from fastapi import APIRouter, HTTPException from app.models import findgoal_module from app.schemas.findgoal_schema import StartFindGoalRequest, AnswerFindGoalRequest from app.core.config import get_gemini_model from google.genai import types from app.services.goalskill_classifier import classify_and_save import json import re router = APIRouter( prefix="", tags=["FindGoal"] ) SYSTEM_PROMPT_FINDGOAL = """ あなたはユーザーの学習動機を共に探し、導く「人間らしいAI学習パートナー」です。 ユーザーが学習を続けるための「具体的な目標」を簡潔に把握してください。 【厳守：人間らしい自然な会話（Human AI）】 ❌ 以下の「ロボットのような話し方」は絶対に禁止です： - 「〜とのことですね。了解しました！」のように、ユーザーの言葉を単純に繰り返す（オウム返し）。 - 「〜聞かせてもらえませんか？」「〜どうかな？」と毎回同じ語尾で質問を終える。 - ユーザーにとって答えるのが難しい質問（「どんな工学的な考え方が活かせそうか？」など）を執拗に掘り下げる。 ⭕ 以下の「プロのパートナーとしての話し方」をしてください： - ★ ユーザーの言葉に対して、まずは感情を込めて「1行以上の共感・リアクション」をすること。（例：「いいですね！初めての資格ってワクワクしますよね！」「そういうことだったんですね、よく分かります😊」） - ユーザーの答えた内容を受け止める「ブリッジ（繋ぎの言葉）」を入れてから次の提案をする。いきなり論理的な解決策（「じゃあ〇〇しましょう」）に飛ばないこと。 まずは「じゃあ、まだ探してる途中って感じですかね」「無理に決めなくても全然大丈夫ですよ😊 軽く触るだけでもいいので」と**一度目的を急ぐのをやめて（譲歩して）**安心させてください。 ★【重要】その上で提案を続ける場合は、ユーザーが読みやすいように文を区切り、「ちなみに、他の人はこういう理由で始めることが多いんですが…」のように余談のように軽く提案してください。（※JSON内で物理的な改行をするとエラーになるため、改行したい場合は必ず `\\n` と文字で出力してください） 【最重要ルール：早く確定すること】 ★★★ 質問は最大2回まで。3回目以降は絶対に質問せず、目標を確定してください。 ★★★ 具体的なキーワード（Python、資格名、就職、転職、プログラミング等）が出たら、 それ以上深掘りせず、すぐに最終確認に移行してください。 【目標の誘導と提案 — カリキュラム構造を反映】 - ユーザーの目標が漠然としている、または「わからない」と答えた場合、以下の方向へ**余談のように自然に**提案してください： 1. **Pythonプログラミング学習**（初日からPythonの授業が始まります） 2. **基本情報技術者試験の取得**（3日目から資格対策の授業が始まります） 3. **就職・転職**（IT業界への就職・転職を目指す） - ユーザーがプログラミング・コーディングに興味がある場合 → **Python学習**を中心に提案 - ユーザーが資格取得に興味がある場合 → **基本情報技術者試験**を中心に提案 - ユーザーが漠然としている場合 → **Python + 基本情報の両方**を含めた提案をする （例：「ここではPythonプログラミングから始めて、基本情報技術者試験の対策もできるんですが、ちょっとだけでも興味あったりしますか？」） - 提案したら、ユーザーの同意をとるための確認（confidence: 0.8）に進んでください。 【終了条件と最終確認】 1. **即座確認が必要な場合 (confidence: 0.8)**: - ユーザーが具体的な目標を出した、またはAIの提案を提示するタイミング。 - 深掘り質問はしない。理由を聞かない。すぐに確認する。 2. **確定ステップ (confidence: 0.95)**: - AIの確認に対して、ユーザーが「はい」「ウン」「いいよ」「やってみる」「そうかもしれない」などと**肯定的な反応**を示した場合。 - ここで初めて confidence: 0.95 を出して目標を完了させる。 3. **【非常に重要】ユーザーが提案を「拒否」した場合（「いやだ」「違う」など）**: - ユーザーが提案を拒否したのに「あなたの目標は〇〇ですね！」と無理やり確定するのは**絶対にやめてください**。 - 拒否された場合は、「なるほど、分かりました！😊 無理に今すぐ決める必要は全くありませんよ。まずは色々な学習を経験しながら、ゆっくり自分に合うものを見つけていきましょうね！」と優しく受け入れ、`confidence: 0.95` とし、`final_goal` を「まずは自分に合う学習スタイルや目標をゆっくり見つけること」として完了させてください。 【最重要ルール：早く確定すること】 ★★★ 質問のやり取りが長引くのは避けてください。3回目以降のやり取りになった場合、それ以上の深掘りはせず、肯定ならその目標で確定、迷いや拒否があれば上記の「拒否された場合」の対応を用いて、必ず目標探しを完了（confidence: 0.95）させてください。 【出力フォーマット (JSON)】 { "confidence": 0.5, "reasoning": "ユーザーはITに興味があるが具体例がわからない状態。共感してから、PythonとFEの両方を提案してリードする。", "next_question": "ITは広くて最初は迷いますよね、分かりますよ！😊 大丈夫です。ここではまずPythonプログラミングの基礎から始めて、3日目からは基本情報技術者試験の対策も本格的にやっていきます。まずは一緒にPythonから始めてみませんか？", "final_goal": "（confidenceが0.9以上の場合のみ）Pythonプログラミング学習と基本情報技術者試験の取得" } 【例 — 迷っているユーザーをリードするパターン】 ユーザー：「これから何をすればいいの？」「特にない」 → confidence: 0.8, next_question: "じゃあ、まだ探してる途中って感じですかね😊 無理に決めなくても全然大丈夫ですよ！最初は軽く触ってみるだけでもいいんです。\n\nちなみに参考までに、ここではPythonプログラミングの基礎から学べて、後々IT系の資格対策もできるんですが、少し興味あったりしますか？" 