Upload 3 files

.gitattributes

@@ -33,3 +33,4 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
 *.zip filter=lfs diff=lfs merge=lfs -text
 *.zst filter=lfs diff=lfs merge=lfs -text
 *tfevents* filter=lfs diff=lfs merge=lfs -text
+Maximizing[[:space:]]Muscle[[:space:]]Hypertrophy.pdf filter=lfs diff=lfs merge=lfs -text

Maximizing Muscle Hypertrophy.pdf

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:662b3f4fd341796bd79d517bb383fca4041288bd645f793d1bf3eb6eec2082d9
+size 527026

app(1).py

@@ -0,0 +1,124 @@
+import os
+import gradio as gr
+from langchain_google_genai import ChatGoogleGenerativeAI, GoogleGenerativeAIEmbeddings
+from langchain_community.document_loaders import PyPDFLoader
+from langchain_text_splitters import RecursiveCharacterTextSplitter
+from langchain_chroma import Chroma
+from langchain_core.prompts import ChatPromptTemplate
+
+# 1. 문서 로드 및 벡터 DB 구축 (서버 구동 시 1회 고정)
+loader = PyPDFLoader("Maximizing Muscle Hypertrophy.pdf")
+pages = loader.load_and_split()
+text_splitter = RecursiveCharacterTextSplitter(chunk_size=1000, chunk_overlap=200)
+splits = text_splitter.split_documents(pages)
+
+embeddings = GoogleGenerativeAIEmbeddings(model="gemini-embedding-001")
+vectorstore = Chroma.from_documents(documents=splits, embedding=embeddings)
+
+# 미션 3: 도메인 맞춤 시스템 프롬프트
+SYSTEM_PROMPT = """당신은 스포츠 영양학 및 근비대(Muscle Hypertrophy) 훈련 분야의 최고 권위자이자 논문 리뷰 전문가입니다.
+제공된 [논문 컨텍스트]를 바탕으로 사용자의 질문에 전문적이고 명확하며 객관적인 어조로 답변하세요.
+
+[제약 조건]
+1. 반드시 제공된 컨텍스트 내의 정보만을 사용하여 답변하세요.
+2. 논문에 없는 내용을 질문하면 "해당 내용은 제공된 논문에서 확인할 수 없습니다."라고 명확히 선을 그으세요.
+3. 근육 성장 기전이나 훈련법을 설명할 때는 일반인도 이해하기 쉽게 단계별로 구조화하여 설명하세요.
+4. 모든 답변은 한국어로 작성하며, 주요 의학 및 운동학 전문 용어는 괄호 안에 영문을 병기하세요 (예: 단백질 합성(Protein Synthesis)).
+
+[논문 컨텍스트]
+{context}"""
+
+qa_prompt = ChatPromptTemplate.from_messages([
+    ("system", SYSTEM_PROMPT),
+    ("placeholder", "{chat_history}"),
+    ("human", "{input}"),
+])
+
+# Gradio의 대화 기록 형식을 LangChain이 이해할 수 있게 변환하는 헬퍼 함수
+def format_history(history):
+    formatted = []
+    for user_msg, ai_msg in history:
+        formatted.append(("human", user_msg))
+        formatted.append(("ai", ai_msg))
+    return formatted
+
+# 미션 1, 2, 5 통합: 스트리밍, 동적 설정, 출처 파싱
+def chat_response(message, history, temperature, k, model_name):
+    # 미션 2: UI에서 넘겨받은 k 값으로 검색 범위 동적 조절
+    docs = vectorstore.similarity_search(message, k=k)
+    context = "\n\n".join(doc.page_content for doc in docs)
+    
+    # 미션 2: UI에서 넘겨받은 모델과 온도로 LLM 동적 생성
+    llm = ChatGoogleGenerativeAI(model=model_name, temperature=temperature)
+    
+    # 프롬프트 조립
+    prompt_value = qa_prompt.invoke({
+        "context": context,
+        "chat_history": format_history(history),
+        "input": message
