ninegrid2 6.518.0 → 6.520.0

package/dist/ai/aiContainer.js

@@ -5,6 +5,8 @@ import { ChatOpenAI } from '@langchain/openai';
 import { HumanMessage, SystemMessage } from '@langchain/core/messages';
 import { OllamaEmbeddings } from "@langchain/ollama";
 import { QdrantClient } from "@qdrant/js-client-rest";
+import { StringOutputParser } from "@langchain/core/output_parsers"
+import { PromptTemplate} from "@langchain/core/prompts"
 
 class aiContainer extends HTMLElement
 {
@@ -103,8 +105,16 @@ class aiContainer extends HTMLElement
 		return colInfo;
 	};
 
+	#getUniqueKey = () => {
+		if (this.#target.tagName === "NINE-GRID") {
+			return this.#target.dataset.unique;
+		}
+	};
+
 	
-	#generateQdrantFilter = async (userInput) => {
+	#generateQdrantFilter = async () => {
+
+		const userInput = this.shadowRoot.querySelector("textarea").value.trim();
 
 		const systemMessage = "You are a helpful assistant.";
 		// Qdrant 필터로 변환하기 위한 프롬프트 엔지니어링
@@ -138,6 +148,7 @@ class aiContainer extends HTMLElement
 			Qdrant 필터 JSON:
 		`;
 
+		
 		//try {
 			const response = await this.#model.invoke([
 				new SystemMessage(systemMessage),
@@ -218,20 +229,80 @@ class aiContainer extends HTMLElement
 
 	#q1 = async () => {
 		const filter = await this.#generateQdrantFilter();
-		const d = await this.#searchWithQdrantFilter(filter);
-		console.log(d);
+		return await this.#searchWithQdrantFilter(filter);
 	};
 
 	#q2 = async () => {
 		const filter = await this.#generateQdrantFilter();
-		const d = await this.#searchWithQdrantFilter(filter);
-		console.log(d);
+		const searchResults = await this.#searchWithQdrantFilter(filter);
+
+		const elAiChat = this.shadowRoot.querySelector("nx-ai-chat");
+		const columnInfo = this.#getColumnInfo();
+		const uniqueKey = this.#getUniqueKey();
+
+		if (!searchResults || searchResults.length == 0) {
+			elAiChat.add("ai", "관련된 정보가 없습니다.");
+		}
+		else if (searchResults.length > 100) {
+			elAiChat.add("ai", `${searchResults.length}건의 정보를 찾았습니다.`, columnInfo, searchResults.map(item => item.payload), uniqueKey);
+		}
+		else {
+			let arr = searchResults.map(item => item.payload);
+			let contextText = `당신은 주어진 정보를 참고하여 답변하는 AI 입니다. 주어진 '정보'를 바탕으로 데이타를 분석해줘. 데이타는 "context" 항목에 있어. 제공될 데이터는 CSV 형식이며, 첫 번째 줄은 컬럼명입니다. 이전에 너가 찾아준 데이타를 다시 보내는거니깐 첫 줄에는 "${arr.length}건을 찾았습니다." 라고 답변을 달아줘.\n\ncontext: `;
+
+			let contextText1 = `당신은 주어진 데이터를 분석하고 핵심 인사이트를 도출하는 전문 데이터 분석가입니다.
+
+				아래에 제공될 데이터는 CSV 형식이며, 첫 번째 줄은 컬럼명입니다.
+
+				이 데이터를 철저히 분석하여 다음 질문에 대한 답변을 제공해주세요:
+				- 데이터의 주요 트렌드는 무엇인가요?
+				- 특이하거나 주목할 만한 패턴이 있나요?
+				- 가장 빈번하게 나타나는 항목(또는 값)은 무엇인가요?
+				- 데이터에서 발견할 수 있는 잠재적인 문제점이나 개선점은 무엇인가요?
+				- 각 데이터 레코드를 기반으로 한 간략한 요약 또는 분류가 가능할까요?
+
+				분석 결과는 다음 형식으로 제공해주세요:
+				1.  **주요 트렌드**: 불릿 포인트 형식으로 요약
+				2.  **주목할 만한 패턴/이상치**: 구체적인 예시와 함께 설명
+				3.  **가장 빈번한 항목**: 항목명과 빈도수를 포함 (테이블 형식도 가능)
+				4.  **개선점/문제점**: 텍스트 설명
+				5.  **각 레코드에 대한 간략한 요약 또는 분류**: (선택 사항, 필요시)
+
+				context:\n`;
+
+			columnInfo.forEach(info => {
+				contextText += `${info.desc}\t`;
+			});
+			contextText += "\n";
+
+			for (const o of arr) {
+				columnInfo.forEach(info => {
+					contextText += `${o[info.name]}\t`;
+				});
+
+				contextText += "\n";
+				//contextText += `문서ID: ${o.doc_id}, 문서명: ${o.doc_nm}, 매출액: ${o.amt}, 수정자: ${o.update_user}, 수정일: ${o.update_dt}\n`;
+			}
+
+			//console.log(contextText);
+
+			const prompt = PromptTemplate.fromTemplate(
+				contextText
+			)
+
+			const chain = prompt
+				.pipe(this.#model)
+				.pipe(new StringOutputParser())
+
+			const result = await chain.invoke();
+
+			elAiChat.add("ai", result, columnInfo, arr, uniqueKey);
+		}
 	};
 
