Fix scikit-learn version mismatch and visualize R/A/G steps

app.py

@@ -171,9 +171,8 @@ def generate_response(chatbot, user_message, analysis_report):
     if not user_message: yield chatbot, ""; return
     
     # [최종 수정] Gradio 5의 'Data incompatible' 에러 해결을 위해 명시적인 딕셔너리 포맷 사용
-    # 단, Chatbot 컴포넌트 생성 시 type="messages"를 명시하지 않고, 데이터 자체만 맞춤
     chatbot.append({"role": "user", "content": user_message})
-    chatbot.append({"role": "assistant", "content": "⚡ 상담사가 분석 중입니다..."})
+    chatbot.append({"role": "assistant", "content": "🔍 [Retrieval] 관련 규정 및 지침을 검색하고 있습니다..."})
     yield chatbot, ""
     
     try:
@@ -188,6 +187,9 @@ def generate_response(chatbot, user_message, analysis_report):
                 context = "\n\n".join([d.page_content for d in docs])
             except: pass
         
+        chatbot[-1] = {"role": "assistant", "content": "🧠 [Augmentation] 검색된 지식을 바탕으로 프롬프트를 구성하고 있습니다..."}
+        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}"
@@ -197,6 +199,9 @@ def generate_response(chatbot, user_message, analysis_report):
         from langchain_core.messages import HumanMessage
         messages = [HumanMessage(content=full_prompt)]
         
+        chatbot[-1] = {"role": "assistant", "content": "💡 [Generation] 답변을 생성 중입니다...\n\n"}
+        yield chatbot, ""
+        
         answer_buffer = ""
         for chunk in cons.llm.stream(messages):
             answer_buffer += chunk.content

requirements.txt

@@ -3,7 +3,7 @@ pandas
 numpy<2.0.0
 tensorflow-cpu==2.15.1
 keras<3.0.0
-scikit-learn
+scikit-learn==1.6.1
 langchain>=0.3.0
 langchain-huggingface
 langchain-community