DOCS/workflow/_archive/companyx_grounding_pipeline.json

{
  "name": "robeing-rag-companyx-grounding-pipeline",
  "nodes": [
    {
      "parameters": {
        "content": "## 260319 변경 영향 없음\n\nrb8001에 프롬프트 DB v3 및 neutral constraints 생략이 적용되었으나, 이 워크플로우는 LLM Answer with Context 노드에서 system_instruction을 직접 지정하므로 rb8001 기본 프롬프트가 주입되지 않음.\n\n상세: companyx_grounding_pipeline.md",
        "height": 200,
        "width": 400
      },
      "type": "n8n-nodes-base.stickyNote",
      "position": [-200, 60],
      "typeVersion": 1,
      "id": "rag-note-260319",
      "name": "260319 Change Note"
    },
    {
      "parameters": {
        "httpMethod": "POST",
        "path": "rag/companyx/grounding",
        "responseMode": "responseNode",
        "options": {}
      },
      "id": "cx-rag-001",
      "name": "Webhook In",
      "type": "n8n-nodes-base.webhook",
      "typeVersion": 1,
      "position": [200, 240],
      "notes": "Company X 소속 사용자의 내부 문서 질문 수신"
    },
    {
      "parameters": {
        "jsCode": "const body = $json.body || {};\nreturn {\n  query: body.query || '',\n  user_uuid: body.user_id || '',\n  team_id: '79441171-3951-4870-beb8-916d07fe8be5',\n  limit: body.limit || 5,\n  threshold: 0.35\n};"
      },
      "id": "cx-rag-002",
      "name": "Set Context (Company X)",
      "type": "n8n-nodes-base.code",
      "typeVersion": 2,
      "position": [440, 240],
      "notes": "Company X 팀 ID 고정, 검색 파라미터 설정"
    },
    {
      "parameters": {
        "jsCode": "const message = $json.query;\nconst lowered = message.toLowerCase();\nlet questionType = 'fact_check';\nif (['다시 정리', '정리해줘', '문서명만', '근거 문서', '다시 보여'].some(k => lowered.includes(k))) {\n  questionType = 'recap';\n} else if (['휴가', '연차', '반차', '규정', '복지', '취업규칙', '인사'].some(k => lowered.includes(k))) {\n  questionType = 'fact_check';\n} else if (['몇개', '몇 개', '건수', '몇 건', '얼마나', '수는', '수가', '개수'].some(k => lowered.includes(k))) {\n  questionType = 'quantitative';\n} else if (['뭐야', '무엇', '설명', '소개', '알려줘'].some(k => lowered.includes(k))) {\n  questionType = 'explanatory';\n}\nreturn { ...$json, question_type: questionType };"
      },
      "id": "cx-rag-002b",
      "name": "Classify Question Type",
      "type": "n8n-nodes-base.code",
      "typeVersion": 2,
      "position": [660, 240],
      "notes": "질문 유형 분류 (LLM 프롬프트 톤 조절용)"
    },
    {
      "parameters": {
        "method": "POST",
        "url": "=http://192.168.0.106:8508/api/search",
        "sendBody": true,
        "specifyBody": "json",
        "jsonBody": "={\n  \"query\": \"{{ $json.query }}\",\n  \"team_id\": \"{{ $json.team_id }}\",\n  \"limit\": {{ $json.limit }},\n  \"threshold\": {{ $json.threshold }}\n}",
        "options": {}
      },
      "id": "cx-rag-003",
      "name": "Vector Search (skill-rag-file)",
      "type": "n8n-nodes-base.httpRequest",
      "typeVersion": 4.2,
      "position": [900, 240],
      "notes": "벡터 유사도 검색. 키워드 필터링 없이 유사도 상위 결과를 그대로 반환한다."
    },
    {
      "parameters": {
        "jsCode": "const results = $json.body?.results || [];\nif (results.length === 0) {\n  return { has_results: false, context: '', evidence_filenames: [], question_type: $('Classify Question Type').item.json.question_type };\n}\n\n// 벡터 유사도 순으로 정렬, 문서 다양성 기준 상위 5개 선택 (키워드 필터링 없음)\nconst sorted = results.sort((a, b) => (b.relevance_score || 0) - (a.relevance_score || 0));\nconst seenDocs = new Set();\nconst selected = [];\nfor (const r of sorted) {\n  const docId = r.document_id || '';\n  if (docId && seenDocs.has(docId)) continue;\n  if (docId) seenDocs.add(docId);\n  selected.push(r);\n  if (selected.length >= 5) break;\n}\n\nconst context = selected.map(r => `파일명: ${r.filename}\\n내용: ${r.chunk_text}`).join('\\n\\n---\\n\\n');\nconst filenames = selected.map(r => r.filename);\nconst original = $('Classify Question Type').item.json;\n\nreturn {\n  has_results: true,\n  message: original.query,\n  question_type: original.question_type,\n  grounding_context: context,\n  evidence_filenames: filenames,\n  user_id: original.user_uuid,\n  result_count: selected.length\n};"
      },
      "id": "cx-rag-004",
      "name": "Select Top Results (Vector Score)",
      "type": "n8n-nodes-base.code",
      "typeVersion": 2,
      "position": [1140, 240],
      "notes": "벡터 유사도 점수 기준 상위 선택. 룰베이스 절제 원칙(§B.6)에 따라 키워드 필터링을 사용하지 않는다. LLM이 적합도를 재판단한다."