 	#q3 = async () => {
 		const filter = await this.#generateQdrantFilter();
-		const d = await this.#searchWithQdrantFilter(filter);
-		console.log(d);
+		return await this.#searchWithQdrantFilter(filter);
 	};
 
 	#init = (info) => {

package/dist/bundle.cjs.js

@@ -5,6 +5,8 @@ var googleGenai = require('@langchain/google-genai');
 var ollama = require('@langchain/ollama');
 var openai = require('@langchain/openai');
 var messages = require('@langchain/core/messages');
+var output_parsers = require('@langchain/core/output_parsers');
+var prompts = require('@langchain/core/prompts');
 var require$$0 = require('assert');
 var require$$4 = require('net');
 var require$$2 = require('http');
@@ -54197,8 +54199,16 @@ class aiContainer extends HTMLElement
 		return colInfo;
 	};
 
+	#getUniqueKey = () => {
+		if (this.#target.tagName === "NINE-GRID") {
+			return this.#target.dataset.unique;
+		}
+	};
+
 	
-	#generateQdrantFilter = async (userInput) => {
+	#generateQdrantFilter = async () => {
+
+		const userInput = this.shadowRoot.querySelector("textarea").value.trim();
 
 		const systemMessage = "You are a helpful assistant.";
 		// Qdrant 필터로 변환하기 위한 프롬프트 엔지니어링
@@ -54232,6 +54242,7 @@ class aiContainer extends HTMLElement
 			Qdrant 필터 JSON:
 		`;
 
+		
 		//try {
 			const response = await this.#model.invoke([
 				new messages.SystemMessage(systemMessage),
@@ -54308,20 +54319,60 @@ class aiContainer extends HTMLElement
 
 	#q1 = async () => {
 		const filter = await this.#generateQdrantFilter();
-		const d = await this.#searchWithQdrantFilter(filter);
-		console.log(d);
+		return await this.#searchWithQdrantFilter(filter);
 	};
 
