1. 랭체인 이미지 인식 후 처리 마무리

2. fastAPI로 프로젝트 구조 실습 1. 랭체인 이미지 인식 후 처리 마무리 2. fastAPI로 프로젝트 구조 실습
2026-06-15 18:13:05 +09:00
1 parent d6be22857b
commit ccfdac1286
@@ -0,0 +1,23 @@
+<?xml version="1.0" encoding="UTF-8"?>
+<project version="4">
+  <component name="CsvFileAttributes">
+    <option name="attributeMap">
+      <map>
+        <entry key="/data/restaurant_reviews.csv">
+          <value>
+            <Attribute>
+              <option name="separator" value="," />
+            </Attribute>
+          </value>
+        </entry>
+        <entry key="/data/reviews_mixed.csv">
+          <value>
+            <Attribute>
+              <option name="separator" value="," />
+            </Attribute>
+          </value>
+        </entry>
+      </map>
+    </option>
+  </component>
+</project>
@@ -0,0 +1,19 @@
+<?xml version="1.0" encoding="UTF-8"?>
+<project version="4">
+  <component name="PortForwardingSettings">
+    <ports>
+      <entry key="7860">
+        <ForwardedPortInfo>
+          <option name="hostPort" value="7860" />
+          <option name="readOnly" value="false" />
+        </ForwardedPortInfo>
+      </entry>
+      <entry key="7861">
+        <ForwardedPortInfo>
+          <option name="hostPort" value="7861" />
+          <option name="readOnly" value="false" />
+        </ForwardedPortInfo>
+      </entry>
+    </ports>
+  </component>
+</project>
@@ -4,7 +4,7 @@
    <content url="file://$MODULE_DIR$">
      <excludeFolder url="file://$MODULE_DIR$/.venv" />
    </content>
-    <orderEntry type="jdk" jdkName="Python 3.12 (ollama)" jdkType="Python SDK" />
+    <orderEntry type="jdk" jdkName="~/Source/ollama/.venv" jdkType="Python SDK" />
    <orderEntry type="sourceFolder" forTests="false" />
  </component>
 </module>
@@ -0,0 +1,34 @@
+<?xml version="1.0" encoding="UTF-8"?>
+<project version="4">
+  <component name="PyToolsState">
+    <option name="tools">
+      <map>
+        <entry key="black">
+          <value>
+            <ToolEntry />
+          </value>
+        </entry>
+        <entry key="pyrefly">
+          <value>
+            <ToolEntry />
+          </value>
+        </entry>
+        <entry key="pyright">
+          <value>
+            <ToolEntry />
+          </value>
+        </entry>
+        <entry key="ruff">
+          <value>
+            <ToolEntry />
+          </value>
+        </entry>
+        <entry key="ty">
+          <value>
+            <ToolEntry />
+          </value>
+        </entry>
+      </map>
+    </option>
+  </component>
+</project>
@@ -0,0 +1,158 @@
+from langchain_ibm import WatsonxEmbeddings
+from langchain_ibm import ChatWatsonx
+from langchain_core.prompts import ChatPromptTemplate
+from langchain_core.output_parsers import  StrOutputParser
+from langchain_chroma import Chroma
+from langchain_ollama import ChatOllama
+from langchain_core.documents import Document
+from langchain_core.messages import HumanMessage
+from langchain_core.runnables import RunnablePassthrough
+from langchain_text_splitters import RecursiveCharacterTextSplitter
+
+import base64
+import os
+from pathlib import Path
+from dotenv import load_dotenv
+from PIL import Image, ImageEnhance, ImageFilter
+import shutil
+from io import BytesIO
+
+
+#########
+# 모델
+#########
+load_dotenv()
+
+apikey = os.getenv("WATSONX_API_KEY")
+project_id = os.getenv("WATSONX_PROJECT_ID")
+watsonx_ai_url = os.getenv("WATSONX_URL")
+
+watson_llm = ChatWatsonx(
+    model_id="ibm/granite-4-h-small",
+    url=f"{watsonx_ai_url}",
+    api_key=f"{apikey}",
+    project_id=f"{project_id}",
+    max_tokens=2000,
+)
+
+watson_embedding = WatsonxEmbeddings(
+    model_id="ibm/granite-embedding-278m-multilingual",
+    url=f"{watsonx_ai_url}",
+    api_key=f"{apikey}",
+    project_id=f"{project_id}"
+)
+
+vision_llm = ChatOllama(model="minimax-m3:cloud", temperature=0)
+
+parser = StrOutputParser()
+
+print("모델 초기화 완료")
+print(f"LLM : ibm/granite-4-h-small")
+print(f"Embedding : ibm/granite-embedding-278m-multilingual")
+print(f"Vision LLM: minimax-m3:cloud")
+
+
+## 이미지 전처리
+def process_image(image_path):
+    img = Image.open(image_path)
+    img = img.convert("L")
+
+    # 대비 향상
+    img = ImageEnhance.Contrast(img).enhance(2.0)
+
+    # 선명도 향상
+    img = img.filter(ImageFilter.SHARPEN)
+
+    # 이건 안되나?
