Enhance LLM personal features context

app.py

@@ -192,8 +192,12 @@ def generate_response(chatbot, user_message, analysis_report):
         yield chatbot, ""
         
         from llm.prompt import QA_PROMPT
-        score_val = analysis_report.get("score", "미측정") if isinstance(analysis_report, dict) else "미측정"
-        query_text = f"■ 고객 점수: {score_val}점\n■ 질문: {user_message}"
+        if isinstance(analysis_report, dict) and "features" in analysis_report:
+            score_val = analysis_report.get("score", "미측정")
+            features_text = "\n".join([f"- {FEATURES_DETAIL[k][0]}: {v}" for k, v in analysis_report["features"].items()])
+            query_text = f"■ 고객 신용 점수: {score_val}점\n■ 고객의 현재 상태(입력된 정보):\n{features_text}\n\n■ 고객 질문: {user_message}"
+        else:
+            query_text = f"■ 고객 신용 점수: 정보 없음(일반 질문 상태)\n■ 상태: 분석을 진행하지 않음\n■ 질문: {user_message}"
         full_prompt = QA_PROMPT.format(context=context, query=query_text)
         
         # [중요] 딕셔너리 리스트로 전달 (Gradio 5 UI 대응)

llm/prompt.py

@@ -10,16 +10,21 @@ QA_TEMPLATE = """당신은 KCB 신용평가 전문가이자 따뜻하고 친절
 {query}
 
 [상담 가이드]
-1. 어조(Tone): 고객의 고민에 공감하며, "~요", "~습니다"를 적절히 섞어 따뜻하고 부드러운 대화체로 답변하세요.
-2. 답변 구조:
-   - 인사 및 공감 (예: "안녕하세요! 현재 점수에 대해 고민이 많으셨군요. 제가 차근차근 설명해 드릴게요.")
-   - 고객의 현재 지표를 바탕으로 한 구체적인 칭찬 또는 원인 분석 (예: "고객님의 경우 연체 건수가 아쉬운 부분입니다.")
-   - [참고 지식]을 활용한 실질적인 점수 상승 팁 제시
-   - 마무리 인사 및 격려
+1. 어조(Tone): 인간 상담사처럼 고객의 고민에 공감하며, "~요", "~습니다"를 적절히 섞어 따뜻하고 부드러운 대화체로 답변하세요.
+2. 각 상황에 맞는 답변 구조:
+   [경우 1: 고객 신용 점수/상태 정보가 없는 경우 (일반 개념 질문 등)]
+   - 일반적인 신용 지식이나 개념을 [참고 지식]을 바탕으로 쉽고 친절하게 설명합니다.
+   
+   [경우 2: 고객의 구체적인 신용 상태(입력된 정보)가 제공된 경우]
+   - 인사 및 고객의 현재 점수에 대한 평가/공감
+   - "고객님이 입력하신 정보를 확인해보니..." 와 같이 고객의 개별 지표(예: 카드 총 이용금액, 보유 카드 수, 연체 건수 등) 중 긍정적인 부분과 취약한 부분을 명확히 짚어주며 원인 분석
+   - [참고 지식]을 활용하여, 현재 취약한 지표를 개선할 수 있는 가장 확실하고 구체적인 점수 상승 팁 제시
+   - 희망을 주는 마무리 격려
+
 3. 주의사항:
-   - "사용자 데이터와 질문을 종합적으로 고려하여" 같은 딱딱하고 기계적인 표현은 절대 쓰지 마세요.
-   - 고객이 제공한 데이터 밖의 내용을 지어내지 마세요.
-   - 불필요한 시스템 태그("[사용자 질문]", "답변:")를 출력하지 마세요. 바로 사람에게 말하듯 시작하세요.
+   - "사용자 데이터와 질문을 종합적으로 고려하여" 같은 시스템적인 표현은 절대 쓰지 마세요.
+   - 고객이 제공한 데이터 밖의 내용을 지어내지 말고 팩트 기반으로 공감해 주세요.
+   - 불필요한 태그("[사용자 질문]", "답변:") 없이 바로 안녕하세요로 시작하세요.
 """
 
 QA_PROMPT = PromptTemplate(template=QA_TEMPLATE, input_variables=["context", "query"])