app\routes.py

from flask import Blueprint, render_template, request, jsonify, send_from_directory, redirect, url_for, flash, send_file
from flask_login import login_user, logout_user, login_required, current_user
from werkzeug.utils import secure_filename
from app.database import db, UploadedFile, User, ChatSession, ChatMessage, DocumentChunk, ParentChunk, SystemConfig, EpisodeAnalysis, GraphEntity, GraphRelationship, GraphEvent
from app.vector_db import get_vector_db
from app.gemini_client import get_gemini_client
import requests
import os
from datetime import datetime
import uuid
import re
import json

main_bp = Blueprint('main', __name__)

def admin_required(f):
    """관리자 권한이 필요한 데코레이터"""
    from functools import wraps
    @wraps(f)
    @login_required
    def decorated_function(*args, **kwargs):
        if not current_user.is_admin:
            # API 요청인 경우 JSON 응답 반환
            if request.path.startswith('/api/'):
                return jsonify({'error': '관리자 권한이 필요합니다.'}), 403
            flash('관리자 권한이 필요합니다.', 'error')
            return redirect(url_for('main.index'))
        return f(*args, **kwargs)
    return decorated_function

# Ollama 기본 URL (환경 변수로 설정 가능)
OLLAMA_BASE_URL = os.getenv('OLLAMA_BASE_URL', 'http://localhost:11434')

def get_model_token_limit(model_name, default_tokens=2000, token_type='output'):
    """모델별 토큰 수 제한 가져오기 (하위 호환성을 위해 기본값은 출력 토큰)
    
    Args:
        model_name: AI 모델명 (예: "gemini-2.0-flash-exp", "gemini:gemini-2.0-flash-exp", "gemma2:9b")
        default_tokens: 기본 토큰 수 (설정이 없을 때 사용)
        token_type: 'input' 또는 'output' (기본값: 'output')
    
    Returns:
        토큰 수 (정수)
    """
    return get_model_token_limit_by_type(model_name, default_tokens, token_type)

def get_model_token_limit_by_type(model_name, default_tokens=2000, token_type='output'):
    """모델별 토큰 수 제한 가져오기 (입력/출력/Parent Chunk 구분)
    
    Args:
        model_name: AI 모델명 (예: "gemini-2.0-flash-exp", "gemini:gemini-2.0-flash-exp", "gemma2:9b")
        default_tokens: 기본 토큰 수 (설정이 없을 때 사용)
        token_type: 'input', 'output', 또는 'parent_chunk'
    
    Returns:
        토큰 수 (정수)
    """
    if not model_name:
        return default_tokens
    
    try:
        from app.database import SystemConfig
        
        # 여러 형식의 모델명을 시도
        # 1. 원본 모델명 그대로
        # 2. Gemini 모델의 경우 "gemini:" 접두사 추가/제거 버전
        # 3. Ollama 모델의 경우 그대로
        
        model_name_clean = model_name.strip()
        possible_keys = [model_name_clean]
        
        # Gemini 모델 처리
        if model_name_clean.startswith('gemini:'):
            # "gemini:gemini-2.0-flash-exp" -> "gemini:gemini-2.0-flash-exp" (그대로)
            # 또는 "gemini-2.0-flash-exp" (접두사 제거)
            possible_keys.append(model_name_clean.replace('gemini:', '', 1))
        elif model_name_clean.startswith('gemini-'):
            # "gemini-2.0-flash-exp" -> "gemini:gemini-2.0-flash-exp" (접두사 추가)
            possible_keys.append(f'gemini:{model_name_clean}')
        
        # 각 가능한 키를 시도
        for key in possible_keys:
            # 새로운 형식: model_token_input_{model_name}, model_token_output_{model_name}, model_token_parent_chunk_{model_name}
            config_key = f"model_token_{token_type}_{key}"
            token_value = SystemConfig.get_config(config_key)
            if token_value:
                try:
                    token_int = int(token_value)
                    print(f"[get_model_token_limit_by_type] 모델 '{model_name}'의 {token_type} 토큰 수 {token_int} 사용 (키: {config_key})")
                    return token_int
                except (ValueError, TypeError):
                    continue
            
            # 하위 호환성: 기존 형식 model_token_{model_name}도 확인 (출력 토큰으로 간주)
            if token_type == 'output':
                old_config_key = f"model_token_{key}"
                token_value = SystemConfig.get_config(old_config_key)
                if token_value:
                    try:
                        token_int = int(token_value)
                        print(f"[get_model_token_limit_by_type] 모델 '{model_name}'의 출력 토큰 수 {token_int} 사용 (기존 키: {old_config_key})")
                        return token_int
                    except (ValueError, TypeError):
                        continue
        
        # 설정이 없으면 기본값 사용
        print(f"[get_model_token_limit_by_type] 모델 '{model_name}'의 {token_type} 토큰 수 설정이 없어 기본값 {default_tokens} 사용")
    except Exception as e:
        print(f"[get_model_token_limit_by_type] 오류: {e}")
    
    return default_tokens

# 업로드 설정
UPLOAD_FOLDER = os.path.join(os.path.dirname(os.path.dirname(__file__)), 'uploads')

def save_system_token_usage(model_name, input_tokens=None, output_tokens=None, task_type='file_processing'):
    """시스템 사용 토큰 저장 (파일 업로드, 분석 등)
    
    Args:
        model_name: 사용된 AI 모델명
        input_tokens: 입력 토큰 수
        output_tokens: 출력 토큰 수
        task_type: 작업 유형 ('parent_chunk', 'episode_analysis', 'graph_extraction', 'metadata_extraction', 'file_processing')
    """
    try:
        # 토큰이 모두 None이거나 0이어도 저장 (통계 목적)
        print(f"[시스템 토큰 저장] 호출됨 - 작업: {task_type}, 모델: {model_name}, 입력: {input_tokens}, 출력: {output_tokens}")
        
        system_message = ChatMessage(
            session_id=None,  # 시스템 사용은 세션이 없음
            role='ai',
            content=f'시스템 작업: {task_type}',
            input_tokens=input_tokens,
            output_tokens=output_tokens,
            model_name=model_name,
            usage_type='system'
        )
        db.session.add(system_message)
        db.session.commit()
        print(f"[시스템 토큰 저장] 성공 - {task_type} - 모델: {model_name}, 입력: {input_tokens}, 출력: {output_tokens}, 메시지 ID: {system_message.id}")
    except Exception as e:
        print(f"[시스템 토큰 저장] 오류: {str(e)}")
        import traceback
        traceback.print_exc()
        db.session.rollback()
ALLOWED_EXTENSIONS = {'txt', 'md', 'pdf', 'docx', 'epub'}

# 업로드 폴더 경로 출력 (디버깅용)
print(f"[업로드 설정] 업로드 폴더 경로: {UPLOAD_FOLDER}")
print(f"[업로드 설정] 업로드 폴더 존재 여부: {os.path.exists(UPLOAD_FOLDER)}")

def allowed_file(filename):
    return '.' in filename and filename.rsplit('.', 1)[1].lower() in ALLOWED_EXTENSIONS

def ensure_upload_folder():
    """업로드 폴더가 없으면 생성"""
    try:
        if not os.path.exists(UPLOAD_FOLDER):
            print(f"업로드 폴더 생성 중: {UPLOAD_FOLDER}")
            os.makedirs(UPLOAD_FOLDER, exist_ok=True)
        
        if not os.path.exists(UPLOAD_FOLDER):
            raise Exception(f'업로드 폴더를 생성할 수 없습니다: {UPLOAD_FOLDER}')
        
        # 폴더 쓰기 권한 확인
        test_file = os.path.join(UPLOAD_FOLDER, '.write_test')
        try:
            with open(test_file, 'w') as f:
                f.write('test')
            os.remove(test_file)
            print(f"업로드 폴더 쓰기 권한 확인 완료: {UPLOAD_FOLDER}")
        except PermissionError as e:
            raise Exception(f'업로드 폴더에 쓰기 권한이 없습니다: {UPLOAD_FOLDER} - {str(e)}')
        except Exception as e:
            raise Exception(f'업로드 폴더 쓰기 테스트 실패: {UPLOAD_FOLDER} - {str(e)}')
    except Exception as e:
        print(f"업로드 폴더 생성 오류: {str(e)}")
        import traceback
        traceback.print_exc()
        raise

def split_text_into_chunks(text, min_chunk_size=200, max_chunk_size=1000, overlap=150):
    """의미 기반 텍스트 청킹 (문장과 문단 경계를 고려하여 분할)"""
    if not text or len(text.strip()) == 0:
        return []
    
    # 1단계: 문단 단위로 분할 (빈 줄 기준)
    paragraphs = re.split(r'\n\s*\n', text.strip())
    paragraphs = [p.strip() for p in paragraphs if p.strip()]
    
    if not paragraphs:
        return []
    
    # 2단계: 각 문단을 문장 단위로 분할
    # 문장 종결 기호: . ! ? (한글과 영문 모두 지원)
    # 구두점 뒤에 공백이나 줄바꿈이 오는 경우 문장 종료로 간주
    sentence_pattern = r'([.!?]+)(?=\s+|$)'
    
    all_sentences = []
    for para in paragraphs:
        # 문장 분리 (구두점 포함)
        parts = re.split(sentence_pattern, para)
        combined_sentences = []
        current_sentence = ""
        
        for i, part in enumerate(parts):
            if part.strip():
                if re.match(r'^[.!?]+$', part):
                    # 구두점인 경우 현재 문장에 추가하고 문장 완성
                    current_sentence += part
                    if current_sentence.strip():
                        combined_sentences.append(current_sentence.strip())
                    current_sentence = ""
                else:
                    # 텍스트인 경우 현재 문장에 추가
                    current_sentence += part
        
        # 마지막 문장 처리 (구두점이 없는 경우)
        if current_sentence.strip():
            combined_sentences.append(current_sentence.strip())
        
        # 문장이 하나도 없는 경우 (구두점이 전혀 없는 문단)
        if not combined_sentences and para.strip():
            combined_sentences.append(para.strip())
        
        all_sentences.extend(combined_sentences)
    
    if not all_sentences:
        # 문장 분리가 안 되는 경우 원본 텍스트를 그대로 반환
        return [text] if text.strip() else []
    
    # 3단계: 문장들을 모아서 의미 있는 청크 생성
    chunks = []
    current_chunk = []
    current_size = 0
    
    for sentence in all_sentences:
        sentence_size = len(sentence)
        
        # 현재 청크에 문장 추가 시 최대 크기를 초과하는 경우
        if current_size + sentence_size > max_chunk_size and current_chunk:
            # 현재 청크 저장 (줄바꿈 유지)
            chunk_text = '\n'.join(current_chunk)
            if len(chunk_text.strip()) >= min_chunk_size:
                chunks.append(chunk_text)
            else:
                # 최소 크기 미만이면 다음 청크와 병합 (오버랩 효과)
                if chunks:
                    chunks[-1] = chunks[-1] + '\n' + chunk_text
                else:
                    chunks.append(chunk_text)
            
            # 오버랩을 위한 문장 유지 (마지막 몇 문장을 다음 청크에 포함)
            overlap_sentences = []
            overlap_size = 0
            for s in reversed(current_chunk):
                if overlap_size + len(s) <= overlap:
                    overlap_sentences.insert(0, s)
                    overlap_size += len(s) + 1  # 줄바꿈 포함
                else:
                    break
            
            current_chunk = overlap_sentences + [sentence]
            current_size = overlap_size + sentence_size
        else:
            # 현재 청크에 문장 추가
            current_chunk.append(sentence)
            current_size += sentence_size + 1  # 줄바꿈 포함
    
    # 마지막 청크 추가
    if current_chunk:
        chunk_text = '\n'.join(current_chunk)
        if chunks and len(chunk_text.strip()) < min_chunk_size:
            # 최소 크기 미만이면 이전 청크와 병합
            chunks[-1] = chunks[-1] + '\n' + chunk_text
        else:
            chunks.append(chunk_text)
    
    # 빈 청크 제거 및 최소 크기 미만 청크 처리
    final_chunks = []
    for chunk in chunks:
        chunk = chunk.strip()
        if chunk and len(chunk) >= min_chunk_size:
            final_chunks.append(chunk)
        elif chunk:
            # 최소 크기 미만 청크는 이전 청크와 병합
            if final_chunks:
                final_chunks[-1] = final_chunks[-1] + '\n' + chunk
            else:
                final_chunks.append(chunk)
    
    return final_chunks if final_chunks else [text] if text.strip() else []

def extract_chapter_number(text):
    """텍스트에서 챕터 번호 추출"""
    # 다양한 챕터 패턴 매칭
    patterns = [
        r'제\s*(\d+)\s*장',  # 제1장, 제 1 장
        r'제\s*(\d+)\s*화',  # 제1화
        r'Chapter\s*(\d+)',  # Chapter 1
        r'CHAPTER\s*(\d+)',  # CHAPTER 1
        r'Ch\.\s*(\d+)',     # Ch. 1
        r'(\d+)\s*장',       # 1장
        r'(\d+)\s*화',       # 1화
        r'CHAPTER\s*(\d+)',  # CHAPTER 1
        r'chap\.\s*(\d+)',   # chap. 1
        r'ch\s*(\d+)',       # ch 1
        r'(\d+)\s*章',       # 1章
    ]
    
    # 텍스트의 처음 500자만 검사 (챕터 정보는 보통 앞부분에 있음)
    search_text = text[:500]
    
    for pattern in patterns:
        match = re.search(pattern, search_text, re.IGNORECASE)
        if match:
            try:
                chapter_num = int(match.group(1))
                return chapter_num
            except:
                continue
    
    return None

def split_content_by_episodes(content):
    """원본 웹소설을 #작품설명, #1화, #2화 등으로 분할
    
    Returns:
        list: [(section_type, section_title, section_content, metadata), ...]
        section_type: '작품설명' or '화'
        section_title: '작품설명' or '1화', '2화', ...
        metadata: {'chapter': '#작품설명'} or {'chapter': '1화'}
    """
    if not content or len(content.strip()) == 0:
        return []
    
    sections = []
    
    # #작품설명, #1화, #2화 등의 패턴 찾기
    # 패턴: #작품설명, #1화, #2화, #10화 등
    episode_pattern = r'^#\s*(작품설명|\d+화)'
    
    lines = content.split('\n')
    current_section_type = None
    current_section_title = None
    current_section_content = []
    current_section_start_line = 0
    
    for i, line in enumerate(lines):
        # 줄 시작 부분에서 #작품설명 또는 #n화 패턴 찾기
        match = re.match(episode_pattern, line.strip())
        
        if match:
            # 이전 섹션 저장
            if current_section_type and current_section_content:
                section_content = '\n'.join(current_section_content).strip()
                if section_content:
                    # 메타데이터 생성
                    if current_section_type == '작품설명':
                        metadata = {'chapter': '#작품설명'}
                    else:
                        metadata = {'chapter': current_section_title}
                    
                    sections.append((
                        current_section_type,
                        current_section_title,
                        section_content,
                        metadata
                    ))
            
            # 새 섹션 시작
            section_title = match.group(1)
            if section_title == '작품설명':
                current_section_type = '작품설명'
                current_section_title = '작품설명'
            else:
                current_section_type = '화'
                current_section_title = section_title  # '1화', '2화' 등
            
            current_section_content = [line]  # 헤더 라인 포함
            current_section_start_line = i
        else:
            # 현재 섹션에 내용 추가
            if current_section_content is not None:
                current_section_content.append(line)
    
    # 마지막 섹션 저장
    if current_section_type and current_section_content:
        section_content = '\n'.join(current_section_content).strip()
        if section_content:
            # 메타데이터 생성
            if current_section_type == '작품설명':
                metadata = {'chapter': '#작품설명'}
            else:
                metadata = {'chapter': current_section_title}
            
            sections.append((
                current_section_type,
                current_section_title,
                section_content,
                metadata
            ))
    
    # 섹션이 하나도 없으면 전체를 하나의 섹션으로 처리
    if not sections:
        sections.append((
            '기타',
            '전체',
            content.strip(),
            {'chapter': None}
        ))
    
    return sections

def extract_metadata_with_ai(chunk_content, full_content=None, parent_chunk=None, model_name=None):
    """AI를 사용하여 청크의 메타데이터 추출 (화자, 등장인물, 시간적 배경, 인물 관계)
    
    Args:
        chunk_content: 분석할 청크 내용
        full_content: 원본 웹소설 전체 내용 (인물 관계 파악용)
        parent_chunk: Parent Chunk 객체 (선택사항)
        model_name: 사용할 AI 모델명
    """
    try:
        # 원본 웹소설 전체 내용을 참조하여 인물 관계 파악
        full_content_preview = ""
        if full_content:
            # 전체 내용이 너무 길면 앞부분과 뒷부분 일부만 사용 (최대 20000자)
            if len(full_content) > 20000:
                full_content_preview = full_content[:10000] + "\n... (중간 생략) ...\n" + full_content[-10000:]
            else:
                full_content_preview = full_content
        
        # 프롬프트 생성
        prompt = f"""다음 웹소설 텍스트를 분석하여 아래 정보를 JSON 형식으로만 응답하세요.

원본 웹소설 전체 내용 (참고용):
{full_content_preview[:50000] if full_content_preview else "없음"}

분석할 청크 텍스트:
{chunk_content[:2000]}

다음 형식으로만 응답하세요 (JSON 형식):
{{
    "pov": "화자/시점을 설명하세요 (예: 1인칭 주인공, 3인칭 전지적 작가 등)",
    "characters": ["등장인물1", "등장인물2"],
    "time_background": "시간적 배경 설명 (예: 과거 회상, 현재 시점, 미래 등)",
    "character_relationships": [
        {{
            "character1": "인물1",
            "character2": "인물2",
            "relationship": "현재 시점에서의 관계 설명 (예: 연인, 적, 친구, 가족 등)"
        }}
    ]
}}

character_relationships는 이 청크에 등장하는 인물들 간의 현재 관계를 원본 웹소설 전체 내용을 참고하여 파악한 것입니다.
응답은 오직 JSON 형식만 사용하고, 다른 설명은 포함하지 마세요."""

        # 모델명이 없으면 기본값 사용 (Gemini 우선 시도)
        if not model_name:
            # Gemini 시도
            try:
                gemini_client = get_gemini_client()
                if gemini_client.is_configured():
                    result = gemini_client.generate_response(
                        prompt=prompt,
                        model_name="gemini-1.5-flash",
                        temperature=0.3,
                        max_output_tokens=get_model_token_limit(model_name or "gemini-1.5-flash", 500)  # 저장된 토큰 수 사용
                    )
                    if not result['error'] and result.get('response'):
                        response_text = result['response'].strip()
                        # JSON 추출
                        json_match = re.search(r'\{.*\}', response_text, re.DOTALL)
                        if json_match:
                            metadata = json.loads(json_match.group(0))
                            return metadata
            except:
                pass
        
        # 모델명이 있거나 Gemini 실패 시 해당 모델 사용
        if model_name:
            model_name_lower = model_name.lower().strip()
            is_gemini = model_name_lower.startswith('gemini:') or model_name_lower.startswith('gemini-')
            
            if is_gemini:
                gemini_model_name = model_name.strip()
                if gemini_model_name.lower().startswith('gemini:'):
                    gemini_model_name = gemini_model_name.split(':', 1)[1].strip()
                
                gemini_client = get_gemini_client()
                if gemini_client.is_configured():
                    result = gemini_client.generate_response(
                        prompt=prompt,
                        model_name=gemini_model_name,
                        temperature=0.3,
                        max_output_tokens=get_model_token_limit(model_name or "gemini-1.5-flash", 500)  # 저장된 토큰 수 사용
                    )
                    if not result['error'] and result.get('response'):
                        response_text = result['response'].strip()
                        json_match = re.search(r'\{.*\}', response_text, re.DOTALL)
                        if json_match:
                            metadata = json.loads(json_match.group(0))
                            return metadata
            else:
                # Ollama API 호출
                try:
                    # 입력 토큰 수를 num_ctx로 사용
                    num_ctx = get_model_token_limit_by_type(model_name, 100000, 'input')
                    ollama_response = requests.post(
                        f'{OLLAMA_BASE_URL}/api/generate',
                        json={
                            'model': model_name,
                            'prompt': prompt,
                            'stream': False,
                            'options': {
                                'temperature': 0.3,
                                'num_predict': get_model_token_limit(model_name, 500),  # 저장된 토큰 수 사용
                                'num_ctx': num_ctx  # 입력 토큰 수를 컨텍스트 윈도우로 사용
                            }
                        },
                        timeout=120  # 2분 타임아웃
                    )
                    if ollama_response.status_code == 200:
                        response_data = ollama_response.json()
                        response_text = response_data.get('response', '').strip()
                        json_match = re.search(r'\{.*\}', response_text, re.DOTALL)
                        if json_match:
                            metadata = json.loads(json_match.group(0))
                            return metadata
                except:
                    pass
        
        # AI 추출 실패 시 기본값 반환
        return {
            "pov": None,
            "characters": [],
            "time_background": None,
            "character_relationships": []
        }
    except Exception as e:
        print(f"[메타데이터 추출] 오류: {str(e)}")
        return {
            "pov": None,
            "characters": [],
            "time_background": None,
            "character_relationships": []
        }

def extract_chunk_metadata(chunk_content, full_content=None, chunk_index=None, file_id=None, model_name=None):
    """청크의 메타데이터 추출 (화자, 등장인물, 시간적 배경, 인물 관계)
    
    Args:
        chunk_content: 분석할 청크 내용
        full_content: 원본 웹소설 전체 내용 (인물 관계 파악용)
        chunk_index: 청크 인덱스
        file_id: 파일 ID
        model_name: 사용할 AI 모델명
    """
    metadata = {
        "pov": None,
        "characters": [],
        "time_background": None,
        "character_relationships": []
    }
    
    # AI를 사용한 메타데이터 추출 (화자, 등장인물, 시간적 배경, 인물 관계)
    # Parent Chunk가 있으면 참조
    parent_chunk = None
    if file_id:
        try:
            parent_chunk = ParentChunk.query.filter_by(file_id=file_id).first()
        except:
            pass
    
    # 원본 웹소설 전체 내용을 참조하여 메타데이터 추출
    ai_metadata = extract_metadata_with_ai(chunk_content, full_content, parent_chunk, model_name)
    if ai_metadata:
        metadata["pov"] = ai_metadata.get("pov")
        metadata["characters"] = ai_metadata.get("characters", [])
        metadata["time_background"] = ai_metadata.get("time_background")
        metadata["character_relationships"] = ai_metadata.get("character_relationships", [])
    
    return metadata

def analyze_episode(episode_content, episode_title, full_content=None, parent_chunk=None, model_name=None):
    """회차별 분석 (주요 스토리, 등장인물, 인물 관계 변화, 기타)
    
    Args:
        episode_content: 분석할 회차 내용
        episode_title: 회차 제목 (예: '1화', '2화')
        full_content: 원본 웹소설 전체 내용 (참고용)
        parent_chunk: Parent Chunk 객체 (선택사항)
        model_name: 사용할 AI 모델명
    
    Returns:
        분석 결과 텍스트 (하나의 텍스트로 이어서 저장)
    """
    try:
        # 원본 웹소설 전체 내용을 참조
        full_content_preview = ""
        if full_content:
            # 전체 내용이 너무 길면 앞부분과 뒷부분 일부만 사용 (최대 30000자)
            if len(full_content) > 30000:
                full_content_preview = full_content[:15000] + "\n... (중간 생략) ...\n" + full_content[-15000:]
            else:
                full_content_preview = full_content
        
        # Parent Chunk 정보 추가
        parent_info = ""
        if parent_chunk:
            parent_info = f"""
작품 전체 정보:
- 세계관: {parent_chunk.world_view or '없음'}
- 주요 캐릭터: {parent_chunk.characters or '없음'}
- 주요 스토리: {parent_chunk.story or '없음'}
"""
        
        # 프롬프트 생성
        prompt = f"""다음 웹소설의 {episode_title} 회차를 분석하여 아래 항목들을 하나의 텍스트로 이어서 작성해주세요.

{parent_info}

원본 웹소설 전체 내용 (참고용):
{full_content_preview[:50000] if full_content_preview else "없음"}

분석할 회차 내용 ({episode_title}):
{episode_content[:10000] if len(episode_content) > 10000 else episode_content}

다음 형식으로 분석 결과를 작성해주세요 (하나의 텍스트로 이어서 작성):

## {episode_title} 주요 스토리 분석
[이 회차에서 일어난 주요 사건과 스토리 전개를 상세히 분석해주세요]

## {episode_title} 주요 등장 인물 분석
[이 회차에 등장한 주요 인물들과 그들의 역할, 행동, 특징을 분석해주세요]

## 인물과 인물간의 관계 변화
[이 회차에서 인물들 간의 관계가 어떻게 변화했는지, 새로운 관계가 형성되었는지 등을 분석해주세요]

## {episode_title} 인물 외모 분석
[이 회차에 등장한 인물들의 외모, 체형, 얼굴 특징, 신체적 특징 등을 상세히 분석해주세요. 특히 새로 등장한 인물이나 외모가 변경된 인물에 대해 자세히 설명해주세요]

## {episode_title} 인물 의복 분석
[이 회차에 등장한 인물들이 착용한 의복, 복장, 액세서리 등을 상세히 분석해주세요. 의복의 스타일, 색상, 특징, 상황에 맞는 복장인지 등을 분석해주세요]

## {episode_title} 배경 분석
[이 회차의 배경이 되는 장소, 환경, 시간대, 분위기 등을 상세히 분석해주세요. 장소의 특징, 분위기, 시간적 배경, 날씨, 계절 등을 포함하여 분석해주세요]

## 기타
[이 회차의 특별한 점, 중요 사건, 떡밥, 복선 등 기타 중요한 내용을 분석해주세요]

응답은 위 형식을 그대로 유지하면서 각 항목에 대한 상세한 분석 내용을 작성해주세요."""