+    })
+    
+    partial_message = ""
+    # 미션 5: llm.stream()을 활용한 실시간 스트리밍 출력
+    for chunk in llm.stream(prompt_value):
+        partial_message += chunk.content
+        yield partial_message # 글자가 생성될 때마다 UI로 밀어냄
+        
+    # 미션 1: PyPDFLoader 메타데이터에서 출처 및 페이지 추출 (page는 0부터 시작하므로 +1)
+    sources = []
+    for doc in docs:
+        source_file = os.path.basename(doc.metadata.get('source', 'Unknown'))
+        page_num = doc.metadata.get('page', 0) + 1
+        sources.append(f"{source_file} (p.{page_num})")
+        
+    # 리스트 중복 제거 후 최종 텍스트 조립
+    unique_sources = list(dict.fromkeys(sources))
+    source_str = "\n\n📎 **출처:** " + ", ".join(unique_sources)
+    
+    # 최종적으로 답변 끝에 출처를 덧붙여서 전송
+    yield partial_message + source_str
+
+# 미션 4: 대화 내역 다운로드 파일 생성 함수
+def download_chat_history(history):
+    file_path = "chat_history.txt"
+    with open(file_path, "w", encoding="utf-8") as f:
+        for user_msg, ai_msg in history:
+            f.write(f"🧑‍💻 사용자: {user_msg}\n")
+            f.write(f"🤖 AI: {ai_msg}\n")
+            f.write("-" * 50 + "\n")
+    return file_path
+
+# UI 레이아웃 구성
+with gr.Blocks(theme=gr.themes.Soft()) as demo:
+    gr.Markdown("## 💪 근비대 극대화 논문 Q&A 봇 (Pro Version)")
+    
+    # 미션 2: 접을 수 있는 설정 패널
+    with gr.Accordion("⚙️ 챗봇 상세 설정", open=False):
+        with gr.Row():
+            model_dd = gr.Dropdown(choices=["gemini-2.0-flash", "gemini-1.5-pro", "gemini-1.5-flash"], value="gemini-2.0-flash", label="🤖 모델 선택")
+            temp_slider = gr.Slider(minimum=0.0, maximum=1.0, value=0.0, step=0.1, label="🌡️ Temperature (창의성/환각 조절)")
+            k_slider = gr.Slider(minimum=1, maximum=10, value=3, step=1, label="📚 참고할 문서 조각 수 (k)")
+
+    # 핵심 챗봇 인터페이스 (설정 패널의 값들을 additional_inputs로 연결)
+    chat_interface = gr.ChatInterface(
+        fn=chat_response,
+        additional_inputs=[temp_slider, k_slider, model_dd],
+        chatbot=gr.Chatbot(height=500),
+        title="",
+        description="'Maximizing Muscle Hypertrophy' 논문 내용을 바탕으로 근성장 메커니즘을 질문해 보세요."
+    )
+    
+    # 미션 4: 대화 내역 다운로드 영역
+    with gr.Row():
+        download_btn = gr.Button("💾 현재 대화 내역 저장 및 다운로드", variant="primary")
+        download_file = gr.File(label="다운로드 준비 완료 (버튼을 누르세요)")
+        
+    # 버튼 클릭 이벤트 (채팅창의 히스토리를 가져와 파일로 변환)
+    download_btn.click(
+        fn=download_chat_history, 
+        inputs=[chat_interface.chatbot], 
+        outputs=[download_file]
+    )
+
+if __name__ == "__main__":
+    demo.launch()

requirements.txt

@@ -0,0 +1,9 @@
+gradio>=4.0.0
+langchain>=0.2.0
+langchain-core>=0.2.0
+langchain-community>=0.2.0
+langchain-google-genai>=1.0.0
+langchain-chroma>=0.1.1
+langchain-text-splitters>=0.2.0
+chromadb
+pypdf