Update services/rag_pipeline.py

services/rag_pipeline.py

@@ -1,21 +1,24 @@
-# from retriever.vectordb import search_documents
-from retriever.vectordb_rerank import search_documents
-from generator.prompt_builder import build_prompt
-from generator.llm_inference import generate_answer
-
-def rag_pipeline(query: str, top_k: int = 5) -> str:
-    """
-    1. 사용자 질문으로 관련 문서를 검색
-    2. 검색된 문서와 함께 프롬프트 구성
-    3. 프롬프트로부터 답변 생성
-    """
-    # 1. 검색
-    context_docs = search_documents(query, top_k=top_k)
-
-    # 2. 프롬프트 조립
-    prompt = build_prompt(query, context_docs)
-
-    # 3. 모델 추론
-    output = generate_answer(prompt)
-
-    return output
+# from retriever.vectordb import search_documents
+from retriever.vectordb_rerank import search_documents
+from generator.prompt_builder import build_prompt
+from generator.llm_inference import generate_answer
+
+def rag_pipeline(query: str, top_k: int = 5) -> str:
+    """
+    1. 사용자 질문으로 관련 문서를 검색
+    2. 검색된 문서와 함께 프롬프트 구성
+    3. 프롬프트로부터 답변 생성
+    """
+    # 1. 검색
+    context_docs = search_documents(query, top_k=top_k)
+    print("context_docs", context_docs)
+
+    # 2. 프롬프트 조립
+    prompt = build_prompt(query, context_docs)
+    print("prompt", prompt)
+
+    # 3. 모델 추론
+    output = generate_answer(prompt)
+    print("output", output)
+
+    return output