update

app.py

@@ -11,7 +11,7 @@ import gradio as gr
 import yaml
 import json
 import re
-from chat.llm_functions import get_interviewer_response, get_student_response, generate_cover_letter_response
+from chat.llm_functions import get_interviewer_response, get_student_response, generate_cover_letter_response, generate_memory
 from utils import parse_json_from_response
 from guide_generation.llm_functions import generate_guide as create_guide_from_llm
 from answer_flow_generation.llm_functions import generate_answer_flow
@@ -82,6 +82,9 @@ def bot_response(history, shared_info, progress=gr.Progress()):
     # word_limit 기본값 설정 (혹시 없을 경우를 대비)
     if 'word_limit' not in format_info:
         format_info['word_limit'] = 300
+    # memory 기본값 설정
+    if 'memory' not in format_info:
+        format_info['memory'] = ""
 
     history[-1][1] = ""
     full_response = ""
@@ -128,6 +131,9 @@ def generate_ai_reply(history, shared_info, progress=gr.Progress()):
     # word_limit 기본값 설정 (혹시 없을 경우를 대비)
     if 'word_limit' not in format_info:
         format_info['word_limit'] = 300
+    # memory 기본값 설정
+    if 'memory' not in format_info:
+        format_info['memory'] = ""
 
     student_answer_json = ""
     history.append(["", None])
@@ -152,7 +158,7 @@ def generate_all_cover_letters(history, shared_info, progress=gr.Progress()):
     if not history:
         empty_outputs = [gr.update(value="면접 대화가 없습니다.")] * len(shared_info.get('questions', []))
         empty_guidelines = [gr.update(value="")] * len(shared_info.get('questions', []))
-        return empty_outputs + empty_guidelines + [gr.update()]
+        return empty_outputs + empty_guidelines + [gr.update(), gr.update()]
 
     # history -> conversation_history 형식 변환
     conversation_str = ""
@@ -169,8 +175,8 @@ def generate_all_cover_letters(history, shared_info, progress=gr.Progress()):
     
     for i, question in enumerate(shared_info.get('questions', [])):
         # 1단계: Answer Flow Generation
-        progress_text = f"자기소개서 생성 진행률: {int((i / total_questions) * 50)}% (답변 흐름 생성 중...)"
-        yield [gr.update(value=o) for o in outputs] + [gr.update(value=g) for g in guidelines] + [gr.update(value=progress_text, visible=True)]
+        progress_text = f"자기소개서 생성 진행률: {int((i / total_questions) * 40)}% (답변 흐름 생성 중...)"
+        yield [gr.update(value=o) for o in outputs] + [gr.update(value=g) for g in guidelines] + [gr.update(value=progress_text, visible=True), gr.update()]
         
         flow_result, _ = generate_answer_flow(
             question=question,
@@ -184,8 +190,8 @@ def generate_all_cover_letters(history, shared_info, progress=gr.Progress()):
         guidelines[i] = flow_text  # 가이드라인 저장
         
         # 2단계: Cover Letter Response Generation
-        progress_text = f"자기소개서 생성 진행률: {int((i / total_questions) * 50 + 25)}% (답변 생성 중...)"
-        yield [gr.update(value=o) for o in outputs] + [gr.update(value=g) for g in guidelines] + [gr.update(value=progress_text, visible=True)]
+        progress_text = f"자기소개서 생성 진행률: {int((i / total_questions) * 40 + 30)}% (답변 생성 중...)"
+        yield [gr.update(value=o) for o in outputs] + [gr.update(value=g) for g in guidelines] + [gr.update(value=progress_text, visible=True), gr.update()]
         
         full_response = ""
         word_limit = shared_info.get('word_limit', 300)  # shared_info에서 word_limit 가져오기
@@ -201,9 +207,9 @@ def generate_all_cover_letters(history, shared_info, progress=gr.Progress()):
                 cleaned_response = clean_markdown_response(full_response)
                 outputs[i] = cleaned_response
             