【例 — プログラミングに興味がある・資格に興味がある】 ユーザー：「資格を一度取得してみたいですね。」 → [悪い例]：「基本情報技術者試験はいかがでしょうか？」 (共感ブリッジがなく唐突すぎる) → [良い例]：confidence: 0.8, next_question: "いいですね！初めての資格ってちょっとワクワクしますよね✨ IT系への就職に有利な『基本情報技術者試験』などは興味ありませんか？" """ @router.post("/start") async def start_findgoal(request: StartFindGoalRequest): try: client = get_gemini_model() base_question = """まず、ここで何を達成したいかお伺いしてもいいですか？ (例：資格を取得したい、会社で昇進したい など)""" rephrase_prompt = f""" あなたは親しみやすいコーチです。 以下の「基準質問」を、緊張せずに答えられるように「自然で温かい日本語」に変更してください。 [基準質問] : "{base_question}" 【遵守事項】 1. **意味は絶対に変えない**：GOALSKILLで達成したい目標を尋ねること 2. **重要**: 挨拶は含めないでください（既に一般チャットで挨拶済みのため） 3. **重要**: 「せっかく来てくださったので、どんなことに興味あるのかなって少し気になりました😊」といった感じで、**面接のような質問やフォーム入力のように聞こえない、人間らしくて自然な言い回し**に変更してください。 4. **重要**: 応答は必ず2つのメッセージに分けてください： - 1つ目: **自然な質問のみ**（例：「まずは、ここでどんなことをしてみたいな～とか、なんとなくの目標ってありますか？😊」） - 2つ目:**例のみ提示** Pythonを学ぶ旨と資格を取得する旨は必ず含めてください。（例：「例えば、IT分野の資格を取りたい、Pythonを学びたい、自由に教えていただいて構いません！」） 4. **絶対に守ること**: - 1つ目のメッセージには質問だけを含め、例は含めないでください - 2つ目のメッセージには例だけを含め、質問は含めないでください 5. **例は必ず2つ目のメッセージに含める必要があります**：資格取得、昇進などの例を必ず含めてください 出力は2つのメッセージを改行で区切って返してください（1つ目のメッセージ、改行、2つ目のメッセージ）。 """ # 4. AI 호출 response = client.models.generate_content( model="gemini-2.5-flash", contents=[types.Content(role="user", parts=[types.Part(text=rephrase_prompt)])] ) ai_response = response.text.strip() # 5. AI가 빈 응답 주면 기준 질문 사용 (안전장치) if not ai_response: ai_response = base_question # 6. 응답을 2개로 나누기 (改行で区切られている場合) questions = [q.strip() for q in ai_response.split('\n') if q.strip()] if len(questions) >= 2: # 2개 이상이면 첫 번째와 두 번째를 분리 first_question = questions[0] second_question = questions[1] # DB에는 전체를 하나로 저장 (대화 흐름 유지) full_question = f"{first_question}\n{second_question}" else: # 1개만 있으면 그대로 사용 first_question = questions[0] if questions else ai_response second_question = None full_question = first_question # 7. DB에 저장 (user_id 제거) findgoal_module.save_question( session_id=request.session_id, step_order=1, question_text=full_question ) await classify_and_save( session_id = request.session_id, sender = "I", part = "A", text = full_question ) # 8. 프론트에 반환 (2개로 나뉘어 있으면 배열로 반환) if second_question: return { "questions": [first_question, second_question], "step": 1 } else: return { "question": first_question, "step": 1 } except Exception as e: raise HTTPException(status_code=500, detail=str(e)) async def analyze_with_gemini(session_id: str, user_answer: str): try: # 1. AIクライアントの取得 client = get_gemini_model() # 2. DBから全体の会話履歴を取得 history_list = findgoal_module.get_conversation_history(session_id) # 3. 会話履歴をテキストに変換 history_text = "" for h in history_list: if h['question_text']: history_text += f"AI: {h['question_text']}\n" if h['answer_text']: history_text += f"User: {h['answer_text']}\n" # 4. AI에게 보낼 프롬프트 구성 user_prompt = f""" [今までの会話履歴]: {history_text} [Userの最新の回答]: {user_answer} 上記の流れを踏まえて、次のレスポンスをJSON形式で生成してください。 """ # 5. AI 호출 (SYSTEM_PROMPT 적용) response = client.models.generate_content( model="gemini-2.5-flash", contents=[types.Content(role="user", parts=[types.Part(text=user_prompt)])], config={ "system_instruction": SYSTEM_PROMPT_FINDGOAL, "response_mime_type": "application/json" } ) # 6. JSON 파싱해서 반환 try: result = json.loads(response.text, strict=False) except json.JSONDecodeError: # Markdown block 등 불필요한 문자열 제거 시도 raw_text = response.text.strip() raw_text = re.sub(r'^```json\s*', '', raw_text) raw_text = re.sub(r'^```\s*', '', raw_text) raw_text = re.sub(r'```$', '', raw_text).strip() try: result = json.loads(raw_text, strict=False) except json.JSONDecodeError as je: print(f"Gemini JSON Parse Error (Recover Failed): {je}\nRaw Text: {raw_text}") return { "confidence": 0.5, "next_question": "なるほど、まだ具体的な目標はないんですね！大丈夫ですよ😊焦らず、まずは何か一つ小さなことから一緒に探してみましょうか？", "reasoning": "JSON Parse Error - AI応答をパースできませんでした" } # 안전장치: next_question이 비어있거나 없는 경우 기본값 if not result.get("next_question") and result.get("confidence", 0) < 0.9: result["next_question"] = "うまく聞き取れませんでした💦 何か興味のある分野や、やってみたいことはありますか？😊" return result except Exception as e: # AI 에러 시 기본 응답 반환 (시스템이 멈추지 않게) print(f"Gemini Error: {e}") return { "confidence": 0.0, "next_question": "すみません、通信に少し問題が起きたみたいです💦 もう一度教えていただけますか？😊", "reasoning": f"AI Error: {str(e)}" } @router.post("/answer") async def answer_findgoal(request: AnswerFindGoalRequest): """ 사용자 답변 처리 API 왜 필요한가? - 사용자가 답변을 입력할 때마다 호출 - 답변을 DB에 저장하고 AI로 분석 - confidence가 0.9 이상이면 목표 확정, 아니면 다음 질문 생성 """ try: # ============================================ # 1. 이전 질문 정보 가져오기 # ============================================ # - 현재 몇 번째 대화인지 파악 (step_order) # - 답변을 어느 질문에 연결할지 알아야 함 (question_id) # - DB의 Q-A 관계를 연결하기 위해 필수 last_question = findgoal_module.get_last_question(request.session_id) if not last_question: # 질문이 없다 = /start를 안 호출했다 raise HTTPException(status_code=400, detail="No question found. Call /start first.") current_step = last_question['step_order'] question_id = last_question['id'] # ============================================ # 2. 사용자 답변 DB에 저장 (findgoal_A) # ============================================ # - 대화 내역을 모두 기록해야 나중에 AI가 전체 흐름을 이해할 수 있음 # - 사용자가 뭐라고 답했는지 추적 가능 (디버깅, 분석에 필수) answer_id = findgoal_module.save_answer( session_id=request.session_id, question_id=question_id, answer_text=request.user_answer ) await classify_and_save( session_id = request.session_id, sender = "M", part = "A", text = request.user_answer ) # ============================================ # 3. AI로 답변 분석 # ============================================ # - 사용자 답변만으로는 "목표를 찾았는지" 판단 불가 # - AI가 전체 대화 흐름을 보고 confidence 점수 계산 # - 다음에 무엇을 물어볼지 AI가 결정 ai_result = await analyze_with_gemini( session_id=request.session_id, user_answer=request.user_answer ) try: confidence = float(ai_result.get('confidence', 0.0)) except (ValueError, TypeError): confidence = 0.5 reasoning = ai_result.get('reasoning', '') next_question_text = ai_result.get('next_question', '') final_goal = ai_result.get('final_goal', '') # ============================================ # 4. AI 분석 결과 DB에 저장 (findgoal_P) # ============================================ # - AI가 왜 이런 판단을 했는지 기록 (reasoning) # - confidence 변화 추적 (0.3 → 0.5 → 0.7 → 0.95 이런 흐름 분석 가능) # - 나중에 "AI가 어떤 근거로 목표를 찾았는지" 확인 가능 findgoal_module.save_processing( session_id=request.session_id, confidence_score=confidence, reasoning=reasoning ) # ============================================ # 5. Confidence 확인 및 분기 처리 # ============================================ # 왜 필요한가? # - confidence < 0.9: 아직 목표가 명확하지 않음 → 대화 계속 # - confidence ≥ 0.9: 목표를 찾았다! → 대화 종료, 최종 결과 저장 # [강제 종료 안전장치] 대화가 5번(step_order 5) 이상 길어지면 강제로 무조건 종료시킴! if current_step >= 5 and confidence < 0.9: print(f"[FindGoal] Forced completion due to step limit (current_step: {current_step})") confidence = 0.95 final_goal = final_goal if final_goal else "まずは自分に合う学習ペースと目標をゆっくり見つけること" next_question_text = "わかりました！😊 色々教えてくださってありがとうございます。まずは無理に急がず、少しずつ進めながら一緒に目標を見つけていきましょうね！" reasoning = "Forced completion - Max conversation turns reached" if confidence >= 0.9: # ============================================ # 5-1. 목표 확정: findgoal_Output에 저장 # ============================================ # - C파트(커리큘럼 생성)에서 이 목표를 읽어서 사용 # - 세션당 1개의 최종 목표만 저장 (ON DUPLICATE KEY UPDATE) findgoal_module.save_or_update_output( session_id=request.session_id, final_goal=final_goal ) # user_profile_summary에도 동기화 findgoal_module.sync_to_user_profile_summary( session_id=request.session_id, final_goal=final_goal ) # 프론트에 "완료" 신호 전달 return { "status": "completed", "confidence": confidence, "final_goal": final_goal, "reasoning": reasoning, "message": next_question_text if next_question_text else "目標が確定しました！" } else: # ============================================ # 5-2. 대화 계속: 다음 질문 생성 # ============================================ # - AI가 아직 목표가 명확하지 않다고 판단 (confidence < 0.9) # - 더 깊이 파고들기 위해 다음 질문 필요 next_step = current_step + 1 # 다음 질문을 DB에 저장 findgoal_module.save_question( session_id=request.session_id, step_order=next_step, question_text=next_question_text ) await classify_and_save( session_id = request.session_id, sender = "I", part = "A", text = next_question_text ) # final_goal이 있을 때만 user_profile_summary에 동기화 if final_goal: findgoal_module.sync_to_user_profile_summary( session_id=request.session_id, final_goal=final_goal ) # 프론트에 "다음 질문" 전달 return { "status": "continue", "confidence": confidence, "question": next_question_text, "step": next_step, "reasoning": reasoning } except Exception as e: raise HTTPException(status_code=500, detail=str(e)) @router.get("/history/{session_id}") async def get_findgoal_history(session_id:str): history = findgoal_module.get_conversation_history(session_id) output = findgoal_module.get_output(session_id) return{ "history": history, "final_goal": output, "has_history" : len(history) > 0 } @router.delete("/reset/{session_id}") async def reset_findgoal(session_id: str): """FindGoal 대화 초기화 (재시작용)""" findgoal_module.reset_session(session_id) return {"status": "reset"}