        # 모델명이 없으면 기본값 사용 (Gemini 우선 시도)
        if not model_name:
            # Gemini 시도
            try:
                gemini_client = get_gemini_client()
                if gemini_client.is_configured():
                    result = gemini_client.generate_response(
                        prompt=prompt,
                        model_name="gemini-1.5-flash",
                        temperature=0.5,
                        max_output_tokens=get_model_token_limit("gemini-1.5-flash", 3000)  # 저장된 토큰 수 사용
                    )
                    if not result['error'] and result.get('response'):
                        # 시스템 사용 토큰 저장 (토큰이 None이어도 저장)
                        print(f"[회차 분석] 토큰 정보 확인 - 입력: {result.get('input_tokens')}, 출력: {result.get('output_tokens')}")
                        save_system_token_usage(
                            model_name="gemini-1.5-flash",
                            input_tokens=result.get('input_tokens'),
                            output_tokens=result.get('output_tokens'),
                            task_type='episode_analysis'
                        )
                        return result['response'].strip()
            except Exception as e:
                print(f"[회차 분석] Gemini 기본 모델 오류: {str(e)}")
        
        # 모델명이 있거나 Gemini 실패 시 해당 모델 사용
        if model_name:
            model_name_lower = model_name.lower().strip()
            is_gemini = model_name_lower.startswith('gemini:') or model_name_lower.startswith('gemini-')
            
            if is_gemini:
                gemini_model_name = model_name.strip()
                if gemini_model_name.lower().startswith('gemini:'):
                    gemini_model_name = gemini_model_name.split(':', 1)[1].strip()
                
                gemini_client = get_gemini_client()
                if gemini_client.is_configured():
                    result = gemini_client.generate_response(
                        prompt=prompt,
                        model_name=gemini_model_name,
                        temperature=0.5,
                        max_output_tokens=get_model_token_limit(model_name, 3000)  # 저장된 토큰 수 사용
                    )
                    if not result['error'] and result.get('response'):
                        # 시스템 사용 토큰 저장 (토큰이 None이어도 저장)
                        print(f"[회차 분석] 토큰 정보 확인 - 입력: {result.get('input_tokens')}, 출력: {result.get('output_tokens')}")
                        save_system_token_usage(
                            model_name=gemini_model_name,
                            input_tokens=result.get('input_tokens'),
                            output_tokens=result.get('output_tokens'),
                            task_type='episode_analysis'
                        )
                        return result['response'].strip()
            else:
                # Ollama API 호출
                try:
                    # 입력 토큰 수를 num_ctx로 사용
                    num_ctx = get_model_token_limit_by_type(model_name, 100000, 'input')
                    ollama_response = requests.post(
                        f'{OLLAMA_BASE_URL}/api/generate',
                        json={
                            'model': model_name,
                            'prompt': prompt,
                            'stream': False,
                            'options': {
                                'temperature': 0.5,
                                'num_predict': get_model_token_limit(model_name, 3000),  # 저장된 토큰 수 사용
                                'num_ctx': num_ctx  # 입력 토큰 수를 컨텍스트 윈도우로 사용
                            }
                        },
                        timeout=300  # 5분 타임아웃 (회차 분석은 시간이 오래 걸릴 수 있음)
                    )
                    if ollama_response.status_code == 200:
                        response_data = ollama_response.json()
                        # 시스템 사용 토큰 저장 (토큰이 None이어도 저장)
                        ollama_input_tokens = response_data.get('prompt_eval_count')
                        ollama_output_tokens = response_data.get('eval_count')
                        print(f"[회차 분석] 토큰 정보 확인 - 입력: {ollama_input_tokens}, 출력: {ollama_output_tokens}")
                        save_system_token_usage(
                            model_name=model_name,
                            input_tokens=ollama_input_tokens,
                            output_tokens=ollama_output_tokens,
                            task_type='episode_analysis'
                        )
                        return response_data.get('response', '').strip()
                except requests.exceptions.Timeout:
                    print(f"[회차 분석] Ollama 타임아웃: 요청 시간이 초과되었습니다. (5분)")
                    print(f"[회차 분석] 회차 내용이 너무 길거나 모델 응답이 느릴 수 있습니다.")
                except requests.exceptions.ConnectionError:
                    print(f"[회차 분석] Ollama 연결 오류: Ollama 서버에 연결할 수 없습니다.")
                except Exception as e:
                    print(f"[회차 분석] Ollama 오류: {str(e)}")
        
        # AI 분석 실패 시 기본값 반환
        return f"## {episode_title} 분석\n분석을 완료할 수 없었습니다."
    except Exception as e:
        print(f"[회차 분석] 오류: {str(e)}")
        import traceback
        traceback.print_exc()
        return f"## {episode_title} 분석\n분석 중 오류가 발생했습니다: {str(e)}"

def extract_graph_from_episode(episode_content, episode_title, file_id, full_content=None, parent_chunk=None, model_name=None):
    """회차별 Graph Extraction (엔티티와 관계 추출)
    
    Args:
        episode_content: 분석할 회차 내용
        episode_title: 회차 제목 (예: '1화', '2화')
        file_id: 파일 ID
        full_content: 원본 웹소설 전체 내용 (참고용)
        parent_chunk: Parent Chunk 객체 (선택사항)
        model_name: 사용할 AI 모델명
    
    Returns:
        추출 성공 여부 (bool)
    """
    try:
        print(f"[Graph Extraction] '{episode_title}' Graph Extraction 시작...")
        
        # Parent Chunk 정보 추가
        parent_info = ""
        if parent_chunk:
            parent_info = f"""
작품 전체 정보:
- 세계관: {parent_chunk.world_view or '없음'}
- 주요 캐릭터: {parent_chunk.characters or '없음'}
- 주요 스토리: {parent_chunk.story or '없음'}
"""
        
        # Graph Extraction 프롬프트 생성
        from app.prompts.graph_extraction import get_graph_extraction_prompt
        
        prompt = get_graph_extraction_prompt(
            episode_content=episode_content,
            episode_title=episode_title,
            full_content=full_content,
            parent_chunk_info=parent_info,
            max_length=10000
        )
        
        # 모델명이 없으면 기본값 사용 (Gemini 우선 시도)
        response_text = None
        if not model_name:
            # Gemini 시도
            try:
                gemini_client = get_gemini_client()
                if gemini_client.is_configured():
                    result = gemini_client.generate_response(
                        prompt=prompt,
                        model_name="gemini-1.5-flash",
                        temperature=0.3,
                        max_output_tokens=3000
                    )
                    if not result['error'] and result.get('response'):
                        response_text = result['response'].strip()
                        # 시스템 사용 토큰 저장 (토큰이 None이어도 저장)
                        print(f"[Graph Extraction] 토큰 정보 확인 - 입력: {result.get('input_tokens')}, 출력: {result.get('output_tokens')}")
                        save_system_token_usage(
                            model_name="gemini-1.5-flash",
                            input_tokens=result.get('input_tokens'),
                            output_tokens=result.get('output_tokens'),
                            task_type='graph_extraction'
                        )
            except Exception as e:
                print(f"[Graph Extraction] Gemini 기본 모델 오류: {str(e)}")
        
        # 모델명이 있거나 Gemini 실패 시 해당 모델 사용
        if not response_text and model_name:
            model_name_lower = model_name.lower().strip()
            is_gemini = model_name_lower.startswith('gemini:') or model_name_lower.startswith('gemini-')
            
            if is_gemini:
                gemini_model_name = model_name.strip()
                if gemini_model_name.lower().startswith('gemini:'):
                    gemini_model_name = gemini_model_name.split(':', 1)[1].strip()
                
                gemini_client = get_gemini_client()
                if gemini_client.is_configured():
                    result = gemini_client.generate_response(
                        prompt=prompt,
                        model_name=gemini_model_name,
                        temperature=0.3,
                        max_output_tokens=3000
                    )
                    if not result['error'] and result.get('response'):
                        response_text = result['response'].strip()
                        # 시스템 사용 토큰 저장 (토큰이 None이어도 저장)
                        print(f"[Graph Extraction] 토큰 정보 확인 - 입력: {result.get('input_tokens')}, 출력: {result.get('output_tokens')}")
                        save_system_token_usage(
                            model_name=gemini_model_name,
                            input_tokens=result.get('input_tokens'),
                            output_tokens=result.get('output_tokens'),
                            task_type='graph_extraction'
                        )
            else:
                # Ollama API 호출
                try:
                    # 입력 토큰 수를 num_ctx로 사용
                    num_ctx = get_model_token_limit_by_type(model_name, 100000, 'input')
                    ollama_response = requests.post(
                        f'{OLLAMA_BASE_URL}/api/generate',
                        json={
                            'model': model_name,
                            'prompt': prompt,
                            'stream': False,
                            'options': {
                                'temperature': 0.3,
                                'num_predict': 3000,
                                'num_ctx': num_ctx  # 입력 토큰 수를 컨텍스트 윈도우로 사용
                            }
                        },
                        timeout=300  # 5분 타임아웃
                    )
                    if ollama_response.status_code == 200:
                        response_data = ollama_response.json()
                        response_text = response_data.get('response', '').strip()
                        # 시스템 사용 토큰 저장 (토큰이 None이어도 저장)
                        ollama_input_tokens = response_data.get('prompt_eval_count')
                        ollama_output_tokens = response_data.get('eval_count')
                        print(f"[Graph Extraction] 토큰 정보 확인 - 입력: {ollama_input_tokens}, 출력: {ollama_output_tokens}")
                        save_system_token_usage(
                            model_name=model_name,
                            input_tokens=ollama_input_tokens,
                            output_tokens=ollama_output_tokens,
                            task_type='graph_extraction'
                        )
                except requests.exceptions.Timeout:
                    print(f"[Graph Extraction] Ollama 타임아웃: 요청 시간이 초과되었습니다. (5분)")
                except requests.exceptions.ConnectionError:
                    print(f"[Graph Extraction] Ollama 연결 오류: Ollama 서버에 연결할 수 없습니다.")
                except Exception as e:
                    print(f"[Graph Extraction] Ollama 오류: {str(e)}")
        
        if not response_text:
            print(f"[Graph Extraction] '{episode_title}' Graph Extraction 실패: 응답 없음")
            return False
        
        # JSON 추출
        json_match = re.search(r'\{.*\}', response_text, re.DOTALL)
        if not json_match:
            print(f"[Graph Extraction] '{episode_title}' Graph Extraction 실패: JSON 형식이 아닙니다")
            print(f"[Graph Extraction] 응답 일부: {response_text[:500]}")
            return False
        
        try:
            graph_data = json.loads(json_match.group(0))
        except json.JSONDecodeError as e:
            print(f"[Graph Extraction] '{episode_title}' JSON 파싱 오류: {str(e)}")
            print(f"[Graph Extraction] 응답 일부: {response_text[:500]}")
            return False
        
        # 기존 Graph 데이터 삭제 (같은 회차의 기존 데이터)
        GraphEntity.query.filter_by(file_id=file_id, episode_title=episode_title).delete()
        GraphRelationship.query.filter_by(file_id=file_id, episode_title=episode_title).delete()
        GraphEvent.query.filter_by(file_id=file_id, episode_title=episode_title).delete()
        db.session.commit()
        
        # 데이터베이스에 저장
        saved_count = 0
        
        # 엔티티 저장
        entities = graph_data.get('entities', {})
        
        # 인물 저장
        characters = entities.get('characters', [])
        for char in characters:
            if char.get('name'):
                entity = GraphEntity(
                    file_id=file_id,
                    episode_title=episode_title,
                    entity_name=char.get('name', ''),
                    entity_type='character',
                    description=char.get('description'),
                    role=char.get('role'),
                    category=None
                )
                db.session.add(entity)
                saved_count += 1
        
        # 장소 저장
        locations = entities.get('locations', [])
        for loc in locations:
            if loc.get('name'):
                entity = GraphEntity(
                    file_id=file_id,
                    episode_title=episode_title,
                    entity_name=loc.get('name', ''),
                    entity_type='location',
                    description=loc.get('description'),
                    role=None,
                    category=loc.get('category')
                )
                db.session.add(entity)
                saved_count += 1
        
        # 관계 저장
        relationships = graph_data.get('relationships', [])
        for rel in relationships:
            if rel.get('source') and rel.get('target'):
                relationship = GraphRelationship(
                    file_id=file_id,
                    episode_title=episode_title,
                    source=rel.get('source', ''),
                    target=rel.get('target', ''),
                    relationship_type=rel.get('type', ''),
                    description=rel.get('description'),
                    event=rel.get('event')
                )
                db.session.add(relationship)
                saved_count += 1
        
        # 사건 저장
        events = graph_data.get('events', [])
        for event in events:
            if event.get('name') or event.get('description'):
                participants = event.get('participants', [])
                participants_json = json.dumps(participants, ensure_ascii=False) if participants else None
                
                graph_event = GraphEvent(
                    file_id=file_id,
                    episode_title=episode_title,
                    event_name=event.get('name', ''),
                    description=event.get('description', ''),
                    participants=participants_json,
                    location=event.get('location'),
                    significance=event.get('significance')
                )
                db.session.add(graph_event)
                saved_count += 1
        
        db.session.commit()
        print(f"[Graph Extraction] '{episode_title}' Graph Extraction 완료: {saved_count}개 항목 저장")
        return True
        
    except Exception as e:
        print(f"[Graph Extraction] '{episode_title}' Graph Extraction 오류: {str(e)}")
        import traceback
        traceback.print_exc()
        db.session.rollback()
        return False

def create_chunks_for_file(file_id, content, skip_episode_analysis=False, skip_graph_extraction=False):
    """파일 내용을 섹션별로 분할하여 의미 기반 청크로 저장 (벡터 DB 포함)
    
    섹션 분할 규칙:
    - #작품설명부터 #1화까지: '작품설명' 섹션, 메타데이터에 #작품설명 추가
    - #n화부터 #n+1화까지: 'n화' 섹션, 메타데이터에 회차 정보(n화) 추가
    
    Args:
        file_id: 파일 ID
        content: 파일 내용
        skip_episode_analysis: 회차 분석 건너뛰기 (기본값: False)
        skip_graph_extraction: Graph Extraction 건너뛰기 (기본값: False)
    """
    try:
        print(f"[청크 생성] 파일 ID {file_id}에 대한 청크 생성 시작")
        print(f"[청크 생성] 원본 텍스트 길이: {len(content)}자")
        
        # 파일 정보 가져오기 (모델명 등)
        uploaded_file = UploadedFile.query.get(file_id)
        model_name = uploaded_file.model_name if uploaded_file else None
        
        # 벡터 DB 매니저 가져오기
        vector_db = get_vector_db()
        
        # 기존 청크 삭제 (DB + 벡터 DB)
        existing_chunks = DocumentChunk.query.filter_by(file_id=file_id).all()
        if existing_chunks:
            print(f"[청크 생성] 기존 청크 {len(existing_chunks)}개 삭제 중...")
            # 벡터 DB에서 삭제
            vector_db.delete_chunks_by_file_id(file_id)
            # DB에서 삭제
            DocumentChunk.query.filter_by(file_id=file_id).delete()
            db.session.commit()
        
        # 원본 웹소설을 섹션별로 분할 (#작품설명, #1화, #2화 등)
        sections = split_content_by_episodes(content)
        print(f"[청크 생성] 섹션 분할 완료: {len(sections)}개 섹션")
        for i, (section_type, section_title, section_content, section_metadata) in enumerate(sections):
            print(f"[청크 생성] 섹션 {i+1}: {section_title} ({len(section_content)}자)")
        
        if len(sections) == 0:
            print(f"[청크 생성] 경고: 섹션이 생성되지 않았습니다.")
            return 0
        
        # 기존 회차 분석 삭제
        existing_analyses = EpisodeAnalysis.query.filter_by(file_id=file_id).all()
        if existing_analyses:
            print(f"[회차 분석] 기존 회차 분석 {len(existing_analyses)}개 삭제 중...")
            for analysis in existing_analyses:
                db.session.delete(analysis)
            db.session.commit()
        
        # '#작품설명'을 제외한 각 회차 분석
        episode_sections = [s for s in sections if s[0] != '작품설명']  # section_type이 '작품설명'이 아닌 것만
        if episode_sections and model_name and not skip_episode_analysis:
            print(f"[회차 분석] {len(episode_sections)}개 회차 분석 시작...")
            
            # Parent Chunk 가져오기
            parent_chunk = None
            try:
                parent_chunk = ParentChunk.query.filter_by(file_id=file_id).first()
            except:
                pass
            
            # 각 회차 분석 결과를 하나의 텍스트로 이어서 저장
            all_analyses = []
            
            for section_type, section_title, section_content, section_metadata in episode_sections:
                try:
                    print(f"[회차 분석] '{section_title}' 분석 중...")
                    analysis_result = analyze_episode(
                        episode_content=section_content,
                        episode_title=section_title,
                        full_content=content,
                        parent_chunk=parent_chunk,
                        model_name=model_name
                    )
                    
                    if analysis_result:
                        all_analyses.append(f"\n\n{analysis_result}")
                        print(f"[회차 분석] '{section_title}' 분석 완료")
                    else:
                        print(f"[회차 분석] '{section_title}' 분석 실패 (결과 없음)")
                except Exception as e:
                    print(f"[회차 분석] '{section_title}' 분석 중 오류: {str(e)}")
                    import traceback
                    traceback.print_exc()
                    continue
            
            # 모든 회차 분석 결과를 하나의 텍스트로 이어서 저장
            if all_analyses:
                combined_analysis = "\n".join(all_analyses).strip()
                
                # 하나의 통합 분석으로 저장 (나눠서 저장하지 않고 하나에 이어서 저장)
                episode_analysis = EpisodeAnalysis(
                    file_id=file_id,
                    episode_title="전체 회차 통합 분석",
                    analysis_content=combined_analysis  # 모든 회차 분석을 하나의 텍스트로 저장
                )
                db.session.add(episode_analysis)
                db.session.commit()
                print(f"[회차 분석] 완료: {len(episode_sections)}개 회차 분석 결과를 하나의 텍스트로 저장")
            else:
                print(f"[회차 분석] 경고: 분석 결과가 없습니다.")
        
        # 회차별 Graph Extraction 실행 (회차 분석 성공 여부와 관계없이 실행)
        if episode_sections and model_name and not skip_graph_extraction:
            print(f"[Graph Extraction] 회차별 Graph Extraction 시작...")
            
            # Parent Chunk 가져오기 (회차 분석 블록 밖에서도 사용 가능하도록)
            parent_chunk = None
            try:
                parent_chunk = ParentChunk.query.filter_by(file_id=file_id).first()
            except:
                pass
            
            graph_extraction_success_count = 0
            for section_type, section_title, section_content, section_metadata in episode_sections:
                try:
                    print(f"[Graph Extraction] '{section_title}' Graph Extraction 중...")
                    success = extract_graph_from_episode(
                        episode_content=section_content,
                        episode_title=section_title,
                        file_id=file_id,
                        full_content=content,
                        parent_chunk=parent_chunk,
                        model_name=model_name
                    )
                    if success:
                        graph_extraction_success_count += 1
                        print(f"[Graph Extraction] '{section_title}' Graph Extraction 완료")
                    else:
                        print(f"[Graph Extraction] '{section_title}' Graph Extraction 실패")
                except Exception as e:
                    print(f"[Graph Extraction] '{section_title}' Graph Extraction 중 오류: {str(e)}")
                    import traceback
                    traceback.print_exc()
                    continue
            
            print(f"[Graph Extraction] 완료: {graph_extraction_success_count}/{len(episode_sections)}개 회차 Graph Extraction 성공")
        else:
            if not model_name:
                print(f"[회차 분석] 모델명이 없어 회차 분석을 건너뜁니다.")
            elif not episode_sections:
                print(f"[회차 분석] 분석할 회차가 없습니다.")
        
        # 각 섹션별로 청크 생성 및 저장
        saved_count = 0
        vector_saved_count = 0
        global_chunk_index = 0  # 전체 청크 인덱스
        
        for section_idx, (section_type, section_title, section_content, section_metadata) in enumerate(sections):
            print(f"[청크 생성] 섹션 '{section_title}' 처리 중... ({len(section_content)}자)")
            
            # 각 섹션을 의미 기반 청킹 (문장과 문단 경계를 고려하여 분할)
            # min_chunk_size: 최소 200자, max_chunk_size: 최대 1000자, overlap: 150자
            section_chunks = split_text_into_chunks(section_content, min_chunk_size=200, max_chunk_size=1000, overlap=150)
            print(f"[청크 생성] 섹션 '{section_title}' 분할된 청크 수: {len(section_chunks)}개")
            
            # 각 청크를 데이터베이스와 벡터 DB에 저장
            for chunk_idx, chunk_content in enumerate(section_chunks):
                try:
                    # 섹션 메타데이터를 기본으로 사용 (chapter 정보 포함)
                    chunk_metadata = section_metadata.copy()
                    
                    # DB에 청크 저장 (섹션 메타데이터 포함)
                    chunk = DocumentChunk(
                        file_id=file_id,
                        chunk_index=global_chunk_index,
                        content=chunk_content,
                        chunk_metadata=json.dumps(chunk_metadata, ensure_ascii=False)  # 섹션 메타데이터 저장
                    )
                    db.session.add(chunk)
                    db.session.flush()  # ID 생성
                    
                    # 벡터 DB에 청크 추가
                    if vector_db.add_chunk(
                        chunk_id=chunk.id,
                        chunk_content=chunk_content,
                        file_id=file_id,
                        chunk_index=global_chunk_index
                    ):
                        vector_saved_count += 1
                    
                    saved_count += 1
                    global_chunk_index += 1
                    
                    # 진행 상황 출력 (10개마다)
                    if saved_count % 10 == 0:
                        print(f"[청크 생성] 진행 중: {saved_count}개 청크 저장 중... (DB: {saved_count}, 벡터 DB: {vector_saved_count})")
                except Exception as e:
                    print(f"[청크 생성] 경고: 청크 {global_chunk_index} 저장 중 오류: {str(e)}")
                    import traceback
                    traceback.print_exc()
                    continue
        
        db.session.commit()
        print(f"[청크 생성] 완료: {saved_count}개 청크가 데이터베이스에 저장되었습니다. (벡터 DB: {vector_saved_count}개)")
        
        # 저장 확인
        verified_count = DocumentChunk.query.filter_by(file_id=file_id).count()
        if verified_count != saved_count:
            print(f"[청크 생성] 경고: 저장된 청크 수({saved_count})와 확인된 청크 수({verified_count})가 일치하지 않습니다.")
        else:
            print(f"[청크 생성] 검증 완료: {verified_count}개 청크가 정상적으로 저장되었습니다.")
        
        return saved_count
    except Exception as e:
        db.session.rollback()
        print(f"[청크 생성] 오류: {str(e)}")
        import traceback
        traceback.print_exc()
        return 0

def create_parent_chunk_with_ai(file_id, content, model_name):
    """AI를 사용하여 Parent Chunk 생성 (웹소설 분석)"""
    try:
        print(f"[Parent Chunk 생성] 파일 ID {file_id}에 대한 Parent Chunk 생성 시작")
        print(f"[Parent Chunk 생성] 사용 모델: {model_name}")
        print(f"[Parent Chunk 생성] 원본 텍스트 길이: {len(content)}자")
        
        # 모델명이 None이거나 빈 문자열인 경우 처리
        if not model_name or not model_name.strip():
            print(f"[Parent Chunk 생성] ❌ 오류: 모델명이 제공되지 않았습니다.")
            return None
        
        # 텍스트가 너무 길면 일부만 사용 (최대 50000자)
        content_preview = content[:50000] if len(content) > 50000 else content
        if len(content) > 50000:
            print(f"[Parent Chunk 생성] 텍스트가 길어 일부만 사용: {len(content_preview)}자 (전체: {len(content)}자)")
        
        # 분석 프롬프트 생성
        analysis_prompt = f"""다음 웹소설 텍스트를 분석하여 다음 항목들을 작성해주세요. 각 항목은 명확하고 구체적으로 작성해주세요.

텍스트 내용:
{content_preview}

위 텍스트를 분석하여 다음 형식으로 답변해주세요:

## 세계관 설명
[세계관에 대한 상세한 설명을 작성하세요. 배경, 설정, 규칙 등을 포함하세요.]

## 주요 캐릭터 분석
[주요 등장인물들의 이름, 역할, 성격, 특징 등을 분석하여 작성하세요. 각 캐릭터별로 구분하여 작성하세요.]

## 주요 스토리 분석
[전체적인 스토리 흐름, 주요 사건, 갈등 구조 등을 분석하여 작성하세요.]

## 주요 에피소드 분석
[중요한 에피소드나 챕터별 주요 내용을 분석하여 작성하세요. 시간 순서대로 정리하면 좋습니다.]

## 기타
[위 카테고리에 포함되지 않지만 중요한 정보나 특징 등을 작성하세요.]

각 항목을 명확하게 구분하여 작성해주세요."""
        
