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 import json router = APIRouter( prefix="/goal-skill-t/api/findgoal", tags=["FindGoal"] ) SYSTEM_PROMPT_FINDGOAL = """ あなたはユーザーの学習動機を確認するコーチです。 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。 【役割】 - 表面的な目標（例：「資格を取りたい」）だけでなく、その理由を1〜2回聞いて具体化してください。 - 長々と質問せず、効率的に目標を確定してください。 【質問の進め方】 1. 初回：何を学びたいか、何を目指しているか 2. 2回目：その目標の理由や、実現後の変化 3. 具体的な目標が出たら即座に確定 【終了条件（重要）】 以下のいずれかに該当したら、**直ちに** confidence 0.95 で終了してください： - 就職、転職、昇進などの具体的なキャリア目標が出た - 資格取得の理由が明確になった - 給料アップや転職など、実現したいことが明確になった - 2〜3回の質問で十分な情報が集まった 【重要な注意事項】 - **ユーザーが言っていない内容を絶対に追加しないでください** - final_goalには、ユーザーが実際に話した内容だけを記載してください - 勝手に旅行先や具体的な計画を補完しないでください 【出力フォーマット (JSON)】 { "confidence": 0.5, "reasoning": "ユーザーは資格取得を希望。理由を確認する必要がある。", "next_question": "その資格を取ることで、どんな変化を期待していますか？", "final_goal": "（confidenceが0.9以上の場合のみ）資格取得による昇進と給料アップ" } 【例】 ユーザー：「資格を取って昇進したい」 → final_goal: "資格取得による昇進"（シンプルに要約） ユーザー：「資格を取って昇進して給料を上げたい」 → final_goal: "資格取得による昇進と給料アップ"（言った通りに） """ @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のか自由に教えてください。 (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を始めた理由を尋ねること 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**: 応答は必ず2つのメッセージに分けてください： - 1つ目: **質問のみ**（例：「まず、ここでどんなことを達成したいか、あなたの目標を聞かせてもらってもいいですか？」） - 2つ目: **例の提示のみ**（例：「例えば、資格を取得したい、会社で昇進したいなど、どんなことでも大丈夫です。」） 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 ) # 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 return json.loads(response.text) 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、エラーが発生しました。もう一度教えていただけますか？", "reasoning": "AI Error" } @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 ) # ============================================ # 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 ) confidence = ai_result.get('confidence', 0.0) 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 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": "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 ) 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))