 	#q2 = async () => {
 		const filter = await this.#generateQdrantFilter();
-		const d = await this.#searchWithQdrantFilter(filter);
-		console.log(d);
+		const searchResults = await this.#searchWithQdrantFilter(filter);
+
+		const elAiChat = this.shadowRoot.querySelector("nx-ai-chat");
+		const columnInfo = this.#getColumnInfo();
+		const uniqueKey = this.#getUniqueKey();
+
+		if (!searchResults || searchResults.length == 0) {
+			elAiChat.add("ai", "관련된 정보가 없습니다.");
+		}
+		else if (searchResults.length > 100) {
+			elAiChat.add("ai", `${searchResults.length}건의 정보를 찾았습니다.`, columnInfo, searchResults.map(item => item.payload), uniqueKey);
+		}
+		else {
+			let arr = searchResults.map(item => item.payload);
+			let contextText = `당신은 주어진 정보를 참고하여 답변하는 AI 입니다. 주어진 '정보'를 바탕으로 데이타를 분석해줘. 데이타는 "context" 항목에 있어. 제공될 데이터는 CSV 형식이며, 첫 번째 줄은 컬럼명입니다. 이전에 너가 찾아준 데이타를 다시 보내는거니깐 첫 줄에는 "${arr.length}건을 찾았습니다." 라고 답변을 달아줘.\n\ncontext: `;
+
+			columnInfo.forEach(info => {
+				contextText += `${info.desc}\t`;
+			});
+			contextText += "\n";
+
+			for (const o of arr) {
+				columnInfo.forEach(info => {
+					contextText += `${o[info.name]}\t`;
+				});
+
+				contextText += "\n";
+				//contextText += `문서ID: ${o.doc_id}, 문서명: ${o.doc_nm}, 매출액: ${o.amt}, 수정자: ${o.update_user}, 수정일: ${o.update_dt}\n`;
+			}
+
+			//console.log(contextText);
+
+			const prompt = prompts.PromptTemplate.fromTemplate(
+				contextText
+			);
+
+			const chain = prompt
+				.pipe(this.#model)
+				.pipe(new output_parsers.StringOutputParser());
+
+			const result = await chain.invoke();
+
+			elAiChat.add("ai", result, columnInfo, arr, uniqueKey);
+		}
 	};
 
 	#q3 = async () => {
 		const filter = await this.#generateQdrantFilter();
-		const d = await this.#searchWithQdrantFilter(filter);
-		console.log(d);
+		return await this.#searchWithQdrantFilter(filter);
 	};
 
 	#init = (info) => {

package/dist/bundle.esm.js

@@ -3,6 +3,8 @@ import { ChatGoogleGenerativeAI } from '@langchain/google-genai';
 import { Ollama, OllamaEmbeddings } from '@langchain/ollama';
 import { ChatOpenAI } from '@langchain/openai';
 import { SystemMessage, HumanMessage } from '@langchain/core/messages';
+import { StringOutputParser } from '@langchain/core/output_parsers';
+import { PromptTemplate } from '@langchain/core/prompts';
 import require$$0 from 'assert';
 import require$$4 from 'net';
 import require$$2 from 'http';
@@ -54195,8 +54197,16 @@ class aiContainer extends HTMLElement
 		return colInfo;
 	};
 
+	#getUniqueKey = () => {
+		if (this.#target.tagName === "NINE-GRID") {
+			return this.#target.dataset.unique;
+		}
+	};
+
 	
-	#generateQdrantFilter = async (userInput) => {
+	#generateQdrantFilter = async () => {
+
+		const userInput = this.shadowRoot.querySelector("textarea").value.trim();
 
 		const systemMessage = "You are a helpful assistant.";
 		// Qdrant 필터로 변환하기 위한 프롬프트 엔지니어링
@@ -54230,6 +54240,7 @@ class aiContainer extends HTMLElement
 			Qdrant 필터 JSON:
 		`;
 
+		
 		//try {
 			const response = await this.#model.invoke([
 				new SystemMessage(systemMessage),
@@ -54306,20 +54317,60 @@ class aiContainer extends HTMLElement
 
 	#q1 = async () => {
 		const filter = await this.#generateQdrantFilter();
-		const d = await this.#searchWithQdrantFilter(filter);
-		console.log(d);
+		return await this.#searchWithQdrantFilter(filter);
 	};
 