        # 모델 타입 확인 (Gemini 또는 Ollama)
        # Gemini 모델명 형식: "gemini:모델명" 또는 "gemini-1.5-flash" (접두사 없는 경우도 지원)
        model_name_lower = model_name.lower().strip()
        is_gemini = model_name_lower.startswith('gemini:') or model_name_lower.startswith('gemini-')
        
        print(f"[Parent Chunk 생성] 모델 타입 확인: is_gemini={is_gemini}, model_name={model_name}")
        
        if is_gemini:
            # Gemini API 호출
            # 모델명에서 "gemini:" 접두사 제거 (대소문자 구분 없이)
            gemini_model_name = model_name.strip()
            if gemini_model_name.lower().startswith('gemini:'):
                gemini_model_name = gemini_model_name.split(':', 1)[1].strip()
            # "gemini-"로 시작하는 경우 (예: "gemini-1.5-flash") 그대로 사용
            
            print(f"[Parent Chunk 생성] Gemini API에 분석 요청 전송 중... (모델: {gemini_model_name})")
            print(f"[Parent Chunk 생성] 원본 모델명: {model_name} -> Gemini 모델명: {gemini_model_name}")
            
            gemini_client = get_gemini_client()
            if not gemini_client.is_configured():
                print(f"[Parent Chunk 생성] ❌ 오류: Gemini API 키가 설정되지 않았습니다.")
                print(f"[Parent Chunk 생성] 디버그: Gemini 클라이언트 상태 확인 중...")
                # API 키 상태 다시 확인
                from app.gemini_client import get_gemini_api_key
                api_key = get_gemini_api_key()
                if api_key:
                    print(f"[Parent Chunk 생성] 디버그: API 키는 존재하지만 클라이언트가 설정되지 않았습니다. (길이: {len(api_key)})")
                else:
                    print(f"[Parent Chunk 생성] 디버그: API 키가 데이터베이스에 없습니다.")
                return None
            
            print(f"[Parent Chunk 생성] Gemini API 키 확인 완료. API 호출 시작...")
            result = gemini_client.generate_response(
                prompt=analysis_prompt,
                model_name=gemini_model_name,
                temperature=0.7,
                max_output_tokens=get_model_token_limit_by_type(model_name or "gemini-1.5-flash", 8192, 'parent_chunk')  # Parent Chunk 전용 토큰 수 사용
            )
            
            if result['error']:
                print(f"[Parent Chunk 생성] ❌ 오류: Gemini API 호출 실패 - {result['error']}")
                print(f"[Parent Chunk 생성] 디버그: result 객체 내용: {result}")
                return None
            
            if not result.get('response'):
                print(f"[Parent Chunk 생성] ❌ 오류: Gemini API 응답이 비어있습니다.")
                print(f"[Parent Chunk 생성] 디버그: result 객체 내용: {result}")
                return None
            
            analysis_result = result['response']
            print(f"[Parent Chunk 생성] Gemini API 응답 수신 성공: {len(analysis_result)}자")
            
            # 시스템 사용 토큰 저장 (토큰이 None이어도 저장)
            gemini_input_tokens = result.get('input_tokens')
            gemini_output_tokens = result.get('output_tokens')
            print(f"[Parent Chunk 생성] 토큰 정보 확인 - 입력: {gemini_input_tokens}, 출력: {gemini_output_tokens}")
            save_system_token_usage(
                model_name=gemini_model_name,
                input_tokens=gemini_input_tokens,
                output_tokens=gemini_output_tokens,
                task_type='parent_chunk'
            )
        else:
            # Ollama API 호출
            print(f"[Parent Chunk 생성] Ollama API에 분석 요청 전송 중... (모델: {model_name})")
            
            try:
                # 입력 토큰 수를 num_ctx로 사용
                num_ctx = get_model_token_limit_by_type(model_name, 100000, 'input')
                ollama_response = requests.post(
                    f'{OLLAMA_BASE_URL}/api/chat',
                    json={
                        'model': model_name,
                        'messages': [
                            {
                                'role': 'user',
                                'content': analysis_prompt
                            }
                        ],
                        'stream': False,
                        'options': {
                            'num_ctx': num_ctx  # 입력 토큰 수를 컨텍스트 윈도우로 사용
                        }
                    },
                    timeout=300  # 5분 타임아웃
                )
                
                if ollama_response.status_code != 200:
                    error_detail = ollama_response.text if ollama_response.text else '상세 정보 없음'
                    if ollama_response.status_code == 404:
                        error_msg = f'Ollama API 오류 404: 모델 "{model_name}"을(를) 찾을 수 없습니다. 모델이 Ollama에 설치되어 있는지 확인하세요.'
                        print(f"[Parent Chunk 생성] ❌ 오류: {error_msg}")
                        print(f"[Parent Chunk 생성] 디버그: 만약 Gemini 모델을 사용하려면 모델명이 'gemini:' 또는 'gemini-'로 시작해야 합니다.")
                    else:
                        error_msg = f'Ollama API 오류: {ollama_response.status_code} - {error_detail[:200]}'
                    print(f"[Parent Chunk 생성] ❌ 오류: {error_msg}")
                    return None
                
                response_data = ollama_response.json()
                analysis_result = response_data.get('message', {}).get('content', '')
                print(f"[Parent Chunk 생성] Ollama API 응답 수신 성공: {len(analysis_result)}자")
                
                # 시스템 사용 토큰 저장 (토큰이 None이어도 저장)
                ollama_input_tokens = response_data.get('prompt_eval_count')
                ollama_output_tokens = response_data.get('eval_count')
                print(f"[Parent Chunk 생성] 토큰 정보 확인 - 입력: {ollama_input_tokens}, 출력: {ollama_output_tokens}")
                save_system_token_usage(
                    model_name=model_name,
                    input_tokens=ollama_input_tokens,
                    output_tokens=ollama_output_tokens,
                    task_type='parent_chunk'
                )
            except requests.exceptions.Timeout:
                print(f"[Parent Chunk 생성] ❌ Ollama 타임아웃: 요청 시간이 초과되었습니다. (5분)")
                print(f"[Parent Chunk 생성] 파일이 너무 크거나 모델 응답이 느릴 수 있습니다.")
                return None
            except requests.exceptions.ConnectionError:
                print(f"[Parent Chunk 생성] ❌ Ollama 연결 오류: Ollama 서버에 연결할 수 없습니다.")
                print(f"[Parent Chunk 생성] 디버그: Ollama URL: {OLLAMA_BASE_URL}")
                return None
            except requests.exceptions.RequestException as e:
                print(f"[Parent Chunk 생성] ❌ Ollama API 오류: {str(e)}")
                print(f"[Parent Chunk 생성] 디버그: Ollama URL: {OLLAMA_BASE_URL}")
                return None
        
        if not analysis_result:
            print(f"[Parent Chunk 생성] ⚠️ 경고: 분석 결과가 비어있습니다.")
            return None
        
        print(f"[Parent Chunk 생성] 분석 결과 수신 완료: {len(analysis_result)}자")
        
        # 분석 결과 파싱
        world_view = ""
        characters = ""
        story = ""
        episodes = ""
        others = ""
        
        # 각 섹션 추출
        sections = {
            'world_view': ['## 세계관 설명', '## 세계관', '세계관 설명'],
            'characters': ['## 주요 캐릭터 분석', '## 주요 캐릭터', '주요 캐릭터 분석', '## 캐릭터'],
            'story': ['## 주요 스토리 분석', '## 주요 스토리', '주요 스토리 분석', '## 스토리'],
            'episodes': ['## 주요 에피소드 분석', '## 주요 에피소드', '주요 에피소드 분석', '## 에피소드'],
            'others': ['## 기타', '기타']
        }
        
        lines = analysis_result.split('\n')
        current_section = None
        current_content = []
        
        for line in lines:
            line_stripped = line.strip()
            
            # 섹션 헤더 확인
            section_found = False
            for section_key, section_headers in sections.items():
                for header in section_headers:
                    if header in line_stripped:
                        # 이전 섹션 저장
                        if current_section:
                            if current_section == 'world_view':
                                world_view = '\n'.join(current_content).strip()
                            elif current_section == 'characters':
                                characters = '\n'.join(current_content).strip()
                            elif current_section == 'story':
                                story = '\n'.join(current_content).strip()
                            elif current_section == 'episodes':
                                episodes = '\n'.join(current_content).strip()
                            elif current_section == 'others':
                                others = '\n'.join(current_content).strip()
                        
                        current_section = section_key
                        current_content = []
                        section_found = True
                        break
                
                if section_found:
                    break
            
            if not section_found and current_section:
                # 현재 섹션에 내용 추가
                if line_stripped and not line_stripped.startswith('#'):
                    current_content.append(line)
        
        # 마지막 섹션 저장
        if current_section:
            if current_section == 'world_view':
                world_view = '\n'.join(current_content).strip()
            elif current_section == 'characters':
                characters = '\n'.join(current_content).strip()
            elif current_section == 'story':
                story = '\n'.join(current_content).strip()
            elif current_section == 'episodes':
                episodes = '\n'.join(current_content).strip()
            elif current_section == 'others':
                others = '\n'.join(current_content).strip()
        
        # 파싱 실패 시 전체 내용을 "기타"에 저장
        if not world_view and not characters and not story and not episodes:
            print(f"[Parent Chunk 생성] 경고: 섹션 파싱 실패. 전체 내용을 '기타'에 저장합니다.")
            others = analysis_result.strip()
        
        # 기존 Parent Chunk 삭제 (있으면)
        existing_parent = ParentChunk.query.filter_by(file_id=file_id).first()
        if existing_parent:
            db.session.delete(existing_parent)
            db.session.commit()
            print(f"[Parent Chunk 생성] 기존 Parent Chunk 삭제 완료")
        
        # Parent Chunk 생성 및 저장
        parent_chunk = ParentChunk(
            file_id=file_id,
            world_view=world_view if world_view else None,
            characters=characters if characters else None,
            story=story if story else None,
            episodes=episodes if episodes else None,
            others=others if others else None
        )
        
        db.session.add(parent_chunk)
        db.session.commit()
        
        print(f"[Parent Chunk 생성] ✅ 완료: Parent Chunk가 생성되었습니다.")
        print(f"[Parent Chunk 생성] - 세계관: {len(world_view)}자")
        print(f"[Parent Chunk 생성] - 캐릭터: {len(characters)}자")
        print(f"[Parent Chunk 생성] - 스토리: {len(story)}자")
        print(f"[Parent Chunk 생성] - 에피소드: {len(episodes)}자")
        print(f"[Parent Chunk 생성] - 기타: {len(others)}자")
        
        return parent_chunk
        
    except requests.exceptions.RequestException as e:
        error_msg = f'Ollama API 연결 오류: {str(e)}'
        print(f"[Parent Chunk 생성] ❌ 오류: {error_msg}")
        import traceback
        traceback.print_exc()
        return None
    except Exception as e:
        db.session.rollback()
        error_msg = f'Parent Chunk 생성 중 오류: {str(e)}'
        print(f"[Parent Chunk 생성] ❌ 오류: {error_msg}")
        import traceback
        traceback.print_exc()
        return None

def get_parent_chunks_for_files(file_ids):
    """파일 ID 목록에 대한 Parent Chunk 조회 (문맥 파악용)"""
    try:
        if not file_ids:
            return []
        
        parent_chunks = []
        for file_id in file_ids:
            parent_chunk = ParentChunk.query.filter_by(file_id=file_id).first()
            if parent_chunk:
                parent_chunks.append(parent_chunk)
        
        return parent_chunks
    except Exception as e:
        print(f"[Parent Chunk 조회] 오류: {str(e)}")
        return []

def get_episode_analyses_for_files(file_ids):
    """파일 ID 목록에 대한 회차별 분석(EpisodeAnalysis) 조회 (회차별 요약 참조용)"""
    try:
        if not file_ids:
            return []
        
        episode_analyses = []
        for file_id in file_ids:
            episode_analysis = EpisodeAnalysis.query.filter_by(file_id=file_id).first()
            if episode_analysis:
                episode_analyses.append(episode_analysis)
        
        return episode_analyses
    except Exception as e:
        print(f"[회차별 분석 조회] 오류: {str(e)}")
        return []

def get_relevant_graph_data(query, file_ids=None):
    """질문과 관련된 GraphRAG 데이터 조회 (엔티티, 관계, 사건)
    
    Args:
        query: 사용자 질문
        file_ids: 파일 ID 목록 (None이면 모든 파일)
    
    Returns:
        dict: {
            'entities': [...],
            'relationships': [...],
            'events': [...],
            'episodes': [...]
        }
    """
    try:
        if not file_ids:
            return {
                'entities': [],
                'relationships': [],
                'events': [],
                'episodes': []
            }
        
        # 질문에서 키워드 추출 (한글 단어, 영문 단어)
        query_words = set(re.findall(r'[가-힣]+|\w+', query.lower()))
        
        # 파일 ID 확장 (이어서 업로드된 파일 포함)
        expanded_file_ids = list(file_ids)
        for file_id in file_ids:
            child_files = UploadedFile.query.filter_by(parent_file_id=file_id).all()
            expanded_file_ids.extend([child.id for child in child_files])
        
        # 엔티티 검색 (인물, 장소 이름이 질문에 포함된 경우)
        entities = []
        if query_words:
            # 엔티티 이름에 질문의 키워드가 포함된 경우
            entity_query = GraphEntity.query.filter(
                GraphEntity.file_id.in_(expanded_file_ids)
            )
            
            # 키워드 매칭 (엔티티 이름이나 설명에 포함)
            matching_entities = []
            for entity in entity_query.all():
                entity_name_lower = entity.entity_name.lower()
                entity_desc_lower = (entity.description or '').lower()
                
                # 엔티티 이름이나 설명에 질문 키워드가 포함되어 있는지 확인
                if any(word in entity_name_lower or word in entity_desc_lower for word in query_words if len(word) > 1):
                    matching_entities.append(entity)
            
            entities = matching_entities[:20]  # 최대 20개
        
        # 관계 검색 (관계의 주체나 대상이 질문에 포함된 경우)
        relationships = []
        if query_words:
            relationship_query = GraphRelationship.query.filter(
                GraphRelationship.file_id.in_(expanded_file_ids)
            )
            
            matching_relationships = []
            for rel in relationship_query.all():
                source_lower = rel.source.lower()
                target_lower = rel.target.lower()
                rel_type_lower = rel.relationship_type.lower()
                rel_desc_lower = (rel.description or '').lower()
                
                # 관계의 주체, 대상, 유형, 설명에 질문 키워드가 포함되어 있는지 확인
                if any(word in source_lower or word in target_lower or word in rel_type_lower or word in rel_desc_lower 
                       for word in query_words if len(word) > 1):
                    matching_relationships.append(rel)
            
            relationships = matching_relationships[:20]  # 최대 20개
        
        # 사건 검색 (사건 이름이나 설명에 질문 키워드가 포함된 경우)
        events = []
        if query_words:
            event_query = GraphEvent.query.filter(
                GraphEvent.file_id.in_(expanded_file_ids)
            )
            
            matching_events = []
            for event in event_query.all():
                event_name_lower = (event.event_name or '').lower()
                event_desc_lower = (event.description or '').lower()
                event_location_lower = (event.location or '').lower()
                
                # 사건 이름, 설명, 장소에 질문 키워드가 포함되어 있는지 확인
                if any(word in event_name_lower or word in event_desc_lower or word in event_location_lower 
                       for word in query_words if len(word) > 1):
                    matching_events.append(event)
            
            events = matching_events[:20]  # 최대 20개
        
        # 관련 회차 추출
        episodes = set()
        for entity in entities:
            episodes.add(entity.episode_title)
        for rel in relationships:
            episodes.add(rel.episode_title)
        for event in events:
            episodes.add(event.episode_title)
        
        print(f"[GraphRAG 검색] 관련 데이터 발견: 엔티티 {len(entities)}개, 관계 {len(relationships)}개, 사건 {len(events)}개, 회차 {len(episodes)}개")
        
        return {
            'entities': [e.to_dict() for e in entities],
            'relationships': [r.to_dict() for r in relationships],
            'events': [ev.to_dict() for ev in events],
            'episodes': sorted(list(episodes))
        }
        
    except Exception as e:
        print(f"[GraphRAG 검색] 오류: {str(e)}")
        import traceback
        traceback.print_exc()
        return {
            'entities': [],
            'relationships': [],
            'events': [],
            'episodes': []
        }

def search_relevant_chunks(query, file_ids=None, model_name=None, top_k=5, min_score=1):
    """
    질문과 관련된 청크 검색 (벡터 검색 + Re-ranking)
    1. 벡터 검색으로 초기 30개 문서 검색
    2. Cross-Encoder로 리랭킹
    3. 상위 top_k개 반환 (기본 5개)
    """
    try:
        # 벡터 DB 매니저 가져오기
        vector_db = get_vector_db()
        
        # 파일 ID 확장 (이어서 업로드된 파일 포함)
        expanded_file_ids = None
        if file_ids:
            expanded_file_ids = list(file_ids)
            for file_id in file_ids:
                # 원본 파일인 경우 이어서 업로드된 파일들도 포함
                child_files = UploadedFile.query.filter_by(parent_file_id=file_id).all()
                expanded_file_ids.extend([child.id for child in child_files])
            
            # 원본 파일이 선택된 경우, 이어서 업로드된 파일들도 포함
            parent_files = UploadedFile.query.filter(UploadedFile.id.in_(file_ids), UploadedFile.parent_file_id.is_(None)).all()
            for parent_file in parent_files:
                child_files = UploadedFile.query.filter_by(parent_file_id=parent_file.id).all()
                expanded_file_ids.extend([child.id for child in child_files])
        
        # 모델 필터링이 필요한 경우 파일 ID 필터링
        if model_name and expanded_file_ids:
            filtered_files = UploadedFile.query.filter(
                UploadedFile.id.in_(expanded_file_ids),
                UploadedFile.model_name == model_name
            ).all()
            expanded_file_ids = [f.id for f in filtered_files]
        elif model_name and not expanded_file_ids:
            # 파일 ID가 없으면 모델 이름으로만 필터링
            filtered_files = UploadedFile.query.filter_by(model_name=model_name).all()
            expanded_file_ids = [f.id for f in filtered_files]
        
        # 1단계: 벡터 검색으로 초기 30개 문서 검색
        print(f"[벡터 검색] 쿼리: {query[:50]}..., 파일 ID: {expanded_file_ids if expanded_file_ids else '모든 파일'}")
        vector_results = vector_db.search_chunks(
            query=query,
            file_ids=expanded_file_ids,
            top_k=30
        )
        
        if not vector_results:
            print(f"[벡터 검색] 결과 없음, 키워드 기반 검색으로 대체")
            # 벡터 검색 결과가 없으면 기존 키워드 기반 검색으로 대체
            return search_relevant_chunks_fallback(query, file_ids, model_name, top_k, min_score)
        
        # 2단계: Cross-Encoder로 리랭킹
        print(f"[리랭킹] {len(vector_results)}개 청크에 대한 리랭킹 시작...")
        reranked_chunks = vector_db.rerank_chunks(
            query=query,
            chunks=vector_results,
            top_k=top_k
        )
        
        # 3단계: DB에서 청크 객체 가져오기
        final_chunks = []
        for reranked in reranked_chunks:
            chunk_id = reranked['chunk_id']
            chunk = DocumentChunk.query.get(chunk_id)
            if chunk:
                final_chunks.append(chunk)
        
        print(f"[벡터 검색 + 리랭킹] 최종 {len(final_chunks)}개 청크 반환")
        return final_chunks
        
    except Exception as e:
        print(f"[벡터 검색] 오류: {str(e)}")
        import traceback
        traceback.print_exc()
        # 오류 시 기존 키워드 기반 검색으로 대체
        print(f"[벡터 검색] 키워드 기반 검색으로 대체")
        return search_relevant_chunks_fallback(query, file_ids, model_name, top_k, min_score)

def search_relevant_chunks_fallback(query, file_ids=None, model_name=None, top_k=25, min_score=1):
    """기존 키워드 기반 검색 (Fallback)"""
    try:
        # 검색 쿼리 준비 - 한글과 영문 단어 모두 추출
        query_words = set(re.findall(r'[가-힣]+|\w+', query.lower()))
        
        if not query_words:
            return []
        
        # 청크 조회
        query_obj = DocumentChunk.query.join(UploadedFile)
        
        if file_ids:
            # 선택된 파일 ID와 그 파일에 이어서 업로드된 모든 파일 ID 포함
            expanded_file_ids = list(file_ids)
            for file_id in file_ids:
                # 원본 파일인 경우 이어서 업로드된 파일들도 포함
                child_files = UploadedFile.query.filter_by(parent_file_id=file_id).all()
                expanded_file_ids.extend([child.id for child in child_files])
            
            # 원본 파일이 선택된 경우, 이어서 업로드된 파일들도 포함
            parent_files = UploadedFile.query.filter(UploadedFile.id.in_(file_ids), UploadedFile.parent_file_id.is_(None)).all()
            for parent_file in parent_files:
                child_files = UploadedFile.query.filter_by(parent_file_id=parent_file.id).all()
                expanded_file_ids.extend([child.id for child in child_files])
            
            query_obj = query_obj.filter(UploadedFile.id.in_(expanded_file_ids))
        
        if model_name:
            query_obj = query_obj.filter(UploadedFile.model_name == model_name)
        
        all_chunks = query_obj.all()
        
        if not all_chunks:
            return []
        
        # 각 청크의 관련도 점수 계산 (개선된 알고리즘)
        scored_chunks = []
        for chunk in all_chunks:
            chunk_content_lower = chunk.content.lower()
            chunk_words = set(re.findall(r'[가-힣]+|\w+', chunk_content_lower))
            
            # 1. 공통 단어 수 (기본 점수)
            common_words = query_words & chunk_words
            base_score = len(common_words)
            
            # 2. 쿼리 단어의 빈도 가중치 (중요한 단어가 더 많이 나타날수록 높은 점수)
            frequency_score = 0
            for word in query_words:
                frequency_score += chunk_content_lower.count(word)
            
            # 3. 쿼리 단어 비율 (청크에서 쿼리 단어가 차지하는 비율)
            if len(chunk_words) > 0:
                ratio_score = len(common_words) / len(chunk_words) * 10
            else:
                ratio_score = 0
            
            # 최종 점수 계산 (가중치 적용)
            final_score = base_score * 2 + frequency_score * 0.5 + ratio_score
            
            # 최소 점수 이상인 청크만 포함
            if final_score >= min_score:
                scored_chunks.append((final_score, chunk))
        
        # 점수 순으로 정렬하고 상위 k개 선택
        scored_chunks.sort(key=lambda x: x[0], reverse=True)
        
        # top_k개 선택
        top_chunks = [chunk for score, chunk in scored_chunks[:top_k]]
        
        return top_chunks
    except Exception as e:
        print(f"[키워드 검색] 오류: {str(e)}")
        import traceback
        traceback.print_exc()
        return []

@main_bp.route('/login', methods=['GET', 'POST'])
def login():
    """로그인 페이지"""
    if current_user.is_authenticated:
        # 관리자인 경우 관리자 페이지로 리다이렉트
        if current_user.is_admin:
            return redirect(url_for('main.admin'))
        return redirect(url_for('main.index'))
    
    if request.method == 'POST':
        username = request.form.get('username', '').strip()
        password = request.form.get('password', '')
        
        if not username or not password:
            flash('사용자명과 비밀번호를 입력해주세요.', 'error')
            return render_template('login.html')
        
        user = User.query.filter_by(username=username).first()
        
        if user and user.check_password(password) and user.is_active:
            login_user(user)
            user.last_login = datetime.utcnow()
            db.session.commit()
            next_page = request.args.get('next')
            # 관리자인 경우 관리자 페이지로 리다이렉트
            if user.is_admin:
                return redirect(next_page) if next_page else redirect(url_for('main.admin'))
            return redirect(next_page) if next_page else redirect(url_for('main.index'))
        else:
            flash('사용자명 또는 비밀번호가 올바르지 않습니다.', 'error')
    
    return render_template('login.html')

@main_bp.route('/logout')
@login_required
def logout():
    """로그아웃"""
    logout_user()
    flash('로그아웃되었습니다.', 'info')
    return redirect(url_for('main.login'))

@main_bp.route('/')
@login_required
def index():
    return render_template('index.html')

@main_bp.route('/webnovels')
@login_required
def webnovels():
    """업로드된 웹소설 목록 페이지"""
    return render_template('webnovels.html')

@main_bp.route('/admin')
@admin_required
def admin():
    """관리자 페이지"""
    users = User.query.order_by(User.created_at.desc()).all()
    return render_template('admin.html', users=users)

@main_bp.route('/admin/messages')
@admin_required
def admin_messages():
    """관리자 메시지 확인 페이지"""
    return render_template('admin_messages.html')

@main_bp.route('/admin/webnovels')
@admin_required
def admin_webnovels():
    """웹소설 관리 페이지"""
    return render_template('admin_webnovels.html')

@main_bp.route('/admin/prompts')
@admin_required
def admin_prompts():
    """프롬프트 관리 페이지"""
    return render_template('admin_prompts.html')

@main_bp.route('/admin/settings')
@admin_required
def admin_settings():
    """AI 설정 관리 페이지 (API 키, 토큰 수)"""
    return render_template('admin_settings.html')

@main_bp.route('/admin/files')
@admin_required
def admin_files():
    """파일 목록 관리 페이지"""
    return render_template('admin_files.html')

@main_bp.route('/admin/utils')
@admin_required
def admin_utils():
    """유틸리티 관리 페이지"""
    return render_template('admin_utils.html')

@main_bp.route('/admin/tokens')
@admin_required
def admin_tokens():
    """토큰 사용량 통계 페이지"""
    return render_template('admin_tokens.html')

def convert_episode_format(content):
    """다양한 회차 구분 방식을 #n화 형식으로 변환
    
    지원하는 패턴:
    - @1, @2, @10 -> #1화, #2화, #10화
    - @ 1, @ 2 -> #1화, #2화
    - @1화, @2화 -> #1화, #2화
    - @ 1화, @ 2화 -> #1화, #2화
    - 1화, 2화, 10화 -> #1화, #2화, #10화 (앞에 기호 없이)
    - #01화, #010화 -> #1화, #10화 (앞의 0 제거)
    - 기타 유사한 패턴들
    
    Args:
        content: 변환할 웹소설 내용
        
    Returns:
        변환된 내용
    """
    if not content:
        return content
    
    lines = content.split('\n')
    converted_lines = []
    
    # 다양한 회차 패턴을 #n화 형식으로 변환
    # 패턴: @숫자, @ 숫자, @숫자화, @ 숫자화, 숫자화 등
    # 줄 시작 부분에서만 매칭하도록 ^ 사용
    for line in lines:
        converted_line = line
        
        # @숫자화 패턴 (공백 포함/미포함)
        converted_line = re.sub(r'^@\s*(\d+)\s*화\s*', r'#\1화', converted_line)
        
        # @숫자 패턴 (공백 포함/미포함) - 화가 없는 경우만
        # 이미 화가 있는 경우는 위에서 처리되었으므로, 화가 없는 경우만 처리
        if not re.search(r'^#\d+화', converted_line):
            converted_line = re.sub(r'^@\s*(\d+)(?!화)\s*', r'#\1화', converted_line)
        
        # 숫자화 패턴 (앞에 기호 없이) - 이미 #이 있는 경우는 제외
        # 줄 시작에서 숫자로 시작하고 바로 "화"가 오는 경우
        if not re.search(r'^#\d+화', converted_line):
            converted_line = re.sub(r'^(\d+)\s*화\s*', r'#\1화', converted_line)
        
        # #0n화 패턴에서 앞의 0 제거 (#01화 -> #1화, #010화 -> #10화)
        # 단, #0화는 그대로 유지
        converted_line = re.sub(r'^#0+(\d+)화', r'#\1화', converted_line)
        
        converted_lines.append(converted_line)
    
    return '\n'.join(converted_lines)