+    # img = ImageEnhance.Sharpness(img).enhance(1.5)
+
+    # 크기지정 : 처리 속도 최적화
+    img.thumbnail((1024, 1024))
+
+    buffer = BytesIO()
+    img.save(buffer, format="PNG")
+
+    return base64.b64encode(buffer.getvalue()).decode("utf-8")
+
+### vision llm 텍스트 추출
+def extract_text_from_image(image_path):
+    img_b64 = process_image((image_path))
+    message = HumanMessage(
+        content=[
+            {"type": "text", "text": """이 문서의 이미지에서 텍스트를 추출해주세요
+            - 표, 항목, 번호 등 구조를 유지하세요
+            - 읽을 수 없는 부분은 [불명확] 으로 유지하세요.
+            - 이미지 설명 없이 텍스트만 출력하세요.
+            """},
+            {
+                "type": "image_url",
+                "image_url": {'url': f'data:image/jpeg;base64,{img_b64}'},
+            },
+        ]
+    )
+    return vision_llm.invoke([message]).content
+
+## vectorstore 저장
+def build_vectorstore(texts, metadatas):
+    split_docs = RecursiveCharacterTextSplitter(chunk_size=500, chunk_overlap=50)
+
+    # Document()
+    docs = []
+    for text, meta in zip(texts, metadatas):
+        chunks = split_docs.split_text(text)
+        for i, chunk in enumerate(chunks):
+            docs.append(Document(page_content=chunk, metadata={**meta, "chunk_id":i}))
+
+    db_path = "./db/multimodal_db"
+    if Path(db_path).exists():
+        shutil.rmtree(db_path)
+
+    vectorstore = Chroma.from_documents(docs, watson_embedding, persist_directory=db_path)
+
+    return vectorstore
+
+def format_docs(docs):
+    return "\n\n".join(
+        f'[출처 : {d.metadata.get("source", "?")}]\n{d.page_content}' for d in docs)
+
+## rag 체인
+def build_rag_chain(vectorstore):
+    retriever = vectorstore.as_retriever(search_kwargs = {"k": 8})
+
+    rag_prompt = ChatPromptTemplate.from_messages(
+        [
+            (
+                "system",
+                "다음 문서 내용을 참고하여 질문에 답하세요.\n"
+                "문서에 없는 내용은 모른다고 답하세요.\n"
+                "문서 내용 : \n{context}"
+            ),
+            ("human", "{question}")
+        ]
+    )
+
+    parser = StrOutputParser()
+    chain = {"context": retriever | format_docs, "question":RunnablePassthrough()} | rag_prompt | watson_llm | parser
+
+    return chain
+
+def process_documnets(image_paths):
+    texts = []
+    metas = []
+    for path in image_paths:
+        text = extract_text_from_image(path)
+        texts.append(text)
+        metas.append({"source": path})
+
+    return build_vectorstore(texts = texts, metadatas = metas)
+
+if __name__ == "__main__":
+    images = ["./image/receipt1.jpg", "./image/receipt2.jpg", "./image/receipt3.jpg"]
+    vectorstore = process_documnets(images)
+    rag_chain = build_rag_chain(vectorstore)
+
+    question  = ['총 금액은 얼마인가요?', "날짜가 언제인가요?"]