-            overall_progress_val = (i + 0.75) / total_questions
+            overall_progress_val = (i + 0.75) / total_questions * 0.7  # 70%까지만 (나머지 30%는 memory 생성)
             progress_text = f"자기소개서 생성 진행률: {int(overall_progress_val*100)}%"
-            yield [gr.update(value=o) for o in outputs] + [gr.update(value=g) for g in guidelines] + [gr.update(value=progress_text, visible=True)]
+            yield [gr.update(value=o) for o in outputs] + [gr.update(value=g) for g in guidelines] + [gr.update(value=progress_text, visible=True), gr.update()]
 
         # 최종 파싱 및 정리
         final_data = parse_json_from_response(full_response)
@@ -216,8 +222,29 @@ def generate_all_cover_letters(history, shared_info, progress=gr.Progress()):
             cleaned_response = clean_markdown_response(full_response)
             outputs[i] = cleaned_response
 
+    # 3단계: Memory 생성
+    progress_text = "자기소개서 생성 진행률: 85% (대화 메모리 생성 중...)"
+    yield [gr.update(value=o) for o in outputs] + [gr.update(value=g) for g in guidelines] + [gr.update(value=progress_text, visible=True), gr.update()]
+    
+    memory_content = ""
+    current_memory = shared_info.get('memory', '')
+    for chunk in generate_memory(conversation_str, current_memory):
+        memory_content += chunk
+    
+    # Memory JSON 파싱
+    memory_text = memory_content
+    try:
+        parsed_memory = parse_json_from_response(memory_content)
+        if parsed_memory and 'memory' in parsed_memory:
+            memory_text = parsed_memory['memory']
+    except:
+        pass
+    
+    progress_text = "자기소개서 생성 진행률: 100% (완료)"
+    yield [gr.update(value=o) for o in outputs] + [gr.update(value=g) for g in guidelines] + [gr.update(value=progress_text, visible=True), gr.update(value=memory_text)]
+
     # 완료
-    yield [gr.update(value=o) for o in outputs] + [gr.update(value=g) for g in guidelines] + [gr.update(visible=False)]
+    yield [gr.update(value=o) for o in outputs] + [gr.update(value=g) for g in guidelines] + [gr.update(visible=False), gr.update(value=memory_text)]
 
 def update_guide_and_info(company, position, jd, questions_str, word_limit):
     guide_json, _ = create_guide_from_llm(questions_str, jd, company, "신입") # experience_level is hardcoded for now
@@ -234,7 +261,8 @@ def update_guide_and_info(company, position, jd, questions_str, word_limit):
         "jd": jd,
         "questions": [q.strip() for q in questions_str.strip().split('\n') if q.strip()],
         "guide": guide_text,
-        "word_limit": word_limit
+        "word_limit": word_limit,
+        "memory": ""
     })
     
     # Return new state and update for the guide display
@@ -310,6 +338,11 @@ with gr.Blocks(theme=gr.themes.Soft()) as demo:
                         with gr.TabItem("답변 가이드라인"):
                             guideline = gr.Markdown(value="가이드라인이 생성되면 여기에 표시됩니다.")
                             guideline_outputs.append(guideline)
+            
+            # Memory 표시 컴포넌트
+            with gr.Accordion("💭 대화 메모리", open=False):
+                gr.Markdown("대화 내용을 바탕으로 생성된 메모리입니다.")
+                memory_display = gr.Markdown(value="대화 메모리가 생성되면 여기에 표시됩니다.", label="대화 메모리")
 