 	#q2 = async () => {
 		const filter = await this.#generateQdrantFilter();
-		const d = await this.#searchWithQdrantFilter(filter);
-		console.log(d);
+		const searchResults = await this.#searchWithQdrantFilter(filter);
+
+		const elAiChat = this.shadowRoot.querySelector("nx-ai-chat");
+		const columnInfo = this.#getColumnInfo();
+		const uniqueKey = this.#getUniqueKey();
+
+		if (!searchResults || searchResults.length == 0) {
+			elAiChat.add("ai", "관련된 정보가 없습니다.");
+		}
+		else if (searchResults.length > 100) {
+			elAiChat.add("ai", `${searchResults.length}건의 정보를 찾았습니다.`, columnInfo, searchResults.map(item => item.payload), uniqueKey);
+		}
+		else {
+			let arr = searchResults.map(item => item.payload);
+			let contextText = `당신은 주어진 정보를 참고하여 답변하는 AI 입니다. 주어진 '정보'를 바탕으로 데이타를 분석해줘. 데이타는 "context" 항목에 있어. 제공될 데이터는 CSV 형식이며, 첫 번째 줄은 컬럼명입니다. 이전에 너가 찾아준 데이타를 다시 보내는거니깐 첫 줄에는 "${arr.length}건을 찾았습니다." 라고 답변을 달아줘.\n\ncontext: `;
+
+			columnInfo.forEach(info => {
+				contextText += `${info.desc}\t`;
+			});
+			contextText += "\n";
+
+			for (const o of arr) {
+				columnInfo.forEach(info => {
+					contextText += `${o[info.name]}\t`;
+				});
+
+				contextText += "\n";
+				//contextText += `문서ID: ${o.doc_id}, 문서명: ${o.doc_nm}, 매출액: ${o.amt}, 수정자: ${o.update_user}, 수정일: ${o.update_dt}\n`;
+			}
+
+			//console.log(contextText);
+
+			const prompt = PromptTemplate.fromTemplate(
+				contextText
+			);
+
+			const chain = prompt
+				.pipe(this.#model)
+				.pipe(new StringOutputParser());
+
+			const result = await chain.invoke();
+
+			elAiChat.add("ai", result, columnInfo, arr, uniqueKey);
+		}
 	};
 
 	#q3 = async () => {
 		const filter = await this.#generateQdrantFilter();
-		const d = await this.#searchWithQdrantFilter(filter);
-		console.log(d);
+		return await this.#searchWithQdrantFilter(filter);
 	};
 
 	#init = (info) => {

package/package.json

@@ -1,7 +1,7 @@
 {
   "name": "ninegrid2",
   "type": "module",
-  "version": "6.518.0",
+  "version": "6.520.0",
   "main": "dist/index.js",
   "exports": {
     "import": "./dist/index.js",

package/src/ai/aiContainer.js

@@ -5,6 +5,8 @@ import { ChatOpenAI } from '@langchain/openai';
 import { HumanMessage, SystemMessage } from '@langchain/core/messages';
 import { OllamaEmbeddings } from "@langchain/ollama";
 import { QdrantClient } from "@qdrant/js-client-rest";
+import { StringOutputParser } from "@langchain/core/output_parsers"
+import { PromptTemplate} from "@langchain/core/prompts"
 
 class aiContainer extends HTMLElement
 {
@@ -103,8 +105,16 @@ class aiContainer extends HTMLElement
 		return colInfo;
 	};
 
+	#getUniqueKey = () => {
+		if (this.#target.tagName === "NINE-GRID") {
+			return this.#target.dataset.unique;
+		}
+	};
+
 	
-	#generateQdrantFilter = async (userInput) => {
+	#generateQdrantFilter = async () => {
+
+		const userInput = this.shadowRoot.querySelector("textarea").value.trim();
 
 		const systemMessage = "You are a helpful assistant.";
 		// Qdrant 필터로 변환하기 위한 프롬프트 엔지니어링
@@ -138,6 +148,7 @@ class aiContainer extends HTMLElement
 			Qdrant 필터 JSON:
 		`;
 
+		
 		//try {
 			const response = await this.#model.invoke([
 				new SystemMessage(systemMessage),
@@ -218,20 +229,80 @@ class aiContainer extends HTMLElement
 
 	#q1 = async () => {
 		const filter = await this.#generateQdrantFilter();
-		const d = await this.#searchWithQdrantFilter(filter);
-		console.log(d);
+		return await this.#searchWithQdrantFilter(filter);
 	};
 