@main_bp.route('/api/admin/utils/detect-encoding', methods=['POST'])
@admin_required
def detect_file_encoding():
    """파일 인코딩 감지 API"""
    try:
        if 'file' not in request.files:
            return jsonify({'error': '파일이 필요합니다.'}), 400
        
        file = request.files['file']
        if not file or not file.filename:
            return jsonify({'error': '파일이 필요합니다.'}), 400
        
        file_content = file.read()
        file.seek(0)  # 파일 포인터 리셋
        
        # 여러 인코딩 시도하여 감지
        encodings_to_try = ['utf-8', 'cp949', 'euc-kr', 'latin-1', 'utf-16', 'utf-16-le', 'utf-16-be']
        detected_encoding = None
        detected_content = None
        
        for encoding in encodings_to_try:
            try:
                content = file_content.decode(encoding)
                detected_encoding = encoding
                detected_content = content
                break
            except (UnicodeDecodeError, UnicodeError):
                continue
        
        if not detected_encoding:
            return jsonify({
                'error': '파일 인코딩을 감지할 수 없습니다.',
                'detected_encoding': None,
                'confidence': 0
            }), 400
        
        # 간단한 신뢰도 계산 (UTF-8 BOM 확인, 일반적인 문자 범위 확인 등)
        confidence = 0.8
        if detected_encoding == 'utf-8':
            # UTF-8 BOM 확인
            if file_content.startswith(b'\xef\xbb\xbf'):
                confidence = 0.95
            # 한글 문자 포함 여부 확인
            if any(ord(char) >= 0xAC00 and ord(char) <= 0xD7A3 for char in detected_content[:1000]):
                confidence = 0.9
        
        return jsonify({
            'success': True,
            'detected_encoding': detected_encoding,
            'confidence': confidence,
            'preview': detected_content[:200] if detected_content else ''
        }), 200
        
    except Exception as e:
        import traceback
        print(f"[인코딩 감지] 오류: {str(e)}")
        print(traceback.format_exc())
        return jsonify({'error': f'인코딩 감지 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/admin/utils/convert-episode-format', methods=['POST'])
@admin_required
def convert_episode_format_api():
    """회차 구분 방식 변환 API (파일 업로드 또는 텍스트 입력)"""
    try:
        content = None
        original_filename = 'converted_file.txt'
        specified_encoding = None
        
        # 파일 업로드 확인
        if 'file' in request.files:
            file = request.files['file']
            if file and file.filename and file.filename != '':
                # 파일 읽기
                try:
                    # 요청에서 인코딩 정보 가져오기
                    specified_encoding = request.form.get('encoding', 'utf-8')
                    
                    file_content = file.read()
                    file.seek(0)  # 파일 포인터 리셋 (다시 읽을 수 있도록)
                    
                    # 지정된 인코딩으로 시도
                    try:
                        content = file_content.decode(specified_encoding)
                    except (UnicodeDecodeError, UnicodeError):
                        # 지정된 인코딩 실패 시 자동 감지 시도
                        encodings_to_try = ['utf-8', 'cp949', 'euc-kr', 'latin-1']
                        for encoding in encodings_to_try:
                            if encoding == specified_encoding:
                                continue
                            try:
                                content = file_content.decode(encoding)
                                specified_encoding = encoding  # 성공한 인코딩으로 업데이트
                                break
                            except (UnicodeDecodeError, UnicodeError):
                                continue
                        
                        if not content:
                            return jsonify({'error': f'파일 인코딩 오류: {specified_encoding} 및 자동 감지 실패'}), 500
                    
                    original_filename = file.filename
                except Exception as e:
                    import traceback
                    print(f"[회차 변환] 파일 읽기 오류: {str(e)}")
                    print(traceback.format_exc())
                    return jsonify({'error': f'파일 읽기 오류: {str(e)}'}), 500
        
        # JSON 데이터에서 내용 가져오기 (파일이 없는 경우)
        if not content:
            try:
                data = request.get_json(silent=True) or {}
                content = data.get('content', '')
                original_filename = data.get('filename', 'converted_file.txt')
            except Exception as e:
                print(f"[회차 변환] JSON 파싱 오류: {str(e)}")
                return jsonify({'error': f'요청 데이터 파싱 오류: {str(e)}'}), 400
        
        if not content or not content.strip():
            return jsonify({'error': '파일을 업로드하거나 내용을 입력해주세요.'}), 400
        
        # 변환 실행
        try:
            converted_content = convert_episode_format(content)
        except Exception as e:
            import traceback
            print(f"[회차 변환] 변환 함수 오류: {str(e)}")
            print(traceback.format_exc())
            return jsonify({'error': f'변환 실행 오류: {str(e)}'}), 500
        
        # 임시 파일로 저장
        try:
            temp_dir = os.path.join(os.getcwd(), 'uploads', 'temp')
            os.makedirs(temp_dir, exist_ok=True)
            
            # 원본 파일명에서 확장자 추출
            if '.' in original_filename:
                name, ext = os.path.splitext(original_filename)
                converted_filename = f"{name}_converted{ext}"
            else:
                converted_filename = f"{original_filename}_converted.txt"
            
            # 안전한 파일명 생성
            safe_filename = secure_filename(converted_filename)
            if not safe_filename:
                safe_filename = 'converted_file.txt'
            
            temp_file_path = os.path.join(temp_dir, f"{uuid.uuid4().hex}_{safe_filename}")
            
            # 변환된 내용을 임시 파일에 저장
            with open(temp_file_path, 'w', encoding='utf-8') as f:
                f.write(converted_content)
            
            # 상대 경로 반환 (다운로드용)
            relative_path = os.path.relpath(temp_file_path, os.getcwd())
            # Windows 경로를 URL 인코딩
            relative_path = relative_path.replace('\\', '/')
            
            return jsonify({
                'success': True,
                'message': '회차 구분 방식이 변환되었습니다.',
                'converted_content': converted_content[:500] + '...' if len(converted_content) > 500 else converted_content,
                'download_url': f'/api/admin/utils/download-converted-file?path={relative_path}',
                'filename': safe_filename
            }), 200
        except Exception as e:
            import traceback
            print(f"[회차 변환] 파일 저장 오류: {str(e)}")
            print(traceback.format_exc())
            return jsonify({'error': f'파일 저장 오류: {str(e)}'}), 500
        
    except Exception as e:
        import traceback
        print(f"[회차 변환] 전체 오류: {str(e)}")
        print(traceback.format_exc())
        return jsonify({'error': f'변환 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/admin/utils/download-converted-file', methods=['GET'])
@admin_required
def download_converted_file():
    """변환된 파일 다운로드"""
    try:
        file_path = request.args.get('path')
        if not file_path:
            return jsonify({'error': '파일 경로가 필요합니다.'}), 400
        
        # 보안: 상대 경로만 허용
        if os.path.isabs(file_path) or '..' in file_path:
            return jsonify({'error': '잘못된 파일 경로입니다.'}), 400
        
        full_path = os.path.join(os.getcwd(), file_path)
        
        # 파일 존재 확인
        if not os.path.exists(full_path):
            return jsonify({'error': '파일을 찾을 수 없습니다.'}), 404
        
        # 파일명 추출
        filename = os.path.basename(full_path)
        # UUID 접두사 제거
        if '_' in filename:
            filename = '_'.join(filename.split('_')[1:])
        
        return send_file(
            full_path,
            as_attachment=True,
            download_name=filename,
            mimetype='text/plain; charset=utf-8'
        )
    except Exception as e:
        return jsonify({'error': f'파일 다운로드 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/admin/token-usage', methods=['GET'])
@admin_required
def get_token_usage():
    """토큰 사용량 통계 API (날짜 범위, 모델별 필터링 지원)"""
    try:
        from datetime import datetime, timedelta
        from sqlalchemy import func, and_
        
        # 필터 파라미터 가져오기
        start_date = request.args.get('start_date')
        end_date = request.args.get('end_date')
        model_name = request.args.get('model_name')  # 특정 모델 필터링
        group_by = request.args.get('group_by', 'day')  # 'day', 'week', 'month', 'model'
        
        # 기본 날짜 범위 설정 (최근 30일)
        if not end_date:
            end_date = datetime.utcnow()
        else:
            try:
                # ISO 형식 또는 YYYY-MM-DD 형식 파싱
                if 'T' in end_date:
                    end_date = datetime.fromisoformat(end_date.replace('Z', '+00:00'))
                else:
                    # YYYY-MM-DD 형식인 경우 시간을 23:59:59로 설정
                    end_date = datetime.strptime(end_date, '%Y-%m-%d')
                    end_date = end_date.replace(hour=23, minute=59, second=59)
            except Exception as e:
                print(f"[토큰 통계] 종료 날짜 파싱 오류: {end_date}, {str(e)}")
                end_date = datetime.utcnow()
        
        if not start_date:
            start_date = end_date - timedelta(days=30)
        else:
            try:
                # ISO 형식 또는 YYYY-MM-DD 형식 파싱
                if 'T' in start_date:
                    start_date = datetime.fromisoformat(start_date.replace('Z', '+00:00'))
                else:
                    # YYYY-MM-DD 형식인 경우 시간을 00:00:00으로 설정
                    start_date = datetime.strptime(start_date, '%Y-%m-%d')
                    start_date = start_date.replace(hour=0, minute=0, second=0)
            except Exception as e:
                print(f"[토큰 통계] 시작 날짜 파싱 오류: {start_date}, {str(e)}")
                start_date = end_date - timedelta(days=30)
        
        # 쿼리 구성
        query = ChatMessage.query.filter(
            ChatMessage.role == 'ai',
            ChatMessage.created_at >= start_date,
            ChatMessage.created_at <= end_date
        )
        
        # 모델 필터링
        if model_name:
            query = query.filter(ChatMessage.model_name == model_name)
        
        # 토큰 정보가 있는 메시지만 조회 (선택적 필터)
        # 토큰 정보가 없는 메시지도 포함하려면 이 필터를 제거할 수 있음
        # 하지만 통계 목적상 토큰 정보가 있는 메시지만 조회하는 것이 맞음
        query = query.filter(
            db.or_(
                ChatMessage.input_tokens.isnot(None),
                ChatMessage.output_tokens.isnot(None)
            )
        )
        
        messages = query.all()
        print(f"[토큰 통계] 조회된 메시지 수: {len(messages)} (날짜 범위: {start_date} ~ {end_date})")
        
        # 사용자 사용과 시스템 사용 구분
        user_messages = [msg for msg in messages if not msg.usage_type or msg.usage_type == 'user']
        system_messages = [msg for msg in messages if msg.usage_type == 'system']
        print(f"[토큰 통계] 사용자 사용: {len(user_messages)}개, 시스템 사용: {len(system_messages)}개")
        
        # 그룹별 집계
        if group_by == 'day':
            # 일별 집계
            daily_stats = {}
            for msg in messages:
                date_key = msg.created_at.date().isoformat()
                if date_key not in daily_stats:
                    daily_stats[date_key] = {
                        'date': date_key,
                        'input_tokens': 0,
                        'output_tokens': 0,
                        'total_tokens': 0,
                        'count': 0
                    }
                daily_stats[date_key]['input_tokens'] += msg.input_tokens or 0
                daily_stats[date_key]['output_tokens'] += msg.output_tokens or 0
                daily_stats[date_key]['total_tokens'] += (msg.input_tokens or 0) + (msg.output_tokens or 0)
                daily_stats[date_key]['count'] += 1
            
            stats = sorted(daily_stats.values(), key=lambda x: x['date'])
        elif group_by == 'model':
            # 모델별 집계 (시스템 사용 포함)
            model_stats = {}
            for msg in messages:
                # 시스템 사용은 '시스템 사용'으로 표시
                if msg.usage_type == 'system':
                    model_key = '시스템 사용'
                else:
                    model_key = msg.model_name or 'Unknown'
                
                if model_key not in model_stats:
                    model_stats[model_key] = {
                        'model': model_key,
                        'input_tokens': 0,
                        'output_tokens': 0,
                        'total_tokens': 0,
                        'count': 0
                    }
                model_stats[model_key]['input_tokens'] += msg.input_tokens or 0
                model_stats[model_key]['output_tokens'] += msg.output_tokens or 0
                model_stats[model_key]['total_tokens'] += (msg.input_tokens or 0) + (msg.output_tokens or 0)
                model_stats[model_key]['count'] += 1
            
            stats = list(model_stats.values())
        else:
            # 전체 집계
            total_input = sum(msg.input_tokens or 0 for msg in messages)
            total_output = sum(msg.output_tokens or 0 for msg in messages)
            stats = [{
                'input_tokens': total_input,
                'output_tokens': total_output,
                'total_tokens': total_input + total_output,
                'count': len(messages)
            }]
        
        # 사용 가능한 모델 목록
        available_models = db.session.query(
            ChatMessage.model_name
        ).filter(
            ChatMessage.role == 'ai',
            ChatMessage.model_name.isnot(None)
        ).distinct().all()
        
        models = [m[0] for m in available_models if m[0]]
        
        # 사용자 사용과 시스템 사용 통계
        user_total_input = sum(msg.input_tokens or 0 for msg in user_messages)
        user_total_output = sum(msg.output_tokens or 0 for msg in user_messages)
        system_total_input = sum(msg.input_tokens or 0 for msg in system_messages)
        system_total_output = sum(msg.output_tokens or 0 for msg in system_messages)
        
        return jsonify({
            'success': True,
            'stats': stats,
            'models': models,
            'start_date': start_date.isoformat(),
            'end_date': end_date.isoformat(),
            'total_messages': len(messages),
            'user_usage': {
                'input_tokens': user_total_input,
                'output_tokens': user_total_output,
                'total_tokens': user_total_input + user_total_output,
                'count': len(user_messages)
            },
            'system_usage': {
                'input_tokens': system_total_input,
                'output_tokens': system_total_output,
                'total_tokens': system_total_input + system_total_output,
                'count': len(system_messages)
            }
        }), 200
        
    except Exception as e:
        import traceback
        print(f"[토큰 통계] 오류: {str(e)}")
        print(traceback.format_exc())
        return jsonify({'error': f'토큰 통계 조회 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/admin/users', methods=['GET'])
@admin_required
def get_users():
    """사용자 목록 API"""
    try:
        users = User.query.order_by(User.created_at.desc()).all()
        return jsonify({
            'users': [user.to_dict() for user in users]
        }), 200
    except Exception as e:
        return jsonify({'error': f'사용자 목록 조회 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/admin/users', methods=['POST'])
@admin_required
def create_user():
    """사용자 생성 API"""
    try:
        data = request.json
        username = data.get('username', '').strip()
        nickname = data.get('nickname', '').strip()
        password = data.get('password', '')
        is_admin = data.get('is_admin', False)
        
        if not username or not password:
            return jsonify({'error': '사용자명과 비밀번호를 입력해주세요.'}), 400
        
        if User.query.filter_by(username=username).first():
            return jsonify({'error': '이미 존재하는 사용자명입니다.'}), 400
        
        user = User(username=username, nickname=nickname if nickname else None, is_admin=is_admin, is_active=True)
        user.set_password(password)
        db.session.add(user)
        db.session.commit()
        
        return jsonify({
            'message': '사용자가 성공적으로 생성되었습니다.',
            'user': user.to_dict()
        }), 200
        
    except Exception as e:
        db.session.rollback()
        return jsonify({'error': f'사용자 생성 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/admin/users/<int:user_id>', methods=['PUT'])
@admin_required
def update_user(user_id):
    """사용자 정보 수정 API"""
    try:
        user = User.query.get_or_404(user_id)
        data = request.json
        
        # 자기 자신의 관리자 권한을 제거하는 것은 방지
        if user_id == current_user.id and data.get('is_admin') == False:
            return jsonify({'error': '자기 자신의 관리자 권한을 제거할 수 없습니다.'}), 400
        
        if 'username' in data:
            new_username = data['username'].strip()
            if new_username != user.username:
                if User.query.filter_by(username=new_username).first():
                    return jsonify({'error': '이미 존재하는 사용자명입니다.'}), 400
                user.username = new_username
        
        if 'nickname' in data:
            user.nickname = data['nickname'].strip() if data['nickname'] else None
        
        if 'password' in data and data['password']:
            user.set_password(data['password'])
        
        if 'is_admin' in data:
            user.is_admin = data['is_admin']
        
        if 'is_active' in data:
            user.is_active = data['is_active']
        
        db.session.commit()
        
        return jsonify({
            'message': '사용자 정보가 성공적으로 수정되었습니다.',
            'user': user.to_dict()
        }), 200
        
    except Exception as e:
        db.session.rollback()
        return jsonify({'error': f'사용자 정보 수정 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/admin/messages', methods=['GET'])
@admin_required
def get_all_messages():
    """전체 메시지 조회 (관리자용)"""
    try:
        user_id = request.args.get('user_id', type=int)
        session_id = request.args.get('session_id', type=int)
        message_id = request.args.get('message_id', type=int)
        page = request.args.get('page', 1, type=int)
        per_page = request.args.get('per_page', 50, type=int)
        
        # user_id가 있는 경우에만 join 사용, 그 외에는 직접 조회
        if user_id:
            # user_id로 필터링할 때는 join 필요
            query = ChatMessage.query.join(ChatSession).filter(ChatSession.user_id == user_id)
        else:
            # user_id가 없으면 join 없이 직접 조회
            query = ChatMessage.query
        
        if session_id:
            query = query.filter(ChatMessage.session_id == session_id)
        if message_id:
            query = query.filter(ChatMessage.id == message_id)
        
        messages = query.order_by(ChatMessage.created_at.desc())\
            .paginate(page=page, per_page=per_page, error_out=False)
        
        return jsonify({
            'messages': [msg.to_dict() for msg in messages.items],
            'total': messages.total,
            'pages': messages.pages,
            'current_page': page
        }), 200
        
    except Exception as e:
        import traceback
        error_trace = traceback.format_exc()
        print(f"[메시지 조회] 오류: {str(e)}")
        print(error_trace)
        return jsonify({'error': f'메시지 조회 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/admin/sessions', methods=['GET'])
@admin_required
def get_all_sessions():
    """전체 대화 세션 조회 (관리자용)"""
    try:
        user_id = request.args.get('user_id', type=int)
        page = request.args.get('page', 1, type=int)
        per_page = request.args.get('per_page', 50, type=int)
        
        query = ChatSession.query
        
        if user_id:
            query = query.filter(ChatSession.user_id == user_id)
        
        sessions = query.order_by(ChatSession.updated_at.desc())\
            .paginate(page=page, per_page=per_page, error_out=False)
        
        sessions_data = []
        for session in sessions.items:
            try:
                session_dict = session.to_dict()
                # 사용자 정보 안전하게 가져오기
                try:
                    if session.user:
                        session_dict['username'] = session.user.username if hasattr(session.user, 'username') else 'Unknown'
                        session_dict['nickname'] = session.user.nickname if hasattr(session.user, 'nickname') else None
                    else:
                        # user_id로 직접 조회 시도
                        user = User.query.get(session.user_id) if session.user_id else None
                        if user:
                            session_dict['username'] = user.username
                            session_dict['nickname'] = user.nickname
                        else:
                            session_dict['username'] = 'Unknown'
                            session_dict['nickname'] = None
                except Exception as user_error:
                    print(f"[세션 조회] 사용자 정보 조회 오류 (세션 ID: {session.id}): {str(user_error)}")
                    session_dict['username'] = 'Unknown'
                    session_dict['nickname'] = None
                
                sessions_data.append(session_dict)
            except Exception as session_error:
                print(f"[세션 조회] 세션 처리 오류 (세션 ID: {session.id if hasattr(session, 'id') else 'Unknown'}): {str(session_error)}")
                import traceback
                traceback.print_exc()
                continue  # 문제가 있는 세션은 건너뛰고 계속 진행
        
        return jsonify({
            'sessions': sessions_data,
            'total': sessions.total,
            'pages': sessions.pages,
            'current_page': page
        }), 200
        
    except Exception as e:
        import traceback
        error_trace = traceback.format_exc()
        print(f"[세션 조회] 전체 오류: {str(e)}")
        print(error_trace)
        return jsonify({'error': f'대화 세션 조회 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/admin/users/<int:user_id>', methods=['DELETE'])
@admin_required
def delete_user(user_id):
    """사용자 삭제 API"""
    try:
        user = User.query.get_or_404(user_id)
        
        # 자기 자신을 삭제하는 것은 방지
        if user_id == current_user.id:
            return jsonify({'error': '자기 자신을 삭제할 수 없습니다.'}), 400
        
        db.session.delete(user)
        db.session.commit()
        
        return jsonify({'message': '사용자가 성공적으로 삭제되었습니다.'}), 200
        
    except Exception as e:
        db.session.rollback()
        return jsonify({'error': f'사용자 삭제 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/admin/gemini-api-key', methods=['GET'])
@admin_required
def get_gemini_api_key():
    """Gemini API 키 조회"""
    try:
        # SystemConfig에서 API 키 가져오기 (테이블이 없으면 빈 문자열 반환)
        api_key = SystemConfig.get_config('gemini_api_key', '')
        
        # 보안을 위해 마스킹된 값 반환 (처음 8자만 표시)
        masked_key = api_key[:8] + '...' if api_key and len(api_key) > 8 else ''
        return jsonify({
            'has_api_key': bool(api_key),
            'masked_key': masked_key
        }), 200
    except Exception as e:
        print(f"[Gemini API 키 조회] 오류: {e}")
        import traceback
        traceback.print_exc()
        return jsonify({'error': f'API 키 조회 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/admin/huggingface-token', methods=['GET'])
@admin_required
def get_huggingface_token():
    """Hugging Face 토큰 조회"""
    try:
        from app.huggingface_client import get_huggingface_token
        token = get_huggingface_token()
        
        # 보안을 위해 마스킹된 값 반환 (처음 8자만 표시)
        masked_token = token[:8] + '...' if token and len(token) > 8 else ''
        return jsonify({
            'has_token': bool(token),
            'masked_token': masked_token
        }), 200
    except Exception as e:
        print(f"[Hugging Face 토큰 조회] 오류: {e}")
        import traceback
        traceback.print_exc()
        return jsonify({'error': f'토큰 조회 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/admin/model-tokens', methods=['GET'])
@admin_required
def get_model_tokens():
    """모든 모델의 토큰 수 설정 조회 (입력/출력 분리)"""
    try:
        # Ollama 모델 목록 가져오기
        ollama_models = []
        try:
            response = requests.get(f'{OLLAMA_BASE_URL}/api/tags', timeout=5)
            if response.status_code == 200:
                data = response.json()
                ollama_models = [model['name'] for model in data.get('models', [])]
        except:
            pass
        
        # Gemini 모델 목록 가져오기
        gemini_models = []
        try:
            gemini_client = get_gemini_client()
            if gemini_client.is_configured():
                gemini_models = gemini_client.get_available_models()
                gemini_models = [f'gemini:{m}' for m in gemini_models]
        except:
            pass
        
        # 모든 모델 목록
        all_models = ollama_models + gemini_models
        
        # 각 모델의 토큰 수 설정 가져오기 (입력/출력/Parent Chunk 분리)
        model_input_tokens = {}
        model_output_tokens = {}
        model_parent_chunk_tokens = {}
        default_input_tokens = {}
        default_output_tokens = {}
        default_parent_chunk_tokens = {}
        
        # 모델별 기본값 결정
        def get_default_token_for_model(model_name, token_type='output'):
            """모델별 기본 토큰 수 결정"""
            if not model_name:
                if token_type == 'parent_chunk':
                    return 8192
                return 2000 if token_type == 'output' else 100000
            
            # Gemini 모델의 경우
            if model_name.startswith('gemini:'):
                if token_type == 'parent_chunk':
                    return 8192  # Parent Chunk 기본값
                return 2000 if token_type == 'output' else 100000  # Gemini 입력 기본값은 더 큼
            
            # Ollama 모델의 경우
            if token_type == 'parent_chunk':
                return 8192  # Parent Chunk 기본값
            return 2000 if token_type == 'output' else 100000  # Ollama 입력 기본값도 더 큼
        
        for model_name in all_models:
            # 입력 토큰 설정 가져오기
            input_config_key = f"model_token_input_{model_name}"
            input_token_value = SystemConfig.get_config(input_config_key)
            default_input_token = get_default_token_for_model(model_name, 'input')
            default_input_tokens[model_name] = default_input_token
            
            if input_token_value:
                try:
                    model_input_tokens[model_name] = int(input_token_value)
                except (ValueError, TypeError):
                    model_input_tokens[model_name] = None
            else:
                model_input_tokens[model_name] = None
            
            # 출력 토큰 설정 가져오기
            output_config_key = f"model_token_output_{model_name}"
            output_token_value = SystemConfig.get_config(output_config_key)
            # 하위 호환성: 기존 형식도 확인
            if not output_token_value:
                old_config_key = f"model_token_{model_name}"
                output_token_value = SystemConfig.get_config(old_config_key)
            
            default_output_token = get_default_token_for_model(model_name, 'output')
            default_output_tokens[model_name] = default_output_token
            
            if output_token_value:
                try:
                    model_output_tokens[model_name] = int(output_token_value)
                except (ValueError, TypeError):
                    model_output_tokens[model_name] = None
            else:
                model_output_tokens[model_name] = None
            
            # Parent Chunk 토큰 설정 가져오기
            parent_chunk_config_key = f"model_token_parent_chunk_{model_name}"
            parent_chunk_token_value = SystemConfig.get_config(parent_chunk_config_key)
            default_parent_chunk_token = get_default_token_for_model(model_name, 'parent_chunk')
            default_parent_chunk_tokens[model_name] = default_parent_chunk_token
            
            if parent_chunk_token_value:
                try:
                    model_parent_chunk_tokens[model_name] = int(parent_chunk_token_value)
                except (ValueError, TypeError):
                    model_parent_chunk_tokens[model_name] = None
            else:
                model_parent_chunk_tokens[model_name] = None
        
        return jsonify({
            'models': all_models,
            'input_tokens': model_input_tokens,
            'output_tokens': model_output_tokens,
            'parent_chunk_tokens': model_parent_chunk_tokens,
            'default_input_tokens': default_input_tokens,
            'default_output_tokens': default_output_tokens,
            'default_parent_chunk_tokens': default_parent_chunk_tokens
        }), 200
        
    except Exception as e:
        return jsonify({'error': f'토큰 수 설정 조회 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/admin/model-tokens', methods=['POST'])
@admin_required
def save_model_tokens():
    """모델별 토큰 수 설정 저장 (입력/출력 분리, 또는 삭제)"""
    try:
        data = request.json
        model_name = data.get('model_name', '').strip()
        token_type = data.get('token_type', 'output').strip()  # 'input' 또는 'output'
        tokens = data.get('tokens', None)
        
        if not model_name:
            return jsonify({'error': '모델명을 입력해주세요.'}), 400
        
        if token_type not in ['input', 'output', 'parent_chunk']:
            return jsonify({'error': '토큰 타입은 "input", "output", 또는 "parent_chunk"이어야 합니다.'}), 400
        