     # Event Handlers
     generate_guide_btn.click(
@@ -322,7 +355,7 @@ with gr.Blocks(theme=gr.themes.Soft()) as demo:
     msg.submit(user_submit, [msg, chatbot], [msg, chatbot]).then(bot_response, [chatbot, shared_info], [chatbot, progress_display, reason_display])
     ai_reply_btn.click(generate_ai_reply, [chatbot, shared_info], [chatbot, progress_display, reason_display])
     clear_btn.click(lambda: ([], "자기소개서 완성도: 0%", ""), None, [chatbot, progress_display, reason_display], queue=False)
-    generate_btn.click(generate_all_cover_letters, [chatbot, shared_info], cover_letter_outputs + guideline_outputs + [cover_letter_progress_display])
+    generate_btn.click(generate_all_cover_letters, [chatbot, shared_info], cover_letter_outputs + guideline_outputs + [cover_letter_progress_display, memory_display])
 
 if __name__ == "__main__":
     demo.launch(share=True)

chat/llm_functions.py

@@ -19,7 +19,8 @@ except Exception as e:
     prompts = {
         "Interviewer": "You are a job interviewer.",
         "Student": "You are a job applicant.",
-        "CoverLetter": "Write a cover letter based on the conversation."
+        "CoverLetter": "Write a cover letter based on the conversation.",
+        "Memory": "Create a memory based on the conversation history."
     }
 
 def get_interviewer_response(example_info):
@@ -99,4 +100,45 @@ def generate_cover_letter_response(question, conversation_history, example_info,
         stream=True
     )
     for chunk in response_stream:
-        yield chunk.choices[0].delta.content or "" 
+        yield chunk.choices[0].delta.content or ""
+
+def generate_memory(conversation_history, current_memory=""):
+    """
+    대화 기록을 바탕으로 메모리를 생성합니다.
+    """
+    # 대화 기록을 문자열로 변환
+    if isinstance(conversation_history, list):
+        conversation_text = "\n".join([f"{speaker}: {content}" for speaker, content in conversation_history])
+    else:
+        conversation_text = conversation_history
+    
+    # Memory 프롬프트 사용
+    prompt = prompts.get("Memory", "").format(
+        conversation=conversation_text,
+        memory=current_memory
+    )
+    
+    response_stream = client.chat.completions.create(
+        model="gpt-4o",
+        messages=[{"role": "user", "content": prompt}],
+        stream=True
+    )
+    
+    full_response = ""
+    for chunk in response_stream:
+        chunk_content = chunk.choices[0].delta.content or ""
+        full_response += chunk_content
+        yield chunk_content
+        
+    # 최종 응답에서 JSON 파싱 시도
+    try:
+        import json
+        import re
+        json_match = re.search(r'\{.*\}', full_response, re.DOTALL)
+        if json_match:
+            parsed_data = json.loads(json_match.group())
+            return parsed_data.get('memory', full_response)
+    except:
+        pass
+    
+    return full_response 

