DOCS/workflow/03_rag/companyx_grounding_pipeline.md

tags, type, last_updated

tags	type	last_updated
workflow rag companyx grounding answer	workflow	2026-04-06

Company X Grounding 파이프라인

목적

• Company X 소속 사용자의 내부 문서 질문에 대해 로빙이 근거를 붙여 답하게 한다.
• 직접 답과 근거 문서를 함께 반환하는 기준을 고정한다.

상위 원칙

• RAG Workflow Index
• 헌장.md
• writing-principles.md

코드 SSOT

• rb8001/app/services/companyx_grounding_service.py

입력

• 사용자 질문 (message)
• 사용자 ID (user_id)
• (선택) 의도 분류 결과 (classified_intent, classified_confidence)

출력

• CompanyXRAGOutput (Pydantic 모델):
  • direct_answer — 질문에 대한 직접 답변 (근거 부족 시 빈 문자열)
  • evidence_docs — 근거 문서 파일명 목록
  • failure_reason — 답변 불가 사유 (문서 없음, 단정 불가 등)

진입 조건 (should_handle_companyx_grounding())

1. user_id에서 team_id를 조회한다 (get_user_team_id()).
2. team_id != COMPANYX_TEAM_ID이면 진입하지 않는다.
3. LLM 의도 분류가 companyx_rag 이외의 확정 intent를 confidence >= 0.7로 반환했으면 진입하지 않는다.
4. companyx_rag으로 분류된 경우(confidence >= 0.5) 진입한다.
5. 위 두 경우 모두 아닐 때, 하위 호환성을 위해 마커 기반 판단(_looks_like_companyx_grounding_question())으로 진입 여부를 결정한다.
   • 마커: intent 마커(근거, 내부 문서, MOU, 계약서, 투자조합, 재무제표 등) 또는 domain 마커(오늘전통, 옐로펀치, 컴퍼니엑스 등)

처리 순서 (try_companyx_grounding())

1. 진입 조건 확인 (위 참조).
2. 질문 유형 분류 (_classify_question_type()): explanatory / fact_check / quantitative / recap.
3. 멀티쿼리 생성 (_build_query_candidates()): 원문 + 키워드 조합 + 문서 힌트 결합으로 중복 제거 후 다수 변형 생성.
4. 하이브리드 검색 (_search_companyx_documents()):
   • 각 쿼리를 $SKILL_RAG_FILE_URL/api/search에 병렬 호출 (asyncio.gather).
   • 페이로드: team_id=COMPANYX_TEAM_ID, limit=5, threshold=0.35, search_mode=hybrid.
   • 결과를 document_id:chunk_index 키로 병합, 최고 점수만 유지.
5. 상위 결과 선택 (_select_top_results()): RRF 정규화 점수 기준 정렬, 문서 다양성(같은 document_id 중복 제거), 최대 5건(MAX_EVIDENCE_CHUNKS).
6. LLM 근거 답변 생성 (_call_llm_companyx_grounding()):
   • 프롬프트: prompts/rag/companyx_grounding.md (render_prompt).
   • 모델: settings.DEFAULT_LLM_MODEL, temperature=0.1, JSON 응답 형식.
   • 응답을 CompanyXRAGOutput으로 Pydantic 검증.
7. 최종 응답 조립 (_build_grounded_response()): LLM 성공 시 direct_answer + 참고 문서, 실패 시 question_type별 실패 메시지.

검색 모드

• 기본 검색 모드: hybrid (벡터 + 키워드 RRF 합산).
• 벡터 검색: PGVector cosine similarity (Gemini Embedding 2, 768d).
• 키워드 검색: PostgreSQL tsvector + GIN 인덱스, prefix 매칭(:*).
• 점수 합산: RRF (Reciprocal Rank Fusion, k=60), 정규화 0~1.
• Apache AGE 그래프 점수: hook으로 가산 가능 (보조적 위치).

근거 선별 원칙

• 키워드 기반 룰로 검색 결과를 필터링하지 않는다 (룰베이스 절제 원칙 — 헌장.md 참조).
• 하이브리드 검색 RRF 정규화 점수 순서를 신뢰하고, LLM이 컨텍스트를 보고 적합도를 재판단한다.
• 근거 선별 책임은 LLM에 있으며, 코드 레벨에서는 점수 상위 결과를 문서 다양성 기준으로 선택만 한다.

실패 분기

• 검색 결과가 0건이면 try_companyx_grounding()이 None을 반환 → message_service가 일반 의도 분류 경로로 fallback.
• LLM이 컨텍스트만으로 답변 불가로 판단하면 failure_reason을 채우고, 성공처럼 반환하지 않는다.
• 수치형 질문에서 값이 없으면 추정하지 않는다.
• 내부 규정이나 최신 집계가 없으면 문서 없음, 미확인, 불일치 중 하나로 명시한다.
• 메타 대화로 회피하지 않는다.

환경변수

• SKILL_RAG_FILE_URL — skill-rag-file 서비스 베이스 URL (필수).

검증 기준

• 기준 질문(오늘전통, 옐로펀치 등)에서 직접 답 + 근거 문서가 함께 나와야 한다.
• 근거 부족 질문(투자사 수, 휴가 규정 등)은 추정 없이 실패해야 한다.
• Slack 실응답과 테스트 응답이 같은 기준을 따라야 한다.

관련 문서

• RAG 검색·Grounding 요청
• Company X 내부 문서 근거응답 사용자 시나리오