        # tokens가 None이면 설정 삭제 (기본값 사용)
        if tokens is None:
            try:
                config_key = f"model_token_{token_type}_{model_name}"
                config = SystemConfig.query.filter_by(key=config_key).first()
                if config:
                    db.session.delete(config)
                    db.session.commit()
                    return jsonify({
                        'message': f'{model_name} 모델의 {token_type} 토큰 수 설정이 삭제되었습니다. 기본값을 사용합니다.',
                        'model_name': model_name,
                        'token_type': token_type,
                        'tokens': None
                    }), 200
                else:
                    # 하위 호환성: 기존 형식도 삭제 시도 (출력 토큰인 경우)
                    if token_type == 'output':
                        old_config_key = f"model_token_{model_name}"
                        old_config = SystemConfig.query.filter_by(key=old_config_key).first()
                        if old_config:
                            db.session.delete(old_config)
                            db.session.commit()
                            return jsonify({
                                'message': f'{model_name} 모델의 출력 토큰 수 설정이 삭제되었습니다. 기본값을 사용합니다.',
                                'model_name': model_name,
                                'token_type': token_type,
                                'tokens': None
                            }), 200
                    return jsonify({
                        'message': f'{model_name} 모델은 이미 기본값을 사용하고 있습니다.',
                        'model_name': model_name,
                        'token_type': token_type,
                        'tokens': None
                    }), 200
            except Exception as e:
                db.session.rollback()
                return jsonify({'error': f'설정 삭제 중 오류가 발생했습니다: {str(e)}'}), 500
        
        try:
            tokens = int(tokens)
            if tokens < 1:
                return jsonify({'error': '토큰 수는 1 이상이어야 합니다.'}), 400
        except (ValueError, TypeError):
            return jsonify({'error': '토큰 수는 정수여야 합니다.'}), 400
        
        # SystemConfig에 저장
        config_key = f"model_token_{token_type}_{model_name}"
        SystemConfig.set_config(config_key, str(tokens), f'{model_name} 모델 {token_type} 토큰 수 제한')
        
        return jsonify({
            'message': f'{model_name} 모델의 {token_type} 토큰 수가 {tokens}로 설정되었습니다.',
            'model_name': model_name,
            'token_type': token_type,
            'tokens': tokens
        }), 200
        
    except Exception as e:
        db.session.rollback()
        print(f"[토큰 수 저장] 오류: {e}")
        import traceback
        traceback.print_exc()
        return jsonify({'error': f'토큰 수 저장 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/admin/gemini-api-key', methods=['POST'])
@admin_required
def set_gemini_api_key():
    """Gemini API 키 저장/업데이트"""
    
    try:
        if not request.is_json:
            return jsonify({'error': 'Content-Type이 application/json이 아닙니다.'}), 400
        
        data = request.json
        if not data:
            return jsonify({'error': '요청 데이터가 없습니다.'}), 400
        
        api_key = data.get('api_key', '').strip()
        
        if not api_key:
            return jsonify({'error': 'API 키를 입력해주세요.'}), 400
        
        # API 키 저장 (SystemConfig.set_config 내부에서 테이블 생성 처리)
        try:
            SystemConfig.set_config(
                key='gemini_api_key',
                value=api_key,
                description='Google Gemini API 키'
            )
            
            # 저장 확인
            saved_key = SystemConfig.get_config('gemini_api_key', '')
            if saved_key == api_key:
                print(f"[Gemini API 키 저장] 성공: 저장 확인됨 (길이: {len(api_key)}자)")
            else:
                print(f"[Gemini API 키 저장] 경고: 저장 후 확인 실패. 저장된 값: {saved_key[:20] if saved_key else 'None'}...")
        except Exception as save_error:
            print(f"[Gemini API 키 저장] 오류: {save_error}")
            import traceback
            traceback.print_exc()
            return jsonify({'error': f'API 키 저장 중 오류가 발생했습니다: {str(save_error)}'}), 500
        
        # Gemini 클라이언트에 API 키 재로드 알림
        try:
            from app.gemini_client import reset_gemini_client
            reset_gemini_client()
            print(f"[Gemini] API 키가 업데이트되어 클라이언트가 재로드되었습니다.")
        except Exception as e:
            print(f"[Gemini] API 키 재로드 실패: {e}")
        
        # 최종 확인: DB에서 실제로 저장되었는지 확인
        final_check = SystemConfig.get_config('gemini_api_key', '')
        if not final_check:
            print(f"[Gemini API 키 저장] 경고: 저장 후 DB에서 조회 실패")
            return jsonify({
                'error': 'API 키 저장 후 확인에 실패했습니다. 데이터베이스 연결을 확인하세요.',
                'saved': False
            }), 500
        
        return jsonify({
            'message': 'Gemini API 키가 성공적으로 저장되었습니다.',
            'has_api_key': True,
            'masked_key': api_key[:8] + '...' if api_key and len(api_key) > 8 else '',
            'saved': True,
            'config_count': SystemConfig.query.count()  # 현재 설정 개수 반환
        }), 200
        
    except Exception as e:
        db.session.rollback()
        print(f"[Gemini API 키 저장] 오류: {e}")
        import traceback
        traceback.print_exc()
        return jsonify({'error': f'API 키 저장 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/admin/huggingface-token', methods=['POST'])
@admin_required
def set_huggingface_token():
    """Hugging Face 토큰 저장/업데이트"""
    
    try:
        if not request.is_json:
            return jsonify({'error': 'Content-Type이 application/json이 아닙니다.'}), 400
        
        data = request.json
        if not data:
            return jsonify({'error': '요청 데이터가 없습니다.'}), 400
        
        token = data.get('token', '').strip()
        
        if not token:
            return jsonify({'error': '토큰을 입력해주세요.'}), 400
        
        # 토큰 저장 (SystemConfig.set_config 내부에서 테이블 생성 처리)
        SystemConfig.set_config(
            key='huggingface_token',
            value=token,
            description='Hugging Face API 토큰'
        )
        
        # Hugging Face 클라이언트에 토큰 재로드 알림
        try:
            from app.huggingface_client import reset_huggingface_token
            reset_huggingface_token()
            print(f"[Hugging Face] 토큰이 업데이트되어 클라이언트가 재로드되었습니다.")
        except Exception as e:
            print(f"[Hugging Face] 토큰 재로드 실패: {e}")
        
        return jsonify({
            'message': 'Hugging Face 토큰이 성공적으로 저장되었습니다.',
            'has_token': True
        }), 200
        
    except Exception as e:
        db.session.rollback()
        print(f"[Hugging Face 토큰 저장] 오류: {e}")
        import traceback
        traceback.print_exc()
        return jsonify({'error': f'토큰 저장 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/ollama/models', methods=['GET'])
@login_required
def get_ollama_models():
    """Ollama 및 Gemini에서 사용 가능한 모델 목록 가져오기 (로컬 AI 모델은 학습된 웹소설이 있는 모델만 표시)"""
    try:
        # 쿼리 파라미터로 all=true가 전달되면 모든 모델 반환
        show_all = request.args.get('all', 'false').lower() == 'true'
        
        all_models = []
        
        # 1. Ollama 모델 목록 가져오기
        try:
            response = requests.get(f'{OLLAMA_BASE_URL}/api/tags', timeout=5)
            if response.status_code == 200:
                data = response.json()
                ollama_models_raw = [model['name'] for model in data.get('models', [])]
                
                if show_all:
                    # 모든 Ollama 모델 반환
                    ollama_models = [{'name': model_name, 'type': 'ollama'} for model_name in ollama_models_raw]
                    all_models.extend(ollama_models)
                    print(f"[모델 목록] Ollama 모델 {len(ollama_models)}개 추가 (전체 목록)")
                else:
                    # 학습된 웹소설이 있는 모델만 필터링
                    filtered_ollama_models = []
                    for model_name in ollama_models_raw:
                        # 해당 모델로 학습된 원본 파일이 있는지 확인 (parent_file_id가 None인 파일만)
                        file_count = UploadedFile.query.filter_by(
                            model_name=model_name,
                            parent_file_id=None
                        ).count()
                        
                        if file_count > 0:
                            filtered_ollama_models.append({'name': model_name, 'type': 'ollama'})
                            print(f"[모델 목록] Ollama 모델 '{model_name}' - 학습된 웹소설 {file_count}개")
                        else:
                            print(f"[모델 목록] Ollama 모델 '{model_name}' - 학습된 웹소설 없음, 목록에서 제외")
                    
                    all_models.extend(filtered_ollama_models)
                    print(f"[모델 목록] Ollama 모델 {len(filtered_ollama_models)}개 추가 (전체 {len(ollama_models_raw)}개 중 {len(filtered_ollama_models)}개 필터링됨)")
        except Exception as e:
            print(f"[모델 목록] Ollama 모델 목록 조회 실패: {e}")
        
        # 2. Gemini 모델 목록 가져오기
        try:
            gemini_client = get_gemini_client()
            if gemini_client.is_configured():
                gemini_models = gemini_client.get_available_models()
                
                if show_all:
                    # 모든 Gemini 모델 반환
                    gemini_models_list = [{'name': f'gemini:{model_name}', 'type': 'gemini'} for model_name in gemini_models]
                    all_models.extend(gemini_models_list)
                    print(f"[모델 목록] Gemini 모델 {len(gemini_models_list)}개 추가 (전체 목록)")
                else:
                    # 학습된 웹소설이 있는 모델만 필터링
                    filtered_gemini_models = []
                    for model_name in gemini_models:
                        full_model_name = f'gemini:{model_name}'
                        # 해당 모델로 학습된 원본 파일이 있는지 확인 (parent_file_id가 None인 파일만)
                        file_count = UploadedFile.query.filter_by(
                            model_name=full_model_name,
                            parent_file_id=None
                        ).count()
                        
                        if file_count > 0:
                            filtered_gemini_models.append({'name': full_model_name, 'type': 'gemini'})
                            print(f"[모델 목록] Gemini 모델 '{full_model_name}' - 학습된 웹소설 {file_count}개")
                        else:
                            print(f"[모델 목록] Gemini 모델 '{full_model_name}' - 학습된 웹소설 없음, 목록에서 제외")
                    
                    all_models.extend(filtered_gemini_models)
                    print(f"[모델 목록] Gemini 모델 {len(filtered_gemini_models)}개 추가 (전체 {len(gemini_models)}개 중 {len(filtered_gemini_models)}개 필터링됨)")
            else:
                print(f"[모델 목록] Gemini API 키가 설정되지 않아 Gemini 모델을 불러올 수 없습니다.")
        except Exception as e:
            print(f"[모델 목록] Gemini 모델 목록 조회 실패: {e}")
        
        if all_models:
            return jsonify({'models': all_models})
        else:
            return jsonify({'error': '사용 가능한 모델이 없습니다. Ollama가 실행 중인지, 또는 Gemini API 키가 설정되었는지 확인하세요.', 'models': []}), 500
            
    except Exception as e:
        return jsonify({'error': f'모델 목록을 가져오는 중 오류가 발생했습니다: {str(e)}', 'models': []}), 500

@main_bp.route('/api/admin/prompts', methods=['GET'])
@admin_required
def get_system_prompt():
    """시스템 프롬프트 가져오기"""
    try:
        prompt = SystemConfig.get_config('system_prompt', '')
        return jsonify({'prompt': prompt}), 200
    except Exception as e:
        return jsonify({'error': f'프롬프트를 가져오는 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/admin/prompts', methods=['POST'])
@admin_required
def save_system_prompt():
    """시스템 프롬프트 저장"""
    try:
        data = request.json
        prompt = data.get('prompt', '').strip()
        
        SystemConfig.set_config(
            key='system_prompt',
            value=prompt,
            description='질문할 때 자동으로 붙이는 시스템 프롬프트'
        )
        
        return jsonify({
            'message': '프롬프트가 성공적으로 저장되었습니다.',
            'prompt': prompt
        }), 200
    except Exception as e:
        db.session.rollback()
        return jsonify({'error': f'프롬프트 저장 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/admin/database/status', methods=['GET'])
@admin_required
def get_database_status():
    """데이터베이스 연결 상태 확인"""
    try:
        from flask import current_app
        from sqlalchemy import create_engine, text
        from datetime import datetime
        
        db_uri = current_app.config['SQLALCHEMY_DATABASE_URI']
        is_postgresql = db_uri.startswith('postgresql://') or db_uri.startswith('postgres://')
        
        # 연결 정보 (보안을 위해 비밀번호 마스킹)
        if is_postgresql and '@' in db_uri:
            masked_uri = db_uri.split('@')[0].split('://')[0] + '://***@' + '@'.join(db_uri.split('@')[1:])
        else:
            masked_uri = db_uri
        
        status = {
            'connected': False,
            'type': 'PostgreSQL' if is_postgresql else 'SQLite',
            'uri_masked': masked_uri,
            'version': None,
            'error': None,
            'test_query': None,
            'table_count': 0,
            'user_count': 0,
            'config_count': 0
        }
        
        # 연결 테스트
        try:
            if is_postgresql:
                # PostgreSQL 연결 테스트
                engine = create_engine(
                    db_uri,
                    pool_pre_ping=True,
                    pool_recycle=300
                )
                with engine.connect() as conn:
                    # 버전 확인
                    result = conn.execute(text("SELECT version()"))
                    version = result.fetchone()[0]
                    status['version'] = version[:100]  # 처음 100자만
                    
                    # 테이블 개수 확인
                    result = conn.execute(text("""
                        SELECT COUNT(*) 
                        FROM information_schema.tables 
                        WHERE table_schema = 'public'
                    """))
                    status['table_count'] = result.fetchone()[0]
                    
                    # 사용자 개수 확인
                    result = conn.execute(text("SELECT COUNT(*) FROM \"user\""))
                    status['user_count'] = result.fetchone()[0]
                    
                    # 설정 개수 확인
                    result = conn.execute(text("SELECT COUNT(*) FROM system_config"))
                    status['config_count'] = result.fetchone()[0]
                    
                    # 테스트 쿼리
                    result = conn.execute(text("SELECT NOW()"))
                    test_time = result.fetchone()[0]
                    status['test_query'] = f"현재 시간: {test_time}"
                    status['connected'] = True
            else:
                # SQLite 연결 테스트
                from sqlalchemy import inspect
                inspector = inspect(db.engine)
                tables = inspector.get_table_names()
                status['table_count'] = len(tables)
                
                # 사용자 개수 확인
                user_count = User.query.count()
                status['user_count'] = user_count
                
                # 설정 개수 확인
                config_count = SystemConfig.query.count()
                status['config_count'] = config_count
                
                # SQLite 버전 확인
                with db.engine.connect() as conn:
                    result = conn.execute(text("SELECT sqlite_version()"))
                    version = result.fetchone()[0]
                    status['version'] = f"SQLite {version}"
                    
                    # 테스트 쿼리
                    result = conn.execute(text("SELECT datetime('now')"))
                    test_time = result.fetchone()[0]
                    status['test_query'] = f"현재 시간: {test_time}"
                    status['connected'] = True
                    
        except Exception as e:
            status['error'] = str(e)
            status['connected'] = False
        
        return jsonify(status), 200 if status['connected'] else 500
        
    except Exception as e:
        import traceback
        traceback.print_exc()
        return jsonify({
            'error': f'데이터베이스 상태 확인 중 오류가 발생했습니다: {str(e)}',
            'connected': False
        }), 500

@main_bp.route('/api/admin/ollama/models', methods=['GET'])
@admin_required
def get_all_ollama_models():
    """관리자용: Ollama 및 Gemini에서 사용 가능한 모든 모델 목록 가져오기 (필터링 없이 전체 목록)"""
    try:
        all_models = []
        
        # 1. Ollama 모델 목록 가져오기 (필터링 없이 전체 목록)
        try:
            response = requests.get(f'{OLLAMA_BASE_URL}/api/tags', timeout=5)
            if response.status_code == 200:
                data = response.json()
                ollama_models_raw = [model['name'] for model in data.get('models', [])]
                
                # 필터링 없이 모든 Ollama 모델 추가
                for model_name in ollama_models_raw:
                    # 각 모델의 학습된 웹소설 개수 확인 (정보 제공용)
                    file_count = UploadedFile.query.filter_by(
                        model_name=model_name,
                        parent_file_id=None
                    ).count()
                    
                    all_models.append({
                        'name': model_name,
                        'type': 'ollama',
                        'file_count': file_count  # 정보 제공용
                    })
                    print(f"[관리자 모델 목록] Ollama 모델 '{model_name}' - 학습된 웹소설 {file_count}개")
                
                print(f"[관리자 모델 목록] Ollama 모델 {len(ollama_models_raw)}개 추가")
        except Exception as e:
            print(f"[관리자 모델 목록] Ollama 모델 목록 조회 실패: {e}")
        
        # 2. Gemini 모델 목록 가져오기 (필터링 없이 전체 목록)
        try:
            gemini_client = get_gemini_client()
            if gemini_client.is_configured():
                gemini_models = gemini_client.get_available_models()
                
                # 필터링 없이 모든 Gemini 모델 추가
                for model_name in gemini_models:
                    full_model_name = f'gemini:{model_name}'
                    # 각 모델의 학습된 웹소설 개수 확인 (정보 제공용)
                    file_count = UploadedFile.query.filter_by(
                        model_name=full_model_name,
                        parent_file_id=None
                    ).count()
                    
                    all_models.append({
                        'name': full_model_name,
                        'type': 'gemini',
                        'file_count': file_count  # 정보 제공용
                    })
                    print(f"[관리자 모델 목록] Gemini 모델 '{full_model_name}' - 학습된 웹소설 {file_count}개")
                
                print(f"[관리자 모델 목록] Gemini 모델 {len(gemini_models)}개 추가")
            else:
                print(f"[관리자 모델 목록] Gemini API 키가 설정되지 않아 Gemini 모델을 불러올 수 없습니다.")
        except Exception as e:
            print(f"[관리자 모델 목록] Gemini 모델 목록 조회 실패: {e}")
        
        if all_models:
            return jsonify({'models': all_models})
        else:
            return jsonify({'error': '사용 가능한 모델이 없습니다. Ollama가 실행 중인지, 또는 Gemini API 키가 설정되었는지 확인하세요.', 'models': []}), 500
            
    except Exception as e:
        return jsonify({'error': f'모델 목록을 가져오는 중 오류가 발생했습니다: {str(e)}', 'models': []}), 500

@main_bp.route('/api/admin/default-models', methods=['GET'])
@admin_required
def get_default_models():
    """기본 AI 모델 설정 조회"""
    try:
        default_analysis_model = SystemConfig.get_config('default_analysis_model', '')
        default_answer_model = SystemConfig.get_config('default_answer_model', '')
        
        return jsonify({
            'success': True,
            'default_analysis_model': default_analysis_model,
            'default_answer_model': default_answer_model
        }), 200
    except Exception as e:
        return jsonify({'error': f'기본 모델 설정 조회 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/admin/default-models', methods=['POST'])
@admin_required
def set_default_models():
    """기본 AI 모델 설정 저장"""
    try:
        data = request.json
        default_analysis_model = data.get('default_analysis_model', '').strip()
        default_answer_model = data.get('default_answer_model', '').strip()
        
        # 빈 문자열이면 설정 삭제
        if default_analysis_model:
            SystemConfig.set_config('default_analysis_model', default_analysis_model, '기본 질문 분석용 AI 모델')
        else:
            # 설정 삭제
            config = SystemConfig.query.filter_by(key='default_analysis_model').first()
            if config:
                db.session.delete(config)
                db.session.commit()
        
        if default_answer_model:
            SystemConfig.set_config('default_answer_model', default_answer_model, '기본 답변 생성용 AI 모델')
        else:
            # 설정 삭제
            config = SystemConfig.query.filter_by(key='default_answer_model').first()
            if config:
                db.session.delete(config)
                db.session.commit()
        
        return jsonify({
            'success': True,
            'message': '기본 AI 모델이 설정되었습니다.',
            'default_analysis_model': default_analysis_model or None,
            'default_answer_model': default_answer_model or None
        }), 200
    except Exception as e:
        db.session.rollback()
        return jsonify({'error': f'기본 모델 설정 저장 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/default-models', methods=['GET'])
@login_required
def get_user_default_models():
    """사용자용: 기본 AI 모델 설정 조회 (공개 API)"""
    try:
        default_analysis_model = SystemConfig.get_config('default_analysis_model', '')
        default_answer_model = SystemConfig.get_config('default_answer_model', '')
        
        return jsonify({
            'success': True,
            'default_analysis_model': default_analysis_model,
            'default_answer_model': default_answer_model
        }), 200
    except Exception as e:
        return jsonify({'error': f'기본 모델 설정 조회 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/chat', methods=['POST'])
@login_required
def chat():
    """채팅 API 엔드포인트"""
    try:
        data = request.json
        message = data.get('message', '')
        # 하위 호환성을 위해 model도 확인 (기존 코드)
        analysis_model = data.get('analysis_model', data.get('model', ''))  # 질문 분석용 모델
        answer_model = data.get('answer_model', '')  # 최종 답변용 모델
        file_ids = [int(fid) for fid in data.get('file_ids', []) if fid]  # 선택한 웹소설 파일 ID 목록
        session_id = data.get('session_id', None)  # 대화 세션 ID (정수로 변환)
        
        if not message:
            return jsonify({'error': '메시지가 필요합니다.'}), 400
        
        # 답변용 모델이 없으면 분석용 모델 사용 (하위 호환성)
        if not answer_model:
            answer_model = analysis_model
        
        # 답변용 모델이 여전히 없으면 에러 반환
        if not answer_model:
            return jsonify({'error': '답변을 생성할 AI 모델이 선택되지 않았습니다. "사용 가능한 AI 목록"에서 답변을 생성할 AI 모델을 선택해주세요.'}), 400
        
        # 분석용 모델이 선택된 경우 RAG 검색 진행
        if analysis_model:
            try:
                # RAG: 질문과 관련된 청크 검색
                context = ""
                use_rag = True  # RAG 사용 여부
                
                if use_rag:
                    print(f"\n[RAG 검색] 분석 모델: {analysis_model}, 답변 모델: {answer_model}, 질문: {message[:50]}...")
                    print(f"[RAG 검색] 선택된 파일 ID: {file_ids if file_ids else '없음 (모든 파일 검색)'}")
                    
                    # 1단계: 회차별 분석(EpisodeAnalysis) 조회 (회차별 요약 참조용)
                    episode_analyses = []
                    if file_ids:
                        print(f"[RAG 검색 1단계] 회차별 분석 조회 시작...")
                        episode_analyses = get_episode_analyses_for_files(file_ids)
                        print(f"[RAG 검색 1단계] 회차별 분석 조회 완료: {len(episode_analyses)}개 파일")
                    
                    # 2단계: GraphRAG 데이터 조회 (엔티티, 관계, 사건)
                    graph_data = None
                    if file_ids:
                        print(f"[RAG 검색 2단계] GraphRAG 데이터 조회 시작...")
                        graph_data = get_relevant_graph_data(
                            query=message,
                            file_ids=file_ids
                        )
                        print(f"[RAG 검색 2단계] GraphRAG 데이터 조회 완료: 엔티티 {len(graph_data['entities'])}개, 관계 {len(graph_data['relationships'])}개, 사건 {len(graph_data['events'])}개")
                    
                    # 3단계: 벡터 검색 + 리랭킹으로 Child Chunk 정밀 검색 (분석 모델 사용)
                    print(f"[RAG 검색 3단계] 벡터 검색 + 리랭킹 시작 (분석 모델: {analysis_model})...")
                    relevant_chunks = search_relevant_chunks(
                        query=message,
                        file_ids=file_ids if file_ids else None,
                        model_name=analysis_model,  # 질문 분석은 analysis_model 사용
                        top_k=5,  # 리랭킹 후 상위 5개만 선택
                        min_score=0.5  # 최소 점수 임계값
                    )
                    print(f"[RAG 검색 3단계] 벡터 검색 + 리랭킹 완료: {len(relevant_chunks)}개 청크 (상위 5개)")
                    
                    # 컨텍스트 구성
                    context_parts = []
                    
                    # GraphRAG 데이터 추가 (엔티티, 관계, 사건 정보)
                    if graph_data and (graph_data['entities'] or graph_data['relationships'] or graph_data['events']):
                        graph_context_parts = []
                        
                        # 엔티티 정보
                        if graph_data['entities']:
                            entity_sections = {}
                            for entity in graph_data['entities']:
                                episode = entity.get('episode_title', '기타')
                                if episode not in entity_sections:
                                    entity_sections[episode] = {'characters': [], 'locations': []}
                                
                                if entity.get('entity_type') == 'character':
                                    entity_sections[episode]['characters'].append(entity)
                                elif entity.get('entity_type') == 'location':
                                    entity_sections[episode]['locations'].append(entity)
                            
                            entity_text = "다음은 질문과 관련된 등장인물 및 장소 정보입니다:\n\n"
                            for episode, entities in entity_sections.items():
                                entity_text += f"=== {episode} ===\n"
                                
                                if entities['characters']:
                                    entity_text += "인물:\n"
                                    for char in entities['characters']:
                                        entity_text += f"- {char.get('entity_name', '')}"
                                        if char.get('role'):
                                            entity_text += f" (역할: {char.get('role')})"
                                        if char.get('description'):
                                            entity_text += f": {char.get('description')}"
                                        entity_text += "\n"
                                
                                if entities['locations']:
                                    entity_text += "장소:\n"
                                    for loc in entities['locations']:
                                        entity_text += f"- {loc.get('entity_name', '')}"
                                        if loc.get('category'):
                                            entity_text += f" (유형: {loc.get('category')})"
                                        if loc.get('description'):
                                            entity_text += f": {loc.get('description')}"
                                        entity_text += "\n"
                                
                                entity_text += "\n"
                            
                            graph_context_parts.append(entity_text)
                        
                        # 관계 정보
                        if graph_data['relationships']:
                            rel_sections = {}
                            for rel in graph_data['relationships']:
                                episode = rel.get('episode_title', '기타')
                                if episode not in rel_sections:
                                    rel_sections[episode] = []
                                rel_sections[episode].append(rel)
                            