 	#q2 = async () => {
 		const filter = await this.#generateQdrantFilter();
-		const d = await this.#searchWithQdrantFilter(filter);
-		console.log(d);
+		const searchResults = await this.#searchWithQdrantFilter(filter);
+
+		const elAiChat = this.shadowRoot.querySelector("nx-ai-chat");
+		const columnInfo = this.#getColumnInfo();
+		const uniqueKey = this.#getUniqueKey();
+
+		if (!searchResults || searchResults.length == 0) {
+			elAiChat.add("ai", "관련된 정보가 없습니다.");
+		}
+		else if (searchResults.length > 100) {
+			elAiChat.add("ai", `${searchResults.length}건의 정보를 찾았습니다.`, columnInfo, searchResults.map(item => item.payload), uniqueKey);
+		}
+		else {
+			let arr = searchResults.map(item => item.payload);
+			let contextText = `당신은 주어진 정보를 참고하여 답변하는 AI 입니다. 주어진 '정보'를 바탕으로 데이타를 분석해줘. 데이타는 "context" 항목에 있어. 제공될 데이터는 CSV 형식이며, 첫 번째 줄은 컬럼명입니다. 이전에 너가 찾아준 데이타를 다시 보내는거니깐 첫 줄에는 "${arr.length}건을 찾았습니다." 라고 답변을 달아줘.\n\ncontext: `;
+
+			let contextText1 = `당신은 주어진 데이터를 분석하고 핵심 인사이트를 도출하는 전문 데이터 분석가입니다.
+
+				아래에 제공될 데이터는 CSV 형식이며, 첫 번째 줄은 컬럼명입니다.
+
+				이 데이터를 철저히 분석하여 다음 질문에 대한 답변을 제공해주세요:
+				- 데이터의 주요 트렌드는 무엇인가요?
+				- 특이하거나 주목할 만한 패턴이 있나요?
+				- 가장 빈번하게 나타나는 항목(또는 값)은 무엇인가요?
+				- 데이터에서 발견할 수 있는 잠재적인 문제점이나 개선점은 무엇인가요?
+				- 각 데이터 레코드를 기반으로 한 간략한 요약 또는 분류가 가능할까요?
+
+				분석 결과는 다음 형식으로 제공해주세요:
+				1.  **주요 트렌드**: 불릿 포인트 형식으로 요약
+				2.  **주목할 만한 패턴/이상치**: 구체적인 예시와 함께 설명
+				3.  **가장 빈번한 항목**: 항목명과 빈도수를 포함 (테이블 형식도 가능)
+				4.  **개선점/문제점**: 텍스트 설명
+				5.  **각 레코드에 대한 간략한 요약 또는 분류**: (선택 사항, 필요시)
+
+				context:\n`;
+
+			columnInfo.forEach(info => {
+				contextText += `${info.desc}\t`;
+			});
+			contextText += "\n";
+
+			for (const o of arr) {
+				columnInfo.forEach(info => {
+					contextText += `${o[info.name]}\t`;
+				});
+
+				contextText += "\n";
+				//contextText += `문서ID: ${o.doc_id}, 문서명: ${o.doc_nm}, 매출액: ${o.amt}, 수정자: ${o.update_user}, 수정일: ${o.update_dt}\n`;
+			}
+
+			//console.log(contextText);
+
+			const prompt = PromptTemplate.fromTemplate(
+				contextText
+			)
+
+			const chain = prompt
+				.pipe(this.#model)
+				.pipe(new StringOutputParser())
+
+			const result = await chain.invoke();
+
+			elAiChat.add("ai", result, columnInfo, arr, uniqueKey);
+		}
 	};
 
 	#q3 = async () => {
 		const filter = await this.#generateQdrantFilter();
-		const d = await this.#searchWithQdrantFilter(filter);
-		console.log(d);
+		return await this.#searchWithQdrantFilter(filter);
 	};
 
 	#init = (info) => {