chat/prompt.yaml

@@ -1,4 +1,71 @@
 Interviewer: >
+  Role:
+    - 당신은 취업 준비생의 자기소개서 작성을 돕는 **면접 준비 과외 선생님**입니다.
+    - 대화를 통해 학생의 **개인 경험, 직무 관련 동기, 가치관, 역량**을 구체적으로 이끌어내는 것이 목적입니다.
+    - 학생은 사회초년생(20대 초반)으로, 실무 경험이 부족할 수 있으니 너그럽고 구체적으로 질문해주세요.
+
+  기업 정보:
+    - 회사명: {company_name}
+    - 산업 분야: {industry}
+    - 모집 직무: {position_title}
+    - 핵심 인재상: {core_values}  # 예: 창의성, 도전정신, 협업
+    - 기업 규모: {company_size}
+    - 기업 관련 참고 보고서: {context_report}
+
+  학생 정보:
+    - 이름: {student_name}
+    - 전공: {student_major}
+    - 학년/졸업 여부: {student_status}  # 예: 4학년, 졸업생
+    - 지원 직무: {position_title}
+    - 경험 요약: {experience_summary}
+
+  진행 방식 (☑️ 꼭 지켜야 할 원칙):
+    - 질문은 항상 **하나씩만**, **15단어 이내**로.
+    - 반드시 **구체적이고 쉬운 질문**으로 답하기 쉽게 만들어야 함.
+    - 추상적인 질문은 피하고, 필요한 경우에는 예시를 들어 질문 맥락을 제공해야 함.
+    - 학생이 짧게 답하거나 두루뭉술하게 말할 경우, 후속 질문으로 깊이 있는 내용을 이끌어내야 함.
+    - 질문을 이어갈 때는 자연스러운 연결 말을 추가하세요. (너무 "좋아" 만 반복하지 말고 자연스럽게 다양한 말투로 연결해주세요.)
+      예: “좋아, 그 얘긴 충분히 된 것 같아. 그럼…”  
+    - 자기소개서를 직접 작성하지 마세요. 정보 수집만이 목적입니다.
+    - 진행률이 100이 되면 대화를 종료하는 멘트와 인사를 하며 대화를 종료해주세요. (예: "대화 끝!")
+
+  좋은 질문 예시:
+    - “처음 코딩해본 게 언제야?”
+    - “그때 만든 거 기억나?”
+    - “뭐가 제일 재밌었어?”
+    - “그 경험이 너한테 어떤 영향을 줬어?”
+    - “그 이후에도 비슷한 걸 또 해봤어?”
+
+  목표:
+    - 자기소개서 항목: {questions}  # 예: 지원 동기, 성장 과정, 직무 역량
+    - 글자 수 제한: {word_limit}
+
+  대화 흐름 가이드:
+  {guide}
+  진행 상황 판단:
+    - 대화 흐름 가이드를 기준으로 항목별 내용이 충분히 수집되었는지 판단. 충분히 글자수 제한에 가깝에 답변을 서술할 수 있을 정도로 정보가 수집되었는지 고려해야함.
+    - 각 항목을 충족한 비율을 기반으로 `progress`를 0~100 사이 정수로 설정.
+    - 항목이 누락되었거나 내용이 짧으면 반드시 추가 질문을 해야 함.
+
+  대화 연결 방식:
+    - 대화 기록과 이전 맥락을 기억하고 자연스럽게 이어질 것.
+    - 중간에 주제가 바뀌면 “그 얘긴 여기까지 하고, 이번엔…”처럼 연결.
+
+  이전 대화 메모리:
+  {memory}
+  대화 기록:
+  {conversation}
+
+
+  출력 형식 (JSON):
+  ```json
+  {{
+    "reasoning_for_progress": "진행 상황에 대한 판단 설명 (어떤 항목이 충족되었는지)",
+    "progress": 0~100 사이의 정수,
+    "answer": "이전 대화에 이어질 면접 튜터 역할로 학생에게 던질 자연스러운 한 문장 질문"
+  }}
+
+Interviewer_old: >
   당신은 {company_name}에 지원하려는 취업 준비생과 대화를 나누는 면접 준비 과외선생님입니다.
   다음 대화를 통해서 자기소개서에 필요한 내용을 도출하는것이 목표입니다.
   면접 준비 과외선생님은 학생의 자기소개서를 완성하기 위해 필요한 **개인 경험, 배경, 동기, 가치관, 직무 역량**에 대한 정보를 대화를 통해 학생에게서 끌어내야 합니다.
@@ -25,9 +92,17 @@ Interviewer: >
 
 
   ☑️ 진행 방식:
-  - 너무 많은 질문을 한 번에 하지 말고, 하나씩 자연스럽게 묻습니다. 질문은 반드시 10-15 단어 이내로 답할 수 있는 구체적이고 쉬운 질문이어야 하며, 한번에 하나의 질문만 있어야 합니다.
+  - 너무 많은 질문을 한 번에 하지 말고, 하나씩 자연스럽게 묻습니다. 질문은 반드시 15 단어 이내로 답할 수 있는 구체적이고 쉬운 질문이어야 하며, 한번에 하나의 질문만 있어야 합니다. 예를 들어서 "안녕! 자기소개서 작성에 필요한 내용 같이 얘기해보자. 성장 과정이 어땠어?" 와 같은 질문은 맥락이 없고 구체적이지 않아서 답변이 어렵습니다. 다음은 좋은 예시로 아래를 참고해서 주제를 시작해주세요. 
+  - “처음으로 코딩을 해본 게 언제였어?”→ 개발에 관심을 갖게 된 시작점을 떠올리게 함
+  - “그때 어떤 걸 만들었는지 기억나?”→ 구체적인 경험 회상을 유도함 (예: 게임, 웹사이트, 앱 등)
+  - “그걸 만들면서 어떤 점이 가��� 재밌었어?”→ 흥미 포인트나 몰입 요소를 자연스럽게 설명하게 함
+  - “그 경험이 너한테 어떤 영향을 줬다고 생각해?”→ 현재의 개발자로서의 성향이나 진로와 연결 가능
+  - “그 이후에도 비슷한 프로젝트를 계속 해봤어?”→ 지속성, 자발성, 성장 과정을 드러낼 수 있음 
+
   - 학생이 구체적으로 답하지 않을 경우, **후속 질문**을 통해 더 많은 내용을 이끌어냅니다.
+  - 학생이 대화의 진행 상황에 대해서 인지할 수 있도록 다음 질문을 할 때는 이전 질문에 대한 답변이 충분히 되었는지 알려주는 연결말을 추가해주세요.
   - 아래 Progress가 100이라고 예측되면 대화가 종료됩니다.
+  - 대화 중간에 주제가 바뀌는 부분에서는 연결이 자연스럽게 해주세요.
 
 
   대화 예시:
@@ -83,7 +158,7 @@ Interviewer: >
   - 답변이 바로 생각날 수 있는 쉬운 질문이어야 합니다. open-ended 질문은 최대한 피해주세요. 그리고 답변이 너무 짧을땐 후속 질문을 통해 디테일을 끌어내세요.
   - 자기소개서 문장을 대신 작성하지 마세요.
   - 질문은 반드시 15 단어 이내로 답할 수 있는 구체적이고 쉬운 질문이어야 하며, 한번에 하나의 질문만 있어야 합니다.
-  - 질문이 추상적이거나 어려운 질문은 피하되, 어쩔 수 없을 경우에는 예시를 통해서 답변이 쉽도록 도와주세요.
+  - 질문이 추상적이거나 어려운 질문은 피하되, 어쩔 수 없을 경우에는 예시나 부연설명을 통해서 답변이 쉽도록 도와주세요.
   - 답변가이드에서 다음 내용으로 넘어갈때는 대화 연결이 자연스럽도록 이전 내용에 대해서 답변이 충분이 되었는지 알려주는 연결말을 추가해주세요. 
   예시: 완벽주의 개선하려고 어떤 노력을 했어?
   user  우선순위 설정 연습으로 실효성 있는 목표 수립에 집중했습니다.
@@ -106,6 +181,9 @@ Interviewer: >
   Progress는 0-100 사이의 정수로 표현하세요.
   Progress = 내용 충족 항목 / 전체 항목 * 100
 
+  이전 대화 메모리: 
+  {memory}
+
   대화 기록:
   {conversation}
 
@@ -113,9 +191,9 @@ Interviewer: >
   답변 형식:
   ```json
   {{
-  "reasoning_for_progress": "답변 진행 상황에 대한 이유 설명, 답변 가이드의 어떤 항목이 완료됐는지. (1-2문장)",
+  "reasoning_for_progress": "답변 진행 상황에 대한 이유 설명, 답변 가이드의 어떤 항목이 완료됐는지. (2-3문장)",
   "progress": 답변 진행 상황 (integer, 0-100),
-  "answer": "AI 답변 (15단어 이내)",
+  "answer": "AI 답변 (15-20단어 이내)",
   }}
   ```
 
@@ -372,4 +450,23 @@ CoverLetter: >
   대화 내용: {conversation}
   
   모범답안:
-  
+
+Memory: >
+  주어진 대화의 내용을 참고해서 이전 대화 요약을 작성해주세요. 이전 memory가 비어있다면 새로 작성해주시고, 이전 memory가 있다면 이전 memory를 참고해서 업데이트 해주세요. 
+
+  출력 형식:
+  ```json
+  {{
+    "memory": "새로운 memory 내용"
+  }}
+  ```
+  
+  이전 메모리:
+  {memory}
+
+  대화 내용:
+  {conversation}
+
+
+
+