                            rel_text = "다음은 질문과 관련된 인물/장소 간의 관계 정보입니다:\n\n"
                            for episode, rels in rel_sections.items():
                                rel_text += f"=== {episode} ===\n"
                                for rel in rels:
                                    rel_text += f"- {rel.get('source', '')} → {rel.get('target', '')}"
                                    if rel.get('relationship_type'):
                                        rel_text += f" ({rel.get('relationship_type')})"
                                    if rel.get('description'):
                                        rel_text += f": {rel.get('description')}"
                                    if rel.get('event'):
                                        rel_text += f" [관련 사건: {rel.get('event')}]"
                                    rel_text += "\n"
                                rel_text += "\n"
                            
                            graph_context_parts.append(rel_text)
                        
                        # 사건 정보
                        if graph_data['events']:
                            event_sections = {}
                            for event in graph_data['events']:
                                episode = event.get('episode_title', '기타')
                                if episode not in event_sections:
                                    event_sections[episode] = []
                                event_sections[episode].append(event)
                            
                            event_text = "다음은 질문과 관련된 주요 사건 정보입니다:\n\n"
                            for episode, events in event_sections.items():
                                event_text += f"=== {episode} ===\n"
                                for event in events:
                                    if event.get('event_name'):
                                        event_text += f"- {event.get('event_name')}\n"
                                    if event.get('description'):
                                        event_text += f"  설명: {event.get('description')}\n"
                                    if event.get('participants') and len(event.get('participants', [])) > 0:
                                        event_text += f"  관련 인물: {', '.join(event.get('participants', []))}\n"
                                    if event.get('location'):
                                        event_text += f"  장소: {event.get('location')}\n"
                                    if event.get('significance'):
                                        event_text += f"  중요도: {event.get('significance')}\n"
                                    event_text += "\n"
                            
                            graph_context_parts.append(event_text)
                        
                        if graph_context_parts:
                            graph_context = "\n\n".join(graph_context_parts)
                            context_parts.append(f"다음은 질문과 관련된 GraphRAG 데이터입니다 (엔티티, 관계, 사건 정보):\n\n{graph_context}")
                            print(f"[RAG 검색] GraphRAG 컨텍스트 추가: {len(graph_context)}자")
                    
                    # 회차별 분석 정보 추가 (회차별 요약 참조용)
                    if episode_analyses:
                        episode_context_sections = []
                        for episode_analysis in episode_analyses:
                            file = episode_analysis.file
                            file_info = f"\n=== {file.original_filename} 회차별 분석 ===\n"
                            
                            if episode_analysis.analysis_content:
                                episode_context_sections.append(file_info + episode_analysis.analysis_content)
                        
                        if episode_context_sections:
                            episode_context = "\n\n".join(episode_context_sections)
                            context_parts.append(f"다음은 웹소설의 회차별 상세 분석 내용입니다:\n\n{episode_context}")
                            print(f"[RAG 검색] 회차별 분석 컨텍스트 추가: {len(episode_context)}자")
                    
                    # Child Chunk 정보 추가 (정밀 검색 결과)
                    if relevant_chunks:
                        child_context_parts = []
                        seen_files = set()
                        
                        for chunk in relevant_chunks:
                            file = chunk.file
                            if file.original_filename not in seen_files:
                                seen_files.add(file.original_filename)
                                print(f"[RAG 검색] 사용된 파일: {file.original_filename} (모델: {file.model_name})")
                            
                            child_context_parts.append(f"[{file.original_filename} - 청크 {chunk.chunk_index + 1}]\n{chunk.content}")
                        
                        if child_context_parts:
                            # 컨텍스트 길이 확인 및 최적화
                            full_child_context = "\n\n".join(child_context_parts)
                            child_context_length = len(full_child_context)
                            
                            # Child Chunk 컨텍스트가 너무 길면 일부만 사용 (최대 15000자)
                            if child_context_length > 15000:
                                truncated_parts = []
                                current_length = 0
                                for part in child_context_parts:
                                    if current_length + len(part) > 15000:
                                        break
                                    truncated_parts.append(part)
                                    current_length += len(part)
                                full_child_context = "\n\n".join(truncated_parts)
                                print(f"[RAG 검색] Child Chunk 컨텍스트 길이 조절: {child_context_length}자 → {len(full_child_context)}자")
                            
                            context_parts.append(f"다음은 질문과 관련된 웹소설의 구체적인 내용입니다 (정밀 검색 결과, 총 {len(relevant_chunks)}개 청크):\n\n{full_child_context}")
                            print(f"[RAG 검색] Child Chunk 컨텍스트 추가: {len(full_child_context)}자")
                    
                    # 최종 컨텍스트 구성
                    if context_parts:
                        full_context = "\n\n" + "\n\n---\n\n".join(context_parts) + "\n\n"
                        
                        # 회차별 분석, GraphRAG, Child Chunk 모두 있는 경우
                        has_graph = graph_data and (graph_data['entities'] or graph_data['relationships'] or graph_data['events'])
                        
                        if episode_analyses and has_graph and relevant_chunks:
                            context = f"""다음은 질문에 답하기 위한 웹소설 정보입니다:

{full_context}

위 정보를 참고하여 답변해주세요:
- 먼저 GraphRAG 데이터(엔티티, 관계, 사건)를 확인하여 등장인물, 장소, 인물 간의 관계, 주요 사건을 파악하세요.
- 그 다음 회차별 분석 내용을 이해하여 각 회차의 주요 스토리, 등장 인물, 인물 관계 변화를 파악하세요.
- 마지막으로 구체적인 내용(Child Chunk)을 통해 질문에 대한 정확한 답변을 제공하세요.
- 웹소설의 맥락과 스토리를 고려하여 일관성 있는 답변을 작성하세요.

중요: 질문에 답변할 때는 반드시 제공된 [소설 본문] 내의 내용을 근거로 해야 합니다.
답변의 각 문장 끝에는 참고한 본문의 문장을 [근거: "문장 내용..."] 형식으로 반드시 붙이세요.
근거를 찾을 수 없다면 "내용을 찾을 수 없습니다"라고 답하고 지어내지 마세요.

질문:
"""
                        elif episode_analyses and relevant_chunks:
                            context = f"""다음은 질문에 답하기 위한 웹소설 정보입니다:

{full_context}

위 정보를 참고하여 답변해주세요:
- 먼저 회차별 분석 내용을 이해하여 각 회차의 주요 스토리, 등장 인물, 인물 관계 변화를 파악하세요.
- 그 다음 구체적인 내용(Child Chunk)을 통해 질문에 대한 정확한 답변을 제공하세요.
- 웹소설의 맥락과 스토리를 고려하여 일관성 있는 답변을 작성하세요.

중요: 질문에 답변할 때는 반드시 제공된 [소설 본문] 내의 내용을 근거로 해야 합니다.
답변의 각 문장 끝에는 참고한 본문의 문장을 [근거: "문장 내용..."] 형식으로 반드시 붙이세요.
근거를 찾을 수 없다면 "내용을 찾을 수 없습니다"라고 답하고 지어내지 마세요.

질문:
"""
                        elif has_graph and relevant_chunks:
                            context = f"""다음은 질문에 답하기 위한 웹소설 정보입니다:

{full_context}

위 정보를 참고하여 답변해주세요:
- 먼저 GraphRAG 데이터(엔티티, 관계, 사건)를 확인하여 등장인물, 장소, 인물 간의 관계, 주요 사건을 파악하세요.
- 그 다음 구체적인 내용(Child Chunk)을 통해 질문에 대한 정확한 답변을 제공하세요.
- 웹소설의 맥락과 스토리를 고려하여 일관성 있는 답변을 작성하세요.

중요: 질문에 답변할 때는 반드시 제공된 [소설 본문] 내의 내용을 근거로 해야 합니다.
답변의 각 문장 끝에는 참고한 본문의 문장을 [근거: "문장 내용..."] 형식으로 반드시 붙이세요.
근거를 찾을 수 없다면 "내용을 찾을 수 없습니다"라고 답하고 지어내지 마세요.

질문:
"""
                        elif episode_analyses and has_graph:
                            # 회차별 분석과 GraphRAG만 있는 경우
                            context = f"""다음은 웹소설의 회차별 상세 분석 및 GraphRAG 데이터입니다:

{full_context}

위 정보를 참고하여 질문에 답변해주세요:
- GraphRAG 데이터(엔티티, 관계, 사건)를 확인하여 등장인물, 장소, 인물 간의 관계, 주요 사건을 파악하세요.
- 회차별 분석 내용을 이해하여 각 회차의 주요 스토리, 등장 인물, 인물 관계 변화를 고려하여 답변하세요.

중요: 질문에 답변할 때는 반드시 제공된 [소설 본문] 내의 내용을 근거로 해야 합니다.
답변의 각 문장 끝에는 참고한 본문의 문장을 [근거: "문장 내용..."] 형식으로 반드시 붙이세요.
근거를 찾을 수 없다면 "내용을 찾을 수 없습니다"라고 답하고 지어내지 마세요.

질문:
"""
                        elif episode_analyses:
                            # 회차별 분석만 있는 경우
                            context = f"""다음은 웹소설의 회차별 상세 분석 내용입니다:

{full_context}

위 정보를 참고하여 질문에 답변해주세요. 각 회차의 주요 스토리, 등장 인물, 인물 관계 변화를 고려하여 답변하세요.

중요: 질문에 답변할 때는 반드시 제공된 [소설 본문] 내의 내용을 근거로 해야 합니다.
답변의 각 문장 끝에는 참고한 본문의 문장을 [근거: "문장 내용..."] 형식으로 반드시 붙이세요.
근거를 찾을 수 없다면 "내용을 찾을 수 없습니다"라고 답하고 지어내지 마세요.

질문:
"""
                        elif has_graph:
                            # GraphRAG만 있는 경우
                            context = f"""다음은 질문과 관련된 GraphRAG 데이터입니다 (엔티티, 관계, 사건 정보):

{full_context}

위 정보를 참고하여 질문에 답변해주세요:
- GraphRAG 데이터를 확인하여 등장인물, 장소, 인물 간의 관계, 주요 사건을 파악하세요.
- 웹소설의 맥락과 스토리를 고려하여 일관성 있는 답변을 작성하세요.

중요: 질문에 답변할 때는 반드시 제공된 [소설 본문] 내의 내용을 근거로 해야 합니다.
답변의 각 문장 끝에는 참고한 본문의 문장을 [근거: "문장 내용..."] 형식으로 반드시 붙이세요.
근거를 찾을 수 없다면 "내용을 찾을 수 없습니다"라고 답하고 지어내지 마세요.

질문:
"""
                        else:
                            # Child Chunk만 있는 경우
                            context = f"""다음은 질문과 관련된 웹소설의 구체적인 내용입니다:

{full_context}

위 내용을 충분히 참고하여 다음 질문에 정확하고 상세하게 답변해주세요. 웹소설의 맥락과 스토리를 고려하여 답변해주세요.

중요: 질문에 답변할 때는 반드시 제공된 [소설 본문] 내의 내용을 근거로 해야 합니다.
답변의 각 문장 끝에는 참고한 본문의 문장을 [근거: "문장 내용..."] 형식으로 반드시 붙이세요.
근거를 찾을 수 없다면 "내용을 찾을 수 없습니다"라고 답하고 지어내지 마세요.

질문:
"""
                        
                        context += message
                        graph_info = f", GraphRAG: {len(graph_data['entities']) if graph_data else 0}개 엔티티, {len(graph_data['relationships']) if graph_data else 0}개 관계, {len(graph_data['events']) if graph_data else 0}개 사건" if graph_data else ""
                        print(f"[RAG 검색] 최종 컨텍스트 생성 완료 (회차별 분석: {len(episode_analyses)}개{graph_info}, Child Chunk: {len(relevant_chunks)}개, 총 {len(context)}자)")
                    else:
                        # RAG 검색 결과가 없으면 기존 방식 사용
                        print(f"[RAG 검색] 관련 청크를 찾지 못했습니다. 전체 파일 내용 사용")
                        use_rag = False
                
                # RAG 검색 결과가 없거나 비활성화된 경우 기존 방식 사용
                if not context and not use_rag:
                    if file_ids:
                        # 선택한 파일 ID와 이어서 업로드된 파일들도 포함
                        expanded_file_ids = list(file_ids)
                        for file_id in file_ids:
                            # 원본 파일인 경우 이어서 업로드된 파일들도 포함
                            child_files = UploadedFile.query.filter_by(parent_file_id=file_id).all()
                            expanded_file_ids.extend([child.id for child in child_files])
                        
                        uploaded_files = UploadedFile.query.filter(
                            UploadedFile.id.in_(expanded_file_ids),
                            UploadedFile.model_name == analysis_model
                        ).all()
                        print(f"[파일 사용] 선택된 파일 ID로 조회 (이어서 업로드 포함): {len(uploaded_files)}개 파일")
                    else:
                        # 파일 ID가 없으면 해당 모델의 모든 파일 사용 (원본 및 이어서 업로드 포함)
                        uploaded_files = UploadedFile.query.filter_by(model_name=analysis_model).all()
                        print(f"[파일 사용] 모델 '{analysis_model}'의 모든 파일 사용: {len(uploaded_files)}개 파일")
                    
                    if uploaded_files:
                        print(f"[파일 사용] 사용되는 파일 목록:")
                        for f in uploaded_files:
                            is_child = f.parent_file_id is not None
                            prefix = "  └─ " if is_child else "  - "
                            print(f"{prefix}{f.original_filename} (모델: {f.model_name})")
                        context_parts = []
                        for file in uploaded_files:
                            try:
                                if os.path.exists(file.file_path):
                                    encoding = 'utf-8'
                                    try:
                                        with open(file.file_path, 'r', encoding=encoding) as f:
                                            file_content = f.read()
                                    except UnicodeDecodeError:
                                        with open(file.file_path, 'r', encoding='cp949') as f:
                                            file_content = f.read()
                                    
                                    # 파일 내용이 너무 길면 일부만 사용 (최대 20000자로 증가)
                                    if len(file_content) > 20000:
                                        file_content = file_content[:20000] + "..."
                                    
                                    context_parts.append(f"[{file.original_filename}]\n{file_content}")
                            except Exception as e:
                                print(f"파일 읽기 오류 ({file.original_filename}): {str(e)}")
                                continue
                        
                        if context_parts:
                            context = "\n\n".join(context_parts)
                            context = f"""다음은 학습된 웹소설 내용입니다:

{context}

위 내용을 참고하여 다음 질문에 답변해주세요.

중요: 질문에 답변할 때는 반드시 제공된 [소설 본문] 내의 내용을 근거로 해야 합니다.
답변의 각 문장 끝에는 참고한 본문의 문장을 [근거: "문장 내용..."] 형식으로 반드시 붙이세요.
근거를 찾을 수 없다면 "내용을 찾을 수 없습니다"라고 답하고 지어내지 마세요.

질문:
"""
                
                # 시스템 프롬프트 가져오기
                system_prompt = SystemConfig.get_config('system_prompt', '').strip()
                
                # 프롬프트 구성 (시스템 프롬프트 + 컨텍스트 + 사용자 메시지)
                prompt_parts = []
                
                if system_prompt:
                    prompt_parts.append(system_prompt)
                
                if context:
                    prompt_parts.append(context)
                
                prompt_parts.append(message)
                
                full_prompt = "\n\n".join(prompt_parts)
                
                if system_prompt:
                    print(f"[프롬프트] 시스템 프롬프트 적용: {len(system_prompt)}자")
                
                # 최종 답변 생성은 answer_model 사용
                if not answer_model:
                    return jsonify({'error': '답변용 모델이 선택되지 않았습니다.'}), 400
                
                # 모델 타입 확인 (Gemini 또는 Ollama)
                is_gemini = answer_model.startswith('gemini:')
                
                # 토큰 정보 변수 초기화
                gemini_input_tokens = None
                gemini_output_tokens = None
                gemini_model_used = None
                ollama_input_tokens = None
                ollama_output_tokens = None
                ollama_model_used = None
                
                print(f"[최종 답변 생성] 답변 모델: {answer_model}, 프롬프트 길이: {len(full_prompt)}자")
                
                if is_gemini:
                    # Gemini API 호출
                    gemini_model_name = answer_model.replace('gemini:', '')
                    print(f"[Gemini] 모델: {gemini_model_name}, 질문: {message[:50]}...")
                    
                    gemini_client = get_gemini_client()
                    if not gemini_client.is_configured():
                        return jsonify({'error': 'Gemini API 키가 설정되지 않았습니다. GEMINI_API_KEY 환경 변수를 설정하세요.'}), 500
                    
                    result = gemini_client.generate_response(
                        prompt=full_prompt,
                        model_name=gemini_model_name,
                        temperature=0.7,
                        max_output_tokens=get_model_token_limit(gemini_model_name or "gemini-1.5-flash", 8192)  # 저장된 토큰 수 사용
                    )
                    
                    if result['error']:
                        return jsonify({'error': result['error']}), 500
                    
                    response_text = result.get('response', '').strip()
                    if not response_text:
                        print(f"[채팅] Gemini 응답이 비어있습니다. result: {result}")
                        response_text = '응답을 생성할 수 없었습니다. 다시 시도해주세요.'
                    
                    # 토큰 정보 추출
                    gemini_input_tokens = result.get('input_tokens')
                    gemini_output_tokens = result.get('output_tokens')
                    gemini_model_used = gemini_model_name
                else:
                    # Ollama API 호출
                    # Ollama 서버 연결 확인
                    try:
                        # 간단한 연결 테스트
                        test_response = requests.get(f'{OLLAMA_BASE_URL}/api/tags', timeout=5)
                        if test_response.status_code != 200:
                            return jsonify({'error': f'Ollama 서버에 연결할 수 없습니다. (상태 코드: {test_response.status_code}) Ollama가 실행 중인지 확인하세요. Ollama URL: {OLLAMA_BASE_URL}'}), 503
                    except requests.exceptions.ConnectionError:
                        return jsonify({'error': f'Ollama 서버에 연결할 수 없습니다. Ollama가 실행 중인지 확인하세요. Ollama URL: {OLLAMA_BASE_URL}'}), 503
                    except Exception as e:
                        return jsonify({'error': f'Ollama 서버 연결 확인 중 오류가 발생했습니다: {str(e)}. Ollama URL: {OLLAMA_BASE_URL}'}), 503
                    
                    # 입력 토큰 수를 num_ctx로 사용
                    num_ctx = get_model_token_limit_by_type(answer_model, 100000, 'input')
                    num_predict = get_model_token_limit_by_type(answer_model, 8192, 'output')
                    ollama_response = requests.post(
                        f'{OLLAMA_BASE_URL}/api/generate',
                        json={
                            'model': answer_model,  # 답변 모델 사용
                            'prompt': full_prompt,
                            'stream': False,
                            'options': {
                                'num_ctx': num_ctx,  # 입력 토큰 수를 컨텍스트 윈도우로 사용
                                'num_predict': num_predict  # 출력 토큰 수
                            }
                        },
                        timeout=120  # 파일이 많을 수 있으므로 타임아웃 증가
                    )
                    
                    if ollama_response.status_code != 200:
                        # 오류 상세 정보 가져오기
                        try:
                            error_detail = ollama_response.json().get('error', ollama_response.text[:200])
                        except:
                            error_detail = ollama_response.text[:200] if ollama_response.text else '상세 정보 없음'
                        
                        if ollama_response.status_code == 404:
                            error_msg = f'모델 "{answer_model}"을(를) 찾을 수 없습니다. 모델이 Ollama에 설치되어 있는지 확인하세요. (오류: {error_detail})'
                        else:
                            error_msg = f'Ollama 서버 오류: {ollama_response.status_code} (오류: {error_detail})'
                        return jsonify({'error': error_msg}), ollama_response.status_code
                    
                    ollama_data = ollama_response.json()
                    response_text = ollama_data.get('response', '').strip()
                    if not response_text:
                        print(f"[채팅] Ollama 응답이 비어있습니다. ollama_data: {ollama_data}")
                        response_text = '응답을 생성할 수 없었습니다. 다시 시도해주세요.'
                    
                    # Ollama 토큰 정보 추출
                    ollama_input_tokens = None
                    ollama_output_tokens = None
                    if 'prompt_eval_count' in ollama_data:
                        ollama_input_tokens = ollama_data.get('prompt_eval_count')
                    if 'eval_count' in ollama_data:
                        ollama_output_tokens = ollama_data.get('eval_count')
                    ollama_model_used = answer_model
                    
                    if ollama_input_tokens or ollama_output_tokens:
                        print(f"[Ollama] 토큰 사용량: 입력={ollama_input_tokens}, 출력={ollama_output_tokens}")
                
                # 대화 세션에 메시지 저장 (Gemini와 Ollama 공통)
                session_id = data.get('session_id')
                session_dict = None
                if session_id:
                    try:
                        session = ChatSession.query.filter_by(
                            id=session_id,
                            user_id=current_user.id
                        ).first()
                        
                        if session:
                            # 사용자 메시지가 이미 저장되어 있는지 확인 (중복 방지)
                            # 가장 최근 메시지를 확인하여 중복 저장 방지
                            latest_user_msg = ChatMessage.query.filter_by(
                                session_id=session_id,
                                role='user'
                            ).order_by(ChatMessage.created_at.desc()).first()
                            
                            # 최근 10초 이내에 같은 내용의 메시지가 없으면 저장
                            should_save = True
                            if latest_user_msg:
                                time_diff = (datetime.utcnow() - latest_user_msg.created_at).total_seconds()
                                if latest_user_msg.content == message and time_diff < 10:
                                    should_save = False
                                    print(f"[중복 방지] 최근 {time_diff:.2f}초 전에 같은 메시지가 저장되어 있습니다. 저장을 건너뜁니다.")
                            
                            if should_save:
                                user_msg = ChatMessage(
                                    session_id=session_id,
                                    role='user',
                                    content=message
                                )
                                db.session.add(user_msg)
                                print(f"[메시지 저장] 사용자 메시지 저장: {message[:50]}...")
                                
                                # 세션 제목 업데이트 (첫 사용자 메시지인 경우)
                                title_needs_update = (
                                    not session.title or 
                                    session.title.strip() == '' or 
                                    session.title == '새 대화'
                                )
                                
                                if title_needs_update and message.strip():
                                    # 메시지 내용을 제목으로 사용 (최대 30자)
                                    title = message.strip()[:30]
                                    if len(message.strip()) > 30:
                                        title += '...'
                                    session.title = title
                                    print(f"[세션 제목] 업데이트: '{title}' (원본 길이: {len(message.strip())}자)")
                                elif title_needs_update:
                                    print(f"[세션 제목] 메시지가 비어있어 제목을 업데이트하지 않습니다.")
                            else:
                                print(f"[메시지 저장] 중복 메시지로 인해 저장을 건너뜁니다.")
                            
