT 5
+        """.trimIndent()
 
             val results = mutableListOf<String>()
             exec(query) { rs ->
                 while (rs.next()) {
-                    results.add(rs.getString("content"))
+                    results.add(rs.getString("CONTENT"))
                 }
             }
             results.joinToString("\n\n")
         }
 
-        val prompt = """
-            [참고 정보]
-            $context
-            
-            [질문]
-            $question
-            
-            위 정보를 참고하여 분석 결과를 말해주세요.
-        """.trimIndent()
+        val finalPrompt = """
+        <|begin_of_text|><|start_header_id|>system<|end_header_id|>
+        당신은 실시간 뉴스 분석에 능통한 20년 경력의 주식 전문가입니다. 
+        제공된 [참고 자료]를 바탕으로 사용자의 질문에 전문적이고 단호하게 답하세요.<|eot_id|>
+        <|start_header_id|>user<|end_header_id|>
+        [참고 자료]
+        $context
 
-        return chatModel.generate(prompt)
+        [질문]
+        $question
+        <|eot_id|><|start_header_id|>assistant<|end_header_id|>
+    """.trimIndent()
+
+        return chatModel.generate(finalPrompt)
     }
 }

src/main/kotlin/service/StockAnalysisManager.kt

@@ -0,0 +1,25 @@
+package service
+
+import network.NewsService
+
+object StockAnalysisManager {
+
+    suspend fun analyzeStockWithRealTimeData(stockName: String, currentPrice: String): String {
+        println("🔍 [1/3] '${stockName}' 실시간 뉴스 수집 및 학습 시작...")
+
+        // 1. 실시간 뉴스 검색 및 DB 저장 (Embedding 서버 8081 활용)
+        // 키워드를 "종목명 주가 전망"으로 최적화하여 검색
+        NewsService.fetchAndIngestNews("$stockName 주가 전망")
+
+        println("🧠 [2/3] 관련 컨텍스트 추출 중...")
+
+        // 2. 방금 저장된 뉴스를 포함하여 DB에서 관련성 높은 정보 추출
+        val question = "${stockName}의 현재가 ${currentPrice}원 기준, 최근 뉴스 수급 상황과 향후 단기 전망을 분석해줘."
+        val context = RagService.askWithContext(question)
+
+        println("🤖 [3/3] AI 분석 생성 중 (Chat 서버 8080)...")
+
+        // 3. 최종 분석 결과 반환
+        return context
+    }
+}

src/main/kotlin/ui/AiAnalysisView.kt

@@ -5,6 +5,7 @@ import androidx.compose.foundation.layout.*
 import androidx.compose.material.Button
 import androidx.compose.material.ButtonDefaults
 import androidx.compose.material.Card
+import androidx.compose.material.CircularProgressIndicator
 import androidx.compose.material.Divider
 import androidx.compose.material.MaterialTheme
 import androidx.compose.material.Text
@@ -24,11 +25,12 @@ import kotlinx.coroutines.launch
 import model.KisSession
 import model.RealTimeTrade
 import network.AiService
+import service.StockAnalysisManager
 
 @Composable
 fun AiAnalysisView(stockName: String, currentPrice: String, trades: List<model.RealTimeTrade>) {
     var aiOpinion by remember { mutableStateOf("분석 대기 중...") }
-    var isLoading by remember { mutableStateOf(false) }
+    var isAnalyzing by remember { mutableStateOf(false) }
     val scope = rememberCoroutineScope()
 
     // KisSession의 전역 설정을 참조
@@ -53,15 +55,29 @@ fun AiAnalysisView(stockName: String, currentPrice: String, trades: List<model.R
                 Button(
                     onClick = {
                         scope.launch {
-                            isLoading = true
-                            aiOpinion = "데이터 분석 중..."
-                            aiOpinion = network.AiService.fetchAnalysis(stockName, currentPrice, trades)
-                            isLoading = false
+                            isAnalyzing = true
+                            try {
+                                // 실시간 데이터 수집부터 분석까지 한 번에 실행
+                                aiOpinion = StockAnalysisManager.analyzeStockWithRealTimeData(
+                                    stockName = stockName,
+                                    currentPrice = currentPrice
+                                )
+                            } catch (e: Exception) {
+                                aiOpinion = "분석 중 오류 발생: ${e.message}"
+                            } finally {
+                                isAnalyzing = false
+                            }
                         }
                     },
-                    enabled = isModelConfigured && !isLoading
+                    enabled = !isAnalyzing
                 ) {
-                    Text(if (isLoading) "분석 중" else "분석 실행", fontSize = 11.sp)
+                    if (isAnalyzing) {
+                        CircularProgressIndicator(modifier = Modifier.size(20.dp), color = Color.White)
+                        Spacer(Modifier.width(8.dp))
+                        Text("뉴스 분석 중...")
+                    } else {
+                        Text("AI 실시간 전략 분석")
+                    }
                 }
             }
             Divider(Modifier.padding(vertical = 8.dp))