    },
    {
      "parameters": {
        "conditions": {
          "boolean": [
            {
              "value1": "={{ $json.has_results }}",
              "value2": true
            }
          ]
        }
      },
      "id": "cx-rag-004b",
      "name": "Has Results?",
      "type": "n8n-nodes-base.if",
      "typeVersion": 1,
      "position": [1380, 240],
      "notes": "검색 결과 0건이면 실패 경로로 분기"
    },
    {
      "parameters": {
        "method": "POST",
        "url": "=http://192.168.0.106:8001/api/message",
        "sendHeaders": true,
        "headerParameters": {
          "parameters": [
            {
              "name": "X-User-Id",
              "value": "={{ $json.user_id }}"
            }
          ]
        },
        "sendBody": true,
        "specifyBody": "json",
        "jsonBody": "={\n  \"message\": \"{{ $json.message }}\",\n  \"context\": {\n    \"system_instruction\": \"당신은 Company X 내부 문서 기반 답변 전문가입니다. 제공된 컨텍스트만 근거로 사용하세요. 질문 유형: {{ $json.question_type }}. 컨텍스트만으로 부족하면 failure_reason에 이유를 적고 direct_answer는 빈 문자열로 두세요.\\n\\n컨텍스트:\\n{{ $json.grounding_context }}\"\n  },\n  \"source\": \"n8n-grounding\"\n}",
        "options": {}
      },
      "id": "cx-rag-005",
      "name": "LLM Answer with Context",
      "type": "n8n-nodes-base.httpRequest",
      "typeVersion": 4.2,
      "position": [1620, 140],
      "notes": "LLM이 컨텍스트를 보고 답변 가능 여부를 직접 판단한다. Pydantic 검증은 rb8001 코드에서 수행."
    },
    {
      "parameters": {
        "respondWith": "json",
        "responseBody": "={{ JSON.stringify({ success: true, type: 'companyx_rag', message: $json.body?.message || $json.body, rag_used: true, grounding_present: true }) }}",
        "options": {}
      },
      "id": "cx-rag-006",
      "name": "Return Grounded Answer",
      "type": "n8n-nodes-base.respondToWebhook",
      "typeVersion": 1,
      "position": [1860, 140],
      "notes": "LLM 답변 + 근거 문서 반환"
    },
    {
      "parameters": {
        "respondWith": "json",
        "responseBody": "={{ JSON.stringify({ success: true, type: 'companyx_rag', message: '현재 확인된 Company X 내부 문서 기준으로는 질문과 맞는 근거를 확인하지 못했습니다.', rag_used: true, grounding_present: false }) }}",
        "options": {}
      },
      "id": "cx-rag-007",
      "name": "Return Failure (No Results)",
      "type": "n8n-nodes-base.respondToWebhook",
      "typeVersion": 1,
      "position": [1620, 380],
      "notes": "검색 결과 0건 — 실패 가시성 원칙(§B.5)에 따라 명시적 실패 응답"
    }
  ],
  "connections": {
    "Webhook In": {
      "main": [[{ "node": "Set Context (Company X)", "type": "main", "index": 0 }]]
    },
    "Set Context (Company X)": {
      "main": [[{ "node": "Classify Question Type", "type": "main", "index": 0 }]]
    },
    "Classify Question Type": {
      "main": [[{ "node": "Vector Search (skill-rag-file)", "type": "main", "index": 0 }]]
    },
    "Vector Search (skill-rag-file)": {
      "main": [[{ "node": "Select Top Results (Vector Score)", "type": "main", "index": 0 }]]
    },
    "Select Top Results (Vector Score)": {
      "main": [[{ "node": "Has Results?", "type": "main", "index": 0 }]]
    },
    "Has Results?": {
      "main": [
        [{ "node": "LLM Answer with Context", "type": "main", "index": 0 }],
        [{ "node": "Return Failure (No Results)", "type": "main", "index": 0 }]
      ]
    },
    "LLM Answer with Context": {
      "main": [[{ "node": "Return Grounded Answer", "type": "main", "index": 0 }]]
    }
  },
  "settings": {},
  "pinData": {},
  "meta": {
    "templateCredsSetupCompleted": true,
    "instanceId": "robeing-rag"
  }
}