Initial commit

.gitignore

@@ -15,7 +15,6 @@ venv/
 
 # models/ 하위 디렉토리 포함, 모델 파일들은 무시
 models/emotion-classification-model/*
-!models/emotion-classification-model/.gitkeep
 
 models/fallback-npc-model/*
 !models/fallback-npc-model/.gitkeep

models/emotion_model.py

@@ -1,17 +0,0 @@
-from transformers import pipeline
-from fastapi import Request
-
-async def detect_emotion(request: Request, text: str) -> dict:
-    tokenizer = request.app.state.emotion_tokenizer
-    model = request.app.state.emotion_model
-
-    emotion_pipeline = pipeline(
-        "text-classification",
-        model=model,
-        tokenizer=tokenizer,
-        return_all_scores=True
-    )
-
-    results = emotion_pipeline(text)
-    # 결과를 label: score 형태로 변환
-    return {r["label"]: r["score"] for r in results[0]}

pipeline/preprocess.py

@@ -34,6 +34,19 @@ def _semantic_match_embedder(embedder, user_input: str, trigger_texts: list, thr
     matched_text = trigger_texts[int(idx.item())]
     return (score_val >= threshold, score_val, matched_text)
 
+async def extract_emotion_via_fallback(request: Request, user_input: str) -> str:
+    prompt = (
+        "다음 문장의 화자 감정을 한 단어 또는 짧은 문장으로 설명하시오.\n\n"
+        f"[문장]\n{user_input}\n\n"
+        "지시:\n- 감정을 직접적으로 표현하지 않아도 문맥을 통해 추론하시오.\n"
+        "- 가능한 경우 감정의 강도나 뉘앙스도 반영하시오.\n"
+        "- 예: 분노, 슬픔, 혼란, 기대, 무관심, 초조함 등\n"
+        "- 단어 하나 또는 짧은 문장으로만 출력하시오.\n\n"
+        "정답:"
+    )
+    response = await generate_fallback_response(request, prompt)
+    return response.strip()
+
 async def _llm_trigger_check(request: Request, user_input: str, label_list: list) -> bool:
     if not label_list:
         return False
@@ -72,7 +85,7 @@ async def preprocess_input(
     context: dict
 ) -> dict:
     parser = ContextParser(context)
-    emotion = await detect_emotion(request, user_input)  # async 처리
+    emotion = await extract_emotion_via_fallback(request, user_input)
 
     require_items = context.get("require", {}).get("items", [])
     require_actions = context.get("require", {}).get("actions", [])