...

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)
     }
 }