                            # AI 응답 저장 (토큰 정보 포함)
                            # 토큰 정보 설정 (Gemini 또는 Ollama)
                            input_tokens = gemini_input_tokens if is_gemini else ollama_input_tokens
                            output_tokens = gemini_output_tokens if is_gemini else ollama_output_tokens
                            model_used = gemini_model_used if is_gemini else ollama_model_used
                            
                            ai_msg = ChatMessage(
                                session_id=session_id,
                                role='ai',
                                content=response_text,
                                input_tokens=input_tokens,
                                output_tokens=output_tokens,
                                model_name=model_used
                            )
                            db.session.add(ai_msg)
                            
                            if input_tokens or output_tokens:
                                print(f"[메시지 저장] AI 메시지 저장 (모델: {model_used}, 입력 토큰: {input_tokens}, 출력 토큰: {output_tokens})")
                            
                            # 세션 모델 정보 업데이트 (첫 메시지인 경우 또는 변경된 경우)
                            if not session.analysis_model or session.analysis_model != analysis_model:
                                session.analysis_model = analysis_model
                            if not session.answer_model or session.answer_model != answer_model:
                                session.answer_model = answer_model
                            # 하위 호환성을 위해 model_name도 업데이트
                            if not session.model_name:
                                session.model_name = answer_model or analysis_model
                            
                            session.updated_at = datetime.utcnow()
                            db.session.commit()
                            
                            # 세션 정보를 응답에 포함 (제목 업데이트 반영)
                            session_dict = session.to_dict()
                    except Exception as e:
                        print(f"메시지 저장 오류: {str(e)}")
                        db.session.rollback()
                        session_dict = None
                
                # 응답이 비어있으면 기본 메시지 사용
                if not response_text or not response_text.strip():
                    print(f"[채팅] 최종 응답이 비어있습니다. 기본 메시지를 사용합니다.")
                    response_text = '응답을 생성할 수 없었습니다. 다시 시도해주세요.'
                
                print(f"[채팅] 최종 응답 길이: {len(response_text)}자, 미리보기: {response_text[:100]}...")
                
                response_data = {'response': response_text, 'session_id': session_id}
                if session_dict:
                    response_data['session'] = session_dict
                
                return jsonify(response_data)
                    
            except requests.exceptions.ConnectionError as e:
                error_msg = f'Ollama 서버에 연결할 수 없습니다. Ollama가 실행 중인지 확인하세요. (URL: {OLLAMA_BASE_URL})'
                print(f"[채팅] Ollama 연결 오류: {str(e)}")
                return jsonify({'error': error_msg}), 503
            except requests.exceptions.Timeout:
                return jsonify({'error': '응답 시간이 초과되었습니다. 더 짧은 메시지를 시도해보세요.'}), 504
            except Exception as e:
                error_msg = f'Ollama 통신 중 오류가 발생했습니다: {str(e)}'
                print(f"[채팅] Ollama 통신 오류 상세: {str(e)}")
                import traceback
                traceback.print_exc()
                return jsonify({'error': error_msg}), 500
        else:
            # 모델이 선택되지 않은 경우 기본 응답
            response_text = f"안녕하세요! '{message}'에 대한 답변을 준비 중입니다.\n\n좌측 하단에서 로컬 AI 모델을 선택하면 더 정확한 답변을 제공할 수 있습니다."
            return jsonify({'response': response_text})
            
    except Exception as e:
        return jsonify({'error': f'채팅 처리 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/upload', methods=['POST'])
@login_required
def upload_file():
    """웹소설 파일 업로드"""
    import sys
    import traceback
    
    # 모든 출력을 즉시 플러시하여 로그가 바로 보이도록
    def log_print(*args, **kwargs):
        from datetime import datetime
        timestamp = datetime.now().strftime('%Y-%m-%d %H:%M:%S.%f')[:-3]
        print(f"[{timestamp}]", *args, **kwargs)
        sys.stdout.flush()
    
    try:
        log_print(f"\n{'='*60}")
        log_print(f"=== 파일 업로드 요청 시작 ===")
        log_print(f"요청 URL: {request.url}")
        log_print(f"요청 메서드: {request.method}")
        log_print(f"Content-Type: {request.content_type}")
        log_print(f"Content-Length: {request.content_length}")
        log_print(f"Remote Address: {request.remote_addr}")
        log_print(f"Headers: {dict(request.headers)}")
        log_print(f"Form 데이터 키: {list(request.form.keys())}")
        log_print(f"Files 키: {list(request.files.keys())}")
        log_print(f"사용자: {current_user.username if current_user and current_user.is_authenticated else 'None'}")
        log_print(f"사용자 인증 상태: {current_user.is_authenticated if current_user else False}")
        log_print(f"{'='*60}\n")
        
        # 업로드 폴더 확인 및 생성
        try:
            ensure_upload_folder()
            log_print(f"[1/8] 업로드 폴더 확인 완료: {UPLOAD_FOLDER}")
        except Exception as e:
            error_msg = f'업로드 폴더를 준비할 수 없습니다: {str(e)}'
            log_print(f"[ERROR] {error_msg}")
            traceback.print_exc()
            return jsonify({'error': error_msg, 'step': 'folder_check'}), 500
        
        if 'file' not in request.files:
            error_msg = '파일이 없습니다.'
            log_print(f"[ERROR] {error_msg}")
            log_print(f"사용 가능한 키: {list(request.files.keys())}")
            return jsonify({'error': error_msg, 'step': 'file_check'}), 400
        
        file = request.files['file']
        model_name = request.form.get('model_name', '').strip()
        parent_file_id = request.form.get('parent_file_id', None)  # 이어서 업로드할 경우 원본 파일 ID
        
        log_print(f"[2/8] 파일 수신: {file.filename if file else 'None'}")
        log_print(f"[2/8] 모델명: {model_name if model_name else 'None (비어있음)'}")
        log_print(f"[2/8] 이어서 업로드: {parent_file_id if parent_file_id else '아니오'}")
        
        if file.filename == '':
            error_msg = '파일명이 없습니다.'
            log_print(f"[ERROR] {error_msg}")
            return jsonify({'error': error_msg, 'step': 'filename_check'}), 400
        
        # 모델명 검증
        if not model_name:
            error_msg = 'AI 모델을 선택해주세요.'
            log_print(f"[ERROR] {error_msg}")
            return jsonify({'error': error_msg, 'step': 'model_check'}), 400
        
        # parent_file_id 검증 (이어서 업로드인 경우)
        parent_file = None
        if parent_file_id:
            try:
                parent_file_id = int(parent_file_id)
                parent_file = UploadedFile.query.filter_by(
                    id=parent_file_id,
                    uploaded_by=current_user.id
                ).first()
                
                if not parent_file:
                    error_msg = '원본 파일을 찾을 수 없습니다.'
                    log_print(f"[ERROR] {error_msg}")
                    return jsonify({'error': error_msg, 'step': 'parent_file_check'}), 404
                
                # 같은 모델인지 확인
                if parent_file.model_name != model_name:
                    error_msg = '같은 모델의 파일에만 이어서 업로드할 수 있습니다.'
                    log_print(f"[ERROR] {error_msg}")
                    return jsonify({'error': error_msg, 'step': 'model_mismatch'}), 400
                
                log_print(f"[이어서 업로드] 원본 파일: {parent_file.original_filename} (ID: {parent_file_id})")
            except (ValueError, TypeError):
                parent_file_id = None
                log_print(f"[경고] 잘못된 parent_file_id: {parent_file_id}")
        
        log_print(f"[3/8] 업로드 시도: {file.filename}, 모델: {model_name}")
        
        if not allowed_file(file.filename):
            error_msg = f'허용되지 않은 파일 형식입니다. 허용 형식: {", ".join(ALLOWED_EXTENSIONS)}'
            log_print(f"[ERROR] {error_msg}")
            return jsonify({'error': error_msg, 'step': 'file_type_check'}), 400
        
        log_print(f"[4/8] 파일 형식 확인 완료: {file.filename}")
        
        # 파일 크기 확인 (Content-Length 헤더 사용)
        file_size = 0
        try:
            # Content-Length 헤더 확인
            if request.content_length:
                file_size = request.content_length
                print(f"Content-Length로 파일 크기 확인: {file_size} bytes")
            else:
                # Content-Length가 없으면 파일 스트림에서 크기 확인 시도
                try:
                    # 파일 스트림의 현재 위치 저장
                    current_pos = file.tell()
                    # 파일 끝으로 이동
                    file.seek(0, os.SEEK_END)
                    file_size = file.tell()
                    # 원래 위치로 복원
                    file.seek(current_pos, os.SEEK_SET)
                    print(f"파일 스트림으로 크기 확인: {file_size} bytes")
                except (AttributeError, IOError, OSError) as e:
                    print(f"파일 크기 확인 실패 (저장 후 확인): {str(e)}")
                    file_size = 0  # 저장 후 확인하도록 0으로 설정
        except Exception as e:
            print(f"파일 크기 확인 오류: {str(e)}")
            file_size = 0  # 저장 후 확인하도록 0으로 설정
        
        # 파일 크기 사전 체크 (가능한 경우에만)
        if file_size > 0:
            if file_size > 100 * 1024 * 1024:  # 100MB
                print(f"파일 크기 초과: {file_size} bytes")
                return jsonify({'error': '파일 크기가 너무 큽니다. 최대 100MB까지 업로드 가능합니다.'}), 400
            if file_size == 0:
                print("빈 파일 업로드 시도")
                return jsonify({'error': '빈 파일은 업로드할 수 없습니다.'}), 400
        
        # 안전한 파일명 생성
        original_filename = file.filename
        filename = secure_filename(original_filename)
        if not filename:
            return jsonify({'error': '유효하지 않은 파일명입니다.'}), 400
        
        unique_filename = f"{uuid.uuid4().hex}_{filename}"
        file_path = os.path.join(UPLOAD_FOLDER, unique_filename)
        
        # 파일 저장
        try:
            log_print(f"[6/8] 파일 저장 시도: {file_path}")
            file.save(file_path)
            log_print(f"[6/8] 파일 저장 완료: {file_path}")
        except IOError as e:
            error_msg = f'파일 저장 중 오류가 발생했습니다: {str(e)}'
            log_print(f"[ERROR] 파일 저장 IOError: {error_msg}")
            traceback.print_exc()
            return jsonify({'error': error_msg, 'step': 'file_save'}), 500
        except PermissionError as e:
            error_msg = f'파일 저장 권한 오류: {str(e)}'
            log_print(f"[ERROR] 파일 저장 PermissionError: {error_msg}")
            traceback.print_exc()
            return jsonify({'error': error_msg, 'step': 'file_save_permission'}), 500
        except Exception as e:
            error_msg = f'파일 저장 실패: {str(e)}'
            log_print(f"[ERROR] 파일 저장 Exception: {error_msg}")
            traceback.print_exc()
            return jsonify({'error': error_msg, 'step': 'file_save'}), 500
        
        # 저장된 파일 크기 확인
        if not os.path.exists(file_path):
            error_msg = '파일이 저장되지 않았습니다.'
            print(f"파일 존재 확인 실패: {file_path}")
            return jsonify({'error': error_msg}), 500
        
        saved_file_size = os.path.getsize(file_path)
        if saved_file_size == 0:
            os.remove(file_path)  # 빈 파일 삭제
            error_msg = '파일이 제대로 저장되지 않았습니다.'
            print(f"빈 파일 삭제: {file_path}")
            return jsonify({'error': error_msg}), 500
        
        print(f"저장된 파일 크기: {saved_file_size} bytes")
        
        # 데이터베이스에 저장
        try:
            log_print(f"[7/8] 데이터베이스 저장 시도: {original_filename}")
            uploaded_file = UploadedFile(
                filename=unique_filename,
                original_filename=original_filename,
                file_path=file_path,
                file_size=saved_file_size,
                model_name=model_name,  # 이미 검증됨
                is_public=False,  # 기본값: 미공개
                uploaded_by=current_user.id,
                parent_file_id=parent_file_id if parent_file else None  # 이어서 업로드인 경우
            )
            db.session.add(uploaded_file)
            db.session.flush()  # ID를 얻기 위해 flush
            log_print(f"[7/8] 데이터베이스 flush 완료, 파일 ID: {uploaded_file.id}")
            
            # 파일 저장만 완료 (청크 생성은 별도 API로 처리)
            db.session.commit()
            log_print(f"[8/8] 데이터베이스 커밋 완료: {original_filename}")
            log_print(f"[8/8] 연결된 모델: {model_name}")
            log_print(f"{'='*60}")
            log_print(f"=== 파일 업로드 완료 (처리 대기 중) ===")
            log_print(f"{'='*60}\n")
            
            log_print(f"[8/8] 업로드 완료 - 파일: {original_filename}, 모델: {model_name}, 크기: {saved_file_size} bytes")
            log_print(f"[8/8] 다음 단계: Parent Chunk 생성, Chunk 생성, 회차 분석, Graph Extraction을 별도로 진행합니다.")
            
            # 회차 수 계산 (섹션 분할 결과 기반) - 파일 읽기 필요
            episode_count = 0
            if original_filename.lower().endswith(('.txt', '.md')):
                try:
                    encoding = 'utf-8'
                    try:
                        with open(file_path, 'r', encoding=encoding) as f:
                            content = f.read()
                    except UnicodeDecodeError:
                        with open(file_path, 'r', encoding='cp949') as f:
                            content = f.read()
                    
                    sections = split_content_by_episodes(content)
                    # '#작품설명'을 제외한 회차 수
                    episode_sections = [s for s in sections if s[0] != '작품설명']
                    episode_count = len(episode_sections)
                    log_print(f"[8/8] 회차 수 계산: {episode_count}개 회차")
                except Exception as e:
                    log_print(f"[8/8] 회차 수 계산 오류: {str(e)}")
                    episode_count = 0
            
            return jsonify({
                'message': f'파일이 성공적으로 업로드되었습니다. (모델: {model_name})',
                'file': uploaded_file.to_dict(),
                'model_name': model_name,
                'file_id': uploaded_file.id,
                'episode_count': episode_count,  # 회차 수 추가
                'needs_processing': original_filename.lower().endswith(('.txt', '.md'))  # 처리 필요 여부
            }), 200
            
        except Exception as e:
            db.session.rollback()
            error_msg = f'데이터베이스 저장 중 오류가 발생했습니다: {str(e)}'
            log_print(f"[ERROR] 데이터베이스 저장 오류: {error_msg}")
            traceback.print_exc()
            # 데이터베이스 저장 실패 시 파일도 삭제
            if 'file_path' in locals() and os.path.exists(file_path):
                try:
                    os.remove(file_path)
                    log_print(f"오류로 인한 파일 삭제: {file_path}")
                except Exception as del_e:
                    log_print(f"파일 삭제 실패: {str(del_e)}")
            return jsonify({'error': error_msg, 'step': 'database_save'}), 500
        
    except Exception as e:
        db.session.rollback()
        error_msg = str(e)
        error_type = type(e).__name__
        log_print(f"\n{'='*60}")
        log_print(f"=== 업로드 처리 중 예외 발생 ===")
        log_print(f"예외 타입: {error_type}")
        log_print(f"에러 메시지: {error_msg}")
        traceback.print_exc()
        log_print(f"{'='*60}\n")
        # 파일 크기 초과 오류 처리
        if '413' in error_msg or 'Request Entity Too Large' in error_msg or error_type == 'RequestEntityTooLarge':
            return jsonify({'error': '파일 크기가 너무 큽니다. 최대 100MB까지 업로드 가능합니다.', 'step': 'file_size'}), 413
        return jsonify({'error': f'파일 업로드 중 오류가 발생했습니다: {error_type}: {error_msg}', 'step': 'exception'}), 500

@main_bp.route('/api/files', methods=['GET'])
@login_required
def get_files():
    """업로드된 파일 목록 조회"""
    try:
        model_name = request.args.get('model_name', None)
        public_only = request.args.get('public_only', 'false').lower() == 'true'  # 공개 파일만 조회 옵션
        
        # 원본 파일만 조회 (parent_file_id가 None인 파일)
        # 관리자가 아닌 경우 공개 파일만 조회, 관리자는 모든 파일 조회 가능
        if public_only or (not current_user.is_admin):
            query = UploadedFile.query.filter_by(parent_file_id=None, is_public=True)
            print(f"[파일 조회] 공개 파일만 조회 (사용자: {current_user.username}, 관리자: {current_user.is_admin})")
        else:
            query = UploadedFile.query.filter_by(parent_file_id=None)
            print(f"[파일 조회] 모든 파일 조회 (사용자: {current_user.username}, 관리자: {current_user.is_admin})")
        
        # 모델 필터링 전 전체 파일 수 확인
        total_before_filter = query.count()
        print(f"[파일 조회] 필터링 전 파일 수: {total_before_filter}개")
        
        if model_name:
            query = query.filter_by(model_name=model_name)
            print(f"[파일 조회] 모델 '{model_name}' 필터링")
        
        files = query.order_by(UploadedFile.uploaded_at.desc()).all()
        
        # 필터링 후 파일 수와 모델명 확인
        print(f"[파일 조회] 필터링 후 파일 수: {len(files)}개")
        if len(files) > 0:
            print(f"[파일 조회] 첫 번째 파일 모델명: {files[0].model_name}")
        else:
            # 필터링 결과가 없을 때 실제 존재하는 모델명 확인
            all_files = UploadedFile.query.filter_by(parent_file_id=None).all()
            unique_models = set(f.model_name for f in all_files if f.model_name)
            print(f"[파일 조회] 데이터베이스에 존재하는 모델명 목록: {list(unique_models)}")
        
        # 각 원본 파일에 대해 이어서 업로드된 파일도 포함
        files_with_children = []
        for file in files:
            file_dict = file.to_dict()
            # 청크 개수 추가
            chunk_count = DocumentChunk.query.filter_by(file_id=file.id).count()
            file_dict['chunk_count'] = chunk_count
            
            # Parent Chunk 존재 여부 확인
            has_parent_chunk = ParentChunk.query.filter_by(file_id=file.id).first() is not None
            file_dict['has_parent_chunk'] = has_parent_chunk
            
            # 이어서 업로드된 파일들도 조회
            child_files = UploadedFile.query.filter_by(parent_file_id=file.id).order_by(UploadedFile.uploaded_at.asc()).all()
            child_files_dict = []
            for child in child_files:
                child_dict = child.to_dict()
                child_chunk_count = DocumentChunk.query.filter_by(file_id=child.id).count()
                child_dict['chunk_count'] = child_chunk_count
                # Child 파일도 Parent Chunk 확인
                child_has_parent_chunk = ParentChunk.query.filter_by(file_id=child.id).first() is not None
                child_dict['has_parent_chunk'] = child_has_parent_chunk
                child_files_dict.append(child_dict)
            file_dict['child_files'] = child_files_dict
            files_with_children.append(file_dict)
        
        # 모델별 통계 정보 추가 (원본 파일만 카운트, 공개 파일만)
        model_stats = {}
        if not model_name:
            # 모든 모델의 통계 (원본 파일만, 공개 파일만)
            if public_only or (not current_user.is_admin):
                all_files = UploadedFile.query.filter_by(parent_file_id=None, is_public=True).all()
            else:
                all_files = UploadedFile.query.filter_by(parent_file_id=None).all()
            for file in all_files:
                model = file.model_name or '미지정'
                if model not in model_stats:
                    model_stats[model] = {'count': 0, 'total_size': 0}
                model_stats[model]['count'] += 1
                model_stats[model]['total_size'] += file.file_size
        else:
            # 특정 모델의 통계
            model_stats[model_name] = {
                'count': len(files),
                'total_size': sum(f.file_size for f in files)
            }
        
        print(f"[파일 조회] 조회된 원본 파일 수: {len(files)}개")
        
        return jsonify({
            'files': files_with_children,
            'model_stats': model_stats,
            'filtered_model': model_name
        }), 200
        
    except Exception as e:
        return jsonify({'error': f'파일 목록 조회 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/files/<int:file_id>/chunks', methods=['GET'])
@login_required
def get_file_chunks(file_id):
    """파일의 청크 정보 조회 (학습 상태 확인용)"""
    try:
        file = UploadedFile.query.filter_by(id=file_id, uploaded_by=current_user.id).first()
        if not file:
            return jsonify({'error': '파일을 찾을 수 없습니다.'}), 404
        
        chunks = DocumentChunk.query.filter_by(file_id=file_id).order_by(DocumentChunk.chunk_index.asc()).all()
        total_chunks = len(chunks)
        
        # 샘플 청크 (처음 3개)
        sample_chunks = []
        for chunk in chunks[:3]:
            sample_chunks.append({
                'index': chunk.chunk_index,
                'content_preview': chunk.content[:100] + '...' if len(chunk.content) > 100 else chunk.content,
                'content_length': len(chunk.content)
            })
        
        return jsonify({
            'file_id': file_id,
            'filename': file.original_filename,
            'model_name': file.model_name,
            'total_chunks': total_chunks,
            'sample_chunks': sample_chunks,
            'learning_status': 'ready' if total_chunks > 0 else 'not_ready',
            'message': f'{total_chunks}개 청크가 저장되어 RAG 검색에 사용 가능합니다.' if total_chunks > 0 else '청크가 생성되지 않아 RAG 검색이 불가능합니다.'
        }), 200
        
    except Exception as e:
        return jsonify({'error': f'청크 정보 조회 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/files/<int:file_id>/chunks/all', methods=['GET'])
@login_required
def get_all_file_chunks(file_id):
    """파일의 모든 청크 목록과 내용 조회 (관리자용)"""
    try:
        # 관리자는 모든 파일 조회 가능
        if current_user.is_admin:
            file = UploadedFile.query.get(file_id)
        else:
            file = UploadedFile.query.filter_by(id=file_id, uploaded_by=current_user.id).first()
        
        if not file:
            return jsonify({'error': '파일을 찾을 수 없습니다.'}), 404
        
        chunks = DocumentChunk.query.filter_by(file_id=file_id).order_by(DocumentChunk.chunk_index.asc()).all()
        
        chunks_data = []
        for chunk in chunks:
            chunk_dict = {
                'id': chunk.id,
                'chunk_index': chunk.chunk_index,
                'content': chunk.content,
                'content_length': len(chunk.content),
                'created_at': chunk.created_at.isoformat() if chunk.created_at else None
            }
            
            # 메타데이터 파싱
            if chunk.chunk_metadata:
                try:
                    metadata = json.loads(chunk.chunk_metadata)
                    chunk_dict['metadata'] = metadata
                except:
                    chunk_dict['metadata'] = None
            else:
                chunk_dict['metadata'] = None
            
            chunks_data.append(chunk_dict)
        
        return jsonify({
            'file_id': file_id,
            'filename': file.original_filename,
            'model_name': file.model_name,
            'total_chunks': len(chunks_data),
            'chunks': chunks_data
        }), 200
        
    except Exception as e:
        return jsonify({'error': f'청크 목록 조회 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/files/<int:file_id>/summary', methods=['GET'])
@login_required
def get_file_summary(file_id):
    """파일의 요약 내용 조회 (Parent Chunk + Episode Analysis)"""
    try:
        print(f"[요약 조회] 파일 ID {file_id} 요약 내용 조회 요청 (사용자: {current_user.username})")
        
        # 모든 사용자가 모든 파일 조회 가능 (관리자 페이지와 동일)
        file = UploadedFile.query.get(file_id)
        
        if not file:
            print(f"[요약 조회] 파일을 찾을 수 없음: 파일 ID {file_id}")
            # 디버깅: 전체 파일 목록 확인
            all_files = UploadedFile.query.all()
            print(f"[요약 조회] 데이터베이스에 존재하는 파일 ID 목록: {[f.id for f in all_files]}")
            return jsonify({'error': f'파일을 찾을 수 없습니다. (파일 ID: {file_id})'}), 404
        
        parent_chunk = ParentChunk.query.filter_by(file_id=file_id).first()
        episode_analysis = EpisodeAnalysis.query.filter_by(file_id=file_id).first()
        
        return jsonify({
            'file_id': file_id,
            'filename': file.original_filename,
            'parent_chunk': parent_chunk.to_dict() if parent_chunk else None,
            'episode_analysis': episode_analysis.to_dict() if episode_analysis else None,
            'has_parent_chunk': parent_chunk is not None,
            'has_episode_analysis': episode_analysis is not None
        }), 200
        
    except Exception as e:
        return jsonify({'error': f'요약 내용 조회 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/files/<int:file_id>/graph', methods=['GET'])
@login_required
def get_file_graph(file_id):
    """파일의 GraphRAG 데이터 조회 (엔티티, 관계, 사건)"""
    try:
        print(f"[GraphRAG 조회] 파일 ID {file_id} GraphRAG 데이터 조회 요청 (사용자: {current_user.username})")
        
        file = UploadedFile.query.get(file_id)
        
        if not file:
            print(f"[GraphRAG 조회] 파일을 찾을 수 없음: 파일 ID {file_id}")
            return jsonify({'error': f'파일을 찾을 수 없습니다. (파일 ID: {file_id})'}), 404
        
        # 엔티티 조회 (회차별로 그룹화)
        entities = GraphEntity.query.filter_by(file_id=file_id).all()
        entities_by_episode = {}
        for entity in entities:
            episode = entity.episode_title
            if episode not in entities_by_episode:
                entities_by_episode[episode] = {'characters': [], 'locations': []}
            
            if entity.entity_type == 'character':
                entities_by_episode[episode]['characters'].append(entity.to_dict())
            elif entity.entity_type == 'location':
                entities_by_episode[episode]['locations'].append(entity.to_dict())
        
        # 관계 조회 (회차별로 그룹화)
        relationships = GraphRelationship.query.filter_by(file_id=file_id).all()
        relationships_by_episode = {}
        for rel in relationships:
            episode = rel.episode_title
            if episode not in relationships_by_episode:
                relationships_by_episode[episode] = []
            relationships_by_episode[episode].append(rel.to_dict())
        
        # 사건 조회 (회차별로 그룹화)
        events = GraphEvent.query.filter_by(file_id=file_id).all()
        events_by_episode = {}
        for event in events:
            episode = event.episode_title
            if episode not in events_by_episode:
                events_by_episode[episode] = []
            events_by_episode[episode].append(event.to_dict())
        
        # 통계 정보
        total_entities = len(entities)
        total_relationships = len(relationships)
        total_events = len(events)
        episodes = list(set([e.episode_title for e in entities] + 
                           [r.episode_title for r in relationships] + 
                           [ev.episode_title for ev in events]))
        
        return jsonify({
            'file_id': file_id,
            'filename': file.original_filename,
            'statistics': {
                'total_entities': total_entities,
                'total_relationships': total_relationships,
                'total_events': total_events,
                'episodes_count': len(episodes)
            },
            'entities_by_episode': entities_by_episode,
            'relationships_by_episode': relationships_by_episode,
            'events_by_episode': events_by_episode,
            'episodes': sorted(episodes)
        }), 200
        
    except Exception as e:
        print(f"[GraphRAG 조회] 오류: {str(e)}")
        import traceback
        traceback.print_exc()
        return jsonify({'error': f'GraphRAG 데이터 조회 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/files/<int:file_id>/parent-chunk', methods=['GET'])
@login_required
def get_file_parent_chunk(file_id):
    """파일의 Parent Chunk 조회"""
    try:
        file = UploadedFile.query.filter_by(id=file_id, uploaded_by=current_user.id).first()
        if not file:
            return jsonify({'error': '파일을 찾을 수 없습니다.'}), 404
        
        parent_chunk = ParentChunk.query.filter_by(file_id=file_id).first()
        
        if not parent_chunk:
            return jsonify({
                'file_id': file_id,
                'filename': file.original_filename,
                'has_parent_chunk': False,
                'message': 'Parent Chunk가 생성되지 않았습니다.'
            }), 200
        
        return jsonify({
            'file_id': file_id,
            'filename': file.original_filename,
            'has_parent_chunk': True,
            'parent_chunk': parent_chunk.to_dict(),
            'message': 'Parent Chunk가 존재합니다.'
        }), 200
        
    except Exception as e:
        return jsonify({'error': f'Parent Chunk 조회 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/files/<int:file_id>/parent-chunk', methods=['POST'])
@login_required
def create_file_parent_chunk(file_id):
    """파일의 Parent Chunk 수동 생성 (재생성)"""
    try:
        file = UploadedFile.query.filter_by(id=file_id, uploaded_by=current_user.id).first()
        if not file:
            return jsonify({'error': '파일을 찾을 수 없습니다.'}), 404
        
        # 모델명 확인
        if not file.model_name:
            return jsonify({'error': '파일에 연결된 AI 모델이 없습니다. Parent Chunk를 생성할 수 없습니다.'}), 400
        
        # 파일이 텍스트 파일인지 확인
        if not file.original_filename.lower().endswith(('.txt', '.md')):
            return jsonify({'error': 'Parent Chunk는 텍스트 파일(.txt, .md)에만 생성할 수 있습니다.'}), 400
        
        # 파일 경로 확인
        if not file.file_path or not os.path.exists(file.file_path):
            error_msg = f'파일 경로가 유효하지 않습니다: {file.file_path}'
            print(f"[Parent Chunk 생성] ❌ 오류: {error_msg}")
            return jsonify({'error': error_msg}), 500
        
        # 파일 내용 읽기
        try:
            encoding = 'utf-8'
            try:
                with open(file.file_path, 'r', encoding=encoding) as f:
                    content = f.read()
            except UnicodeDecodeError:
                with open(file.file_path, 'r', encoding='cp949') as f:
                    content = f.read()
        except FileNotFoundError:
            error_msg = f'파일을 찾을 수 없습니다: {file.file_path}'
            print(f"[Parent Chunk 생성] ❌ 오류: {error_msg}")
            return jsonify({'error': error_msg}), 500
        except PermissionError:
            error_msg = f'파일 읽기 권한이 없습니다: {file.file_path}'
            print(f"[Parent Chunk 생성] ❌ 오류: {error_msg}")
            return jsonify({'error': error_msg}), 500
        except Exception as e:
            error_msg = f'파일을 읽을 수 없습니다: {str(e)}'
            print(f"[Parent Chunk 생성] ❌ 오류: {error_msg}")
            import traceback
            traceback.print_exc()
            return jsonify({'error': error_msg}), 500
        
        if not content or len(content.strip()) == 0:
            return jsonify({'error': '파일 내용이 비어있습니다.'}), 400
        
        # Parent Chunk 생성
        print(f"[Parent Chunk 수동 생성] 파일 ID {file_id}에 대한 Parent Chunk 생성 시작")
        print(f"[Parent Chunk 수동 생성] 모델명: {file.model_name}")
        print(f"[Parent Chunk 수동 생성] 파일명: {file.original_filename}")
        
        parent_chunk = create_parent_chunk_with_ai(file_id, content, file.model_name)
        
        if parent_chunk:
            return jsonify({
                'file_id': file_id,
                'filename': file.original_filename,
                'has_parent_chunk': True,
                'parent_chunk': parent_chunk.to_dict(),
                'message': 'Parent Chunk가 성공적으로 생성되었습니다.'
            }), 200
        else:
            return jsonify({
                'error': 'Parent Chunk 생성에 실패했습니다. 서버 로그를 확인하세요.',
                'file_id': file_id,
                'filename': file.original_filename
            }), 500
        
    except Exception as e:
        import traceback
        error_traceback = traceback.format_exc()
        error_msg = str(e)
        print(f"[Parent Chunk 생성] ❌ 예외 발생: {error_msg}")
        print(f"[Parent Chunk 생성] Traceback:\n{error_traceback}")
        return jsonify({
            'error': f'Parent Chunk 생성 중 오류가 발생했습니다: {error_msg}',
            'file_id': file_id
        }), 500

@main_bp.route('/api/files/<int:file_id>/process/parent-chunk', methods=['POST'])
@login_required
def process_parent_chunk(file_id):
    """단계 1: Parent Chunk 생성"""
    return create_file_parent_chunk(file_id)

@main_bp.route('/api/files/<int:file_id>/process/chunks', methods=['POST'])
@login_required
def process_chunks(file_id):
    """단계 2: Chunk 생성 (회차 분석, Graph Extraction 제외)"""
    try:
        file = UploadedFile.query.filter_by(id=file_id, uploaded_by=current_user.id).first()
        if not file:
            return jsonify({'error': '파일을 찾을 수 없습니다.'}), 404
        
        if not file.original_filename.lower().endswith(('.txt', '.md')):
            return jsonify({'error': 'Chunk는 텍스트 파일(.txt, .md)에만 생성할 수 있습니다.'}), 400
        
        # 파일 내용 읽기
        try:
            encoding = 'utf-8'
            try:
                with open(file.file_path, 'r', encoding=encoding) as f:
                    content = f.read()
            except UnicodeDecodeError:
                with open(file.file_path, 'r', encoding='cp949') as f:
                    content = f.read()
        except Exception as e:
            return jsonify({'error': f'파일을 읽을 수 없습니다: {str(e)}'}), 500
        
        print(f"[단계 2: Chunk 생성] 파일 ID {file_id}에 대한 Chunk 생성 시작")
        chunk_count = create_chunks_for_file(file_id, content, skip_episode_analysis=True, skip_graph_extraction=True)
        
        return jsonify({
            'file_id': file_id,
            'filename': file.original_filename,
            'chunk_count': chunk_count,
            'message': f'Chunk {chunk_count}개가 성공적으로 생성되었습니다.',
            'step': 'chunks',
            'completed': True
        }), 200
        
    except Exception as e:
        return jsonify({'error': f'Chunk 생성 중 오류가 발생했습니다: {str(e)}', 'step': 'chunks'}), 500

@main_bp.route('/api/files/<int:file_id>/process/episode-analysis', methods=['POST'])
@login_required
def process_episode_analysis(file_id):
    """단계 3: 회차 분석"""
    try:
        file = UploadedFile.query.filter_by(id=file_id, uploaded_by=current_user.id).first()
        if not file:
            return jsonify({'error': '파일을 찾을 수 없습니다.'}), 404
        
        if not file.model_name:
            return jsonify({'error': '파일에 연결된 AI 모델이 없습니다.'}), 400
        
        if not file.original_filename.lower().endswith(('.txt', '.md')):
            return jsonify({'error': '회차 분석은 텍스트 파일(.txt, .md)에만 가능합니다.'}), 400
        
        # 파일 내용 읽기
        try:
            encoding = 'utf-8'
            try:
                with open(file.file_path, 'r', encoding=encoding) as f:
                    content = f.read()
            except UnicodeDecodeError:
                with open(file.file_path, 'r', encoding='cp949') as f:
                    content = f.read()
        except Exception as e:
            return jsonify({'error': f'파일을 읽을 수 없습니다: {str(e)}'}), 500
        
        # 섹션 분할
        sections = split_content_by_episodes(content)
        episode_sections = [s for s in sections if s[0] != '작품설명']
        
        if not episode_sections:
            return jsonify({'error': '분석할 회차가 없습니다.'}), 400
        
        # Parent Chunk 가져오기
        parent_chunk = None
        try:
            parent_chunk = ParentChunk.query.filter_by(file_id=file_id).first()
        except:
            pass
        
        # 기존 회차 분석 삭제
        existing_analyses = EpisodeAnalysis.query.filter_by(file_id=file_id).all()
        if existing_analyses:
            for analysis in existing_analyses:
                db.session.delete(analysis)
            db.session.commit()
        
        print(f"[단계 3: 회차 분석] 파일 ID {file_id}에 대한 회차 분석 시작 ({len(episode_sections)}개 회차)")
        
        # 각 회차 분석
        all_analyses = []
        for section_type, section_title, section_content, section_metadata in episode_sections:
            try:
                print(f"[단계 3: 회차 분석] '{section_title}' 분석 중...")
                analysis_result = analyze_episode(
                    episode_content=section_content,
                    episode_title=section_title,
                    full_content=content,
                    parent_chunk=parent_chunk,
                    model_name=file.model_name
                )
                
                if analysis_result:
                    all_analyses.append(f"\n\n{analysis_result}")
                    print(f"[단계 3: 회차 분석] '{section_title}' 분석 완료")
            except Exception as e:
                print(f"[단계 3: 회차 분석] '{section_title}' 분석 중 오류: {str(e)}")
                continue
        
        # 모든 회차 분석 결과를 하나의 텍스트로 저장
        if all_analyses:
            combined_analysis = "\n".join(all_analyses).strip()
            episode_analysis = EpisodeAnalysis(
                file_id=file_id,
                episode_title="전체 회차 통합 분석",
                analysis_content=combined_analysis
            )
            db.session.add(episode_analysis)
            db.session.commit()
            
            # 회차 분석 성공 후 Graph Extraction 자동 실행
            print(f"[단계 3: 회차 분석] Graph Extraction 자동 실행 시작...")
            graph_success_count = 0
            for section_type, section_title, section_content, section_metadata in episode_sections:
                try:
                    print(f"[단계 3: 회차 분석] '{section_title}' Graph Extraction 중...")
                    success = extract_graph_from_episode(
                        episode_content=section_content,
                        episode_title=section_title,
                        file_id=file_id,
                        full_content=content,
                        parent_chunk=parent_chunk,
                        model_name=file.model_name
                    )
                    if success:
                        graph_success_count += 1
                        print(f"[단계 3: 회차 분석] '{section_title}' Graph Extraction 완료")
                except Exception as e:
                    print(f"[단계 3: 회차 분석] '{section_title}' Graph Extraction 중 오류: {str(e)}")
                    continue
            
            print(f"[단계 3: 회차 분석] Graph Extraction 완료: {graph_success_count}/{len(episode_sections)}개 회차 성공")
            
            return jsonify({
                'file_id': file_id,
                'filename': file.original_filename,
                'episode_count': len(episode_sections),
                'graph_success_count': graph_success_count,
                'message': f'{len(episode_sections)}개 회차 분석이 완료되었습니다. (Graph Extraction: {graph_success_count}/{len(episode_sections)}개 성공)',
                'step': 'episode-analysis',
                'completed': True
            }), 200
        else:
            return jsonify({
                'error': '회차 분석 결과가 없습니다.',
                'step': 'episode-analysis',
                'completed': False
            }), 500
        
    except Exception as e:
        db.session.rollback()
        return jsonify({'error': f'회차 분석 중 오류가 발생했습니다: {str(e)}', 'step': 'episode-analysis'}), 500

@main_bp.route('/api/files/<int:file_id>/process/graph', methods=['POST'])
@login_required
def process_graph(file_id):
    """단계 4: Graph Extraction"""
    try:
        file = UploadedFile.query.filter_by(id=file_id, uploaded_by=current_user.id).first()
        if not file:
            return jsonify({'error': '파일을 찾을 수 없습니다.'}), 404
        
        if not file.model_name:
            return jsonify({'error': '파일에 연결된 AI 모델이 없습니다.'}), 400
        
        if not file.original_filename.lower().endswith(('.txt', '.md')):
            return jsonify({'error': 'Graph Extraction은 텍스트 파일(.txt, .md)에만 가능합니다.'}), 400
        
        # 파일 내용 읽기
        try:
            encoding = 'utf-8'
            try:
                with open(file.file_path, 'r', encoding=encoding) as f:
                    content = f.read()
            except UnicodeDecodeError:
                with open(file.file_path, 'r', encoding='cp949') as f:
                    content = f.read()
        except Exception as e:
            return jsonify({'error': f'파일을 읽을 수 없습니다: {str(e)}'}), 500
        
        # 섹션 분할
        sections = split_content_by_episodes(content)
        episode_sections = [s for s in sections if s[0] != '작품설명']
        
        if not episode_sections:
            return jsonify({'error': 'Graph Extraction할 회차가 없습니다.'}), 400
        
        # Parent Chunk 가져오기
        parent_chunk = None
        try:
            parent_chunk = ParentChunk.query.filter_by(file_id=file_id).first()
        except:
            pass
        
        print(f"[단계 4: Graph Extraction] 파일 ID {file_id}에 대한 Graph Extraction 시작 ({len(episode_sections)}개 회차)")
        
        # 각 회차 Graph Extraction
        success_count = 0
        for section_type, section_title, section_content, section_metadata in episode_sections:
            try:
                print(f"[단계 4: Graph Extraction] '{section_title}' Graph Extraction 중...")
                success = extract_graph_from_episode(
                    episode_content=section_content,
                    episode_title=section_title,
                    file_id=file_id,
                    full_content=content,
                    parent_chunk=parent_chunk,
                    model_name=file.model_name
                )
                if success:
                    success_count += 1
                    print(f"[단계 4: Graph Extraction] '{section_title}' Graph Extraction 완료")
            except Exception as e:
                print(f"[단계 4: Graph Extraction] '{section_title}' Graph Extraction 중 오류: {str(e)}")
                continue
        
        return jsonify({
            'file_id': file_id,
            'filename': file.original_filename,
            'episode_count': len(episode_sections),
            'success_count': success_count,
            'message': f'{success_count}/{len(episode_sections)}개 회차 Graph Extraction이 완료되었습니다.',
            'step': 'graph',
            'completed': True
        }), 200
        
    except Exception as e:
        return jsonify({'error': f'Graph Extraction 중 오류가 발생했습니다: {str(e)}', 'step': 'graph'}), 500

@main_bp.route('/api/files/<int:file_id>/metadata', methods=['POST'])
@login_required
def create_file_metadata(file_id):
    """파일의 모든 청크에 메타데이터 생성 (수동 생성)"""
    try:
        file = UploadedFile.query.get_or_404(file_id)
        
        # 권한 확인
        if not current_user.is_admin and file.uploaded_by != current_user.id:
            return jsonify({'error': '권한이 없습니다.'}), 403
        
        # 모델명 확인
        if not file.model_name:
            return jsonify({'error': '파일에 연결된 AI 모델이 없습니다. 메타데이터를 생성할 수 없습니다.'}), 400
        
        # 텍스트 파일만 가능
        if not file.original_filename.lower().endswith(('.txt', '.md')):
            return jsonify({'error': '메타데이터는 텍스트 파일(.txt, .md)에만 생성할 수 있습니다.'}), 400
        
        # 파일 내용 읽기
        encoding = 'utf-8'
        try:
            with open(file.file_path, 'r', encoding=encoding) as f:
                content = f.read()
        except UnicodeDecodeError:
            with open(file.file_path, 'r', encoding='cp949') as f:
                content = f.read()
        
        # 모든 청크 가져오기
        chunks = DocumentChunk.query.filter_by(file_id=file_id).order_by(DocumentChunk.chunk_index).all()
        
        if not chunks:
            return jsonify({'error': '청크가 없습니다. 먼저 파일을 업로드하세요.'}), 400
        
        print(f"[메타데이터 생성] 파일 ID {file_id}에 대한 메타데이터 생성 시작")
        print(f"[메타데이터 생성] 모델명: {file.model_name}")
        print(f"[메타데이터 생성] 파일명: {file.original_filename}")
        print(f"[메타데이터 생성] 청크 개수: {len(chunks)}개")
        
        # 각 청크에 메타데이터 생성
        success_count = 0
        fail_count = 0
        
        for chunk in chunks:
            try:
                # 기존 메타데이터 읽기
                existing_metadata = {}
                if chunk.chunk_metadata:
                    try:
                        existing_metadata = json.loads(chunk.chunk_metadata)
                    except:
                        existing_metadata = {}
                
                # 새 메타데이터 추출
                new_metadata = extract_chunk_metadata(
                    chunk_content=chunk.content,
                    full_content=content,  # 원본 웹소설 전체 내용 참조
                    chunk_index=chunk.chunk_index,
                    file_id=file_id,
                    model_name=file.model_name
                )
                
                # 기존 메타데이터와 새 메타데이터 병합 (새 메타데이터가 우선)
                # 기존 메타데이터의 모든 필드를 유지하되, 새로 추출한 필드로 업데이트
                # chapter 필드는 파일 업로드 시 추가된 회차 정보이므로 유지
                merged_metadata = existing_metadata.copy()
                
                for key, value in new_metadata.items():
                    if value is not None and value != []:
                        # 리스트인 경우 중복 제거 후 병합
                        if isinstance(value, list) and isinstance(merged_metadata.get(key), list):
                            merged_list = merged_metadata.get(key, []).copy()
                            for item in value:
                                if item not in merged_list:
                                    merged_list.append(item)
                            merged_metadata[key] = merged_list
                        else:
                            merged_metadata[key] = value
                
                # 메타데이터를 JSON 문자열로 변환
                metadata_json = json.dumps(merged_metadata, ensure_ascii=False) if merged_metadata else None
                
                # 청크에 메타데이터 저장
                chunk.chunk_metadata = metadata_json
                success_count += 1
                
                # 진행 상황 출력 (10개마다)
                if (success_count + fail_count) % 10 == 0:
                    print(f"[메타데이터 생성] 진행 중: {success_count + fail_count}/{len(chunks)}개 청크 처리 중...")
                    
            except Exception as e:
                print(f"[메타데이터 생성] 경고: 청크 {chunk.chunk_index} 메타데이터 생성 실패: {str(e)}")
                fail_count += 1
                continue
        
        # 데이터베이스 커밋
        db.session.commit()
        
        print(f"[메타데이터 생성] 완료: {success_count}개 성공, {fail_count}개 실패")
        
        return jsonify({
            'file_id': file_id,
            'filename': file.original_filename,
            'total_chunks': len(chunks),
            'success_count': success_count,
            'fail_count': fail_count,
            'message': f'메타데이터 생성이 완료되었습니다. (성공: {success_count}개, 실패: {fail_count}개)'
        }), 200
        
    except Exception as e:
        db.session.rollback()
        print(f"[메타데이터 생성] 오류: {str(e)}")
        import traceback
        traceback.print_exc()
        return jsonify({'error': f'메타데이터 생성 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/files/<int:file_id>', methods=['DELETE'])
@login_required
def delete_file(file_id):
    """업로드된 파일 삭제 (연관된 모든 파일도 함께 삭제)"""
    try:
        file = UploadedFile.query.get_or_404(file_id)
        
        # 원본 파일인 경우 (parent_file_id가 None인 경우)
        # 이어서 업로드된 모든 파일도 함께 삭제
        files_to_delete = []
        
        if file.parent_file_id is None:
            # 원본 파일이면, 이어서 업로드된 모든 파일도 찾아서 삭제
            child_files = UploadedFile.query.filter_by(parent_file_id=file_id).all()
            files_to_delete = [file] + child_files
            print(f"[파일 삭제] 원본 파일 삭제: {file.original_filename}, 연관 파일 {len(child_files)}개도 함께 삭제")
        else:
            # 이어서 업로드된 파일이면 원본 파일도 함께 삭제
            parent_file = UploadedFile.query.get(file.parent_file_id)
            if parent_file:
                # 원본 파일과 모든 연관 파일 삭제
                all_child_files = UploadedFile.query.filter_by(parent_file_id=file.parent_file_id).all()
                files_to_delete = [parent_file] + all_child_files
                print(f"[파일 삭제] 이어서 업로드된 파일 삭제: {file.original_filename}, 원본 및 연관 파일 {len(all_child_files)}개도 함께 삭제")
            else:
                files_to_delete = [file]
        
        deleted_count = 0
        deleted_files = []
        
        for file_to_delete in files_to_delete:
            try:
                # 파일 시스템에서 삭제
                if os.path.exists(file_to_delete.file_path):
                    os.remove(file_to_delete.file_path)
                    print(f"[파일 삭제] 파일 시스템에서 삭제: {file_to_delete.file_path}")
                
                # 관련 Child Chunk (DocumentChunk) 삭제
                child_chunk_count = DocumentChunk.query.filter_by(file_id=file_to_delete.id).count()
                if child_chunk_count > 0:
                    DocumentChunk.query.filter_by(file_id=file_to_delete.id).delete()
                    print(f"[파일 삭제] Child Chunk {child_chunk_count}개 삭제 완료")
                
                # 벡터 DB에서도 해당 파일의 청크 삭제
                try:
                    vector_db = get_vector_db()
                    vector_db.delete_chunks_by_file_id(file_to_delete.id)
                    print(f"[파일 삭제] 벡터 DB에서 청크 삭제 완료")
                except Exception as vector_e:
                    print(f"[파일 삭제] 벡터 DB 삭제 오류 (무시): {str(vector_e)}")
                
                # 관련 Parent Chunk 삭제
                parent_chunk = ParentChunk.query.filter_by(file_id=file_to_delete.id).first()
                if parent_chunk:
                    db.session.delete(parent_chunk)
                    print(f"[파일 삭제] Parent Chunk 삭제 완료")
                
                # 관련 EpisodeAnalysis 삭제
                episode_analysis_count = EpisodeAnalysis.query.filter_by(file_id=file_to_delete.id).count()
                if episode_analysis_count > 0:
                    EpisodeAnalysis.query.filter_by(file_id=file_to_delete.id).delete()
                    print(f"[파일 삭제] EpisodeAnalysis {episode_analysis_count}개 삭제 완료")
                
                # 관련 GraphRAG 데이터 삭제 (GraphEntity, GraphRelationship, GraphEvent)
                graph_entity_count = GraphEntity.query.filter_by(file_id=file_to_delete.id).count()
                if graph_entity_count > 0:
                    GraphEntity.query.filter_by(file_id=file_to_delete.id).delete()
                    print(f"[파일 삭제] GraphEntity {graph_entity_count}개 삭제 완료")
                
                graph_relationship_count = GraphRelationship.query.filter_by(file_id=file_to_delete.id).count()
                if graph_relationship_count > 0:
                    GraphRelationship.query.filter_by(file_id=file_to_delete.id).delete()
                    print(f"[파일 삭제] GraphRelationship {graph_relationship_count}개 삭제 완료")
                
                graph_event_count = GraphEvent.query.filter_by(file_id=file_to_delete.id).count()
                if graph_event_count > 0:
                    GraphEvent.query.filter_by(file_id=file_to_delete.id).delete()
                    print(f"[파일 삭제] GraphEvent {graph_event_count}개 삭제 완료")
                
                deleted_files.append(file_to_delete.original_filename)
                db.session.delete(file_to_delete)
                deleted_count += 1
                print(f"[파일 삭제] 데이터베이스에서 파일 삭제 완료: {file_to_delete.original_filename}")
            except Exception as e:
                print(f"[파일 삭제 오류] {file_to_delete.original_filename}: {str(e)}")
                import traceback
                traceback.print_exc()
        
        db.session.commit()
        
        message = f'파일이 성공적으로 삭제되었습니다.'
        if deleted_count > 1:
            message = f'파일 {deleted_count}개가 성공적으로 삭제되었습니다. (원본 및 연관 파일 포함)'
        
        return jsonify({
            'message': message,
            'deleted_count': deleted_count,
            'deleted_files': deleted_files
        }), 200
        
    except Exception as e:
        db.session.rollback()
        return jsonify({'error': f'파일 삭제 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/files/<int:file_id>/public', methods=['PUT'])
@login_required
@admin_required
def toggle_file_public(file_id):
    """파일 공개 여부 변경 (관리자만 가능)"""
    try:
        file = UploadedFile.query.get_or_404(file_id)
        
        data = request.get_json()
        is_public = data.get('is_public', False)
        
        file.is_public = is_public
        db.session.commit()
        
        return jsonify({
            'message': f'파일이 {"공개" if is_public else "비공개"}로 설정되었습니다.',
            'file': file.to_dict()
        }), 200
        
    except Exception as e:
        db.session.rollback()
        return jsonify({'error': f'파일 공개 여부 변경 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/files/<int:file_id>/content', methods=['GET'])
@login_required
def get_file_content(file_id):
    """업로드된 파일 내용 조회"""
    try:
        file = UploadedFile.query.get_or_404(file_id)
        
        if not os.path.exists(file.file_path):
            return jsonify({'error': '파일을 찾을 수 없습니다.'}), 404
        
        # 텍스트 파일 읽기
        encoding = 'utf-8'
        try:
            with open(file.file_path, 'r', encoding=encoding) as f:
                content = f.read()
        except UnicodeDecodeError:
            # UTF-8로 읽을 수 없으면 다른 인코딩 시도
            with open(file.file_path, 'r', encoding='cp949') as f:
                content = f.read()
        
        return jsonify({
            'content': content,
            'filename': file.original_filename
        }), 200
        
    except Exception as e:
        return jsonify({'error': f'파일 내용 조회 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/chat/sessions', methods=['GET'])
@login_required
def get_chat_sessions():
    """사용자의 대화 세션 목록 조회 (최근 20개만 표시)"""
    try:
        sessions = ChatSession.query.filter_by(user_id=current_user.id)\
            .order_by(ChatSession.updated_at.desc())\
            .limit(20).all()
        
        return jsonify({
            'sessions': [session.to_dict() for session in sessions]
        }), 200
        
    except Exception as e:
        return jsonify({'error': f'대화 세션 조회 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/chat/sessions', methods=['POST'])
@login_required
def create_chat_session():
    """새 대화 세션 생성"""
    try:
        data = request.json
        title = data.get('title', '새 대화')
        model_name = data.get('model_name', None)  # 하위 호환성
        analysis_model = data.get('analysis_model', None)
        answer_model = data.get('answer_model', None)
        
        session = ChatSession(
            user_id=current_user.id,
            title=title,
            model_name=model_name,  # 하위 호환성
            analysis_model=analysis_model,
            answer_model=answer_model
        )
        db.session.add(session)
        db.session.commit()
        
        return jsonify({
            'message': '대화 세션이 생성되었습니다.',
            'session': session.to_dict()
        }), 200
        
    except Exception as e:
        db.session.rollback()
        return jsonify({'error': f'대화 세션 생성 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/chat/sessions/<int:session_id>', methods=['GET'])
@login_required
def get_chat_session(session_id):
    """대화 세션 상세 조회 (메시지 포함)"""
    try:
        session = ChatSession.query.filter_by(
            id=session_id,
            user_id=current_user.id
        ).first_or_404()
        
        session_dict = session.to_dict()
        session_dict['messages'] = [msg.to_dict() for msg in session.messages]
        
        return jsonify({'session': session_dict}), 200
        
    except Exception as e:
        return jsonify({'error': f'대화 세션 조회 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/chat/sessions/<int:session_id>', methods=['PUT'])
@login_required
def update_chat_session(session_id):
    """대화 세션 수정 (제목 등)"""
    try:
        session = ChatSession.query.filter_by(
            id=session_id,
            user_id=current_user.id
        ).first_or_404()
        
        data = request.json
        if 'title' in data:
            session.title = data['title']
        
        session.updated_at = datetime.utcnow()
        db.session.commit()
        
        return jsonify({
            'message': '대화 세션이 수정되었습니다.',
            'session': session.to_dict()
        }), 200
        
    except Exception as e:
        db.session.rollback()
        return jsonify({'error': f'대화 세션 수정 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/chat/sessions/<int:session_id>', methods=['DELETE'])
@login_required
def delete_chat_session(session_id):
    """대화 세션 삭제"""
    try:
        session = ChatSession.query.filter_by(
            id=session_id,
            user_id=current_user.id
        ).first_or_404()
        
        db.session.delete(session)
        db.session.commit()
        
        return jsonify({'message': '대화 세션이 삭제되었습니다.'}), 200
        
    except Exception as e:
        db.session.rollback()
        return jsonify({'error': f'대화 세션 삭제 중 오류가 발생했습니다: {str(e)}'}), 500

@main_bp.route('/api/chat/sessions/<int:session_id>/messages', methods=['POST'])
@login_required
def add_chat_message(session_id):
    """대화 메시지 추가"""
    try:
        session = ChatSession.query.filter_by(
            id=session_id,
            user_id=current_user.id
        ).first_or_404()
        
        data = request.json
        role = data.get('role', 'user')
        content = data.get('content', '')
        
        if not content:
            return jsonify({'error': '메시지 내용이 필요합니다.'}), 400
        
        message = ChatMessage(
            session_id=session_id,
            role=role,
            content=content
        )
        db.session.add(message)
        
        # 세션 제목 업데이트 (첫 사용자 메시지인 경우)
        if not session.title or session.title == '새 대화':
            if role == 'user':
                title = content[:30] + '...' if len(content) > 30 else content
                session.title = title
        
        session.updated_at = datetime.utcnow()
        db.session.commit()
        
        return jsonify({
            'message': '메시지가 추가되었습니다.',
            'chat_message': message.to_dict()
        }), 200
        
    except Exception as e:
        db.session.rollback()
        return jsonify({'error': f'메시지 추가 중 오류가 발생했습니다: {str(e)}'}), 500