+
+    for q in question:
+        print(f"Q: {q}")
+        print(f"A: {rag_chain.invoke(q)}\n")
@@ -19,12 +19,15 @@
   "metadata": {
    "collapsed": true,
    "ExecuteTime": {
-     "end_time": "2026-06-09T08:40:13.650962123Z",
-     "start_time": "2026-06-09T08:40:09.151285584Z"
+     "end_time": "2026-06-15T03:06:07.002963942Z",
+     "start_time": "2026-06-15T03:06:05.360626592Z"
    }
   },
   "source": [
    "import base64\n",
+    "\n",
+    "from jedi.inference import analysis\n",
+    "from langchain_core import documents\n",
    "from langchain_ibm import WatsonxEmbeddings\n",
    "from langchain_ibm import ChatWatsonx\n",
    "\n",
@@ -41,23 +44,14 @@
    "from langchain_core.documents import Document\n",
    "from langchain_core.messages import HumanMessage"
   ],
-   "outputs": [
-    {
-     "name": "stderr",
-     "output_type": "stream",
-     "text": [
-      "/home/cooney/Source/.venv/lib/python3.12/site-packages/tqdm/auto.py:21: TqdmWarning: IProgress not found. Please update jupyter and ipywidgets. See https://ipywidgets.readthedocs.io/en/stable/user_install.html\n",
-      "  from .autonotebook import tqdm as notebook_tqdm\n"
-     ]
-    }
-   ],
-   "execution_count": 1
+   "outputs": [],
+   "execution_count": 3
  },
  {
   "metadata": {
    "ExecuteTime": {
-     "end_time": "2026-06-09T08:40:13.666828279Z",
-     "start_time": "2026-06-09T08:40:13.654303979Z"
+     "end_time": "2026-06-15T03:06:07.012203786Z",
+     "start_time": "2026-06-15T03:06:07.003754555Z"
    }
   },
   "cell_type": "code",
@@ -71,13 +65,13 @@
   ],
   "id": "27bd39a0da002140",
   "outputs": [],
-   "execution_count": 2
+   "execution_count": 4
  },
  {
   "metadata": {
    "ExecuteTime": {
-     "end_time": "2026-06-09T08:40:17.037718935Z",
-     "start_time": "2026-06-09T08:40:13.668291706Z"
+     "end_time": "2026-06-15T03:06:09.243124960Z",
+     "start_time": "2026-06-15T03:06:07.013041549Z"
    }
   },
   "cell_type": "code",
@@ -107,7 +101,7 @@
   ],
   "id": "1b23141c1b60154a",
   "outputs": [],
-   "execution_count": 3
+   "execution_count": 5
  },
  {
   "metadata": {},
@@ -118,8 +112,8 @@
  {
   "metadata": {
    "ExecuteTime": {
-     "end_time": "2026-06-09T08:40:17.084968096Z",
-     "start_time": "2026-06-09T08:40:17.063355507Z"
+     "end_time": "2026-06-15T03:06:09.262869259Z",
+     "start_time": "2026-06-15T03:06:09.252393224Z"
    }
   },
   "cell_type": "code",
@@ -132,13 +126,13 @@
   ],
   "id": "637e09cdf9c78eee",
   "outputs": [],
-   "execution_count": 4
+   "execution_count": 6
  },
  {
   "metadata": {
    "ExecuteTime": {
-     "end_time": "2026-06-09T08:40:17.236651215Z",
-     "start_time": "2026-06-09T08:40:17.091569162Z"
+     "end_time": "2026-06-15T03:06:09.329919223Z",
+     "start_time": "2026-06-15T03:06:09.264035014Z"
    }
   },
   "cell_type": "code",
@@ -168,13 +162,13 @@
   ],
   "id": "a1114bd96f354025",
   "outputs": [],
-   "execution_count": 5
+   "execution_count": 7
  },
  {
   "metadata": {
    "ExecuteTime": {
-     "end_time": "2026-06-09T08:41:42.833366570Z",
-     "start_time": "2026-06-09T08:41:20.436085763Z"
+     "end_time": "2026-06-15T03:06:21.590918755Z",
+     "start_time": "2026-06-15T03:06:09.330837660Z"
    }
   },
   "cell_type": "code",
@@ -185,25 +179,30 @@
     "name": "stdout",
     "output_type": "stream",
     "text": [
-      "content='이미지에는 **고양이**가 보입니다. 구체적인 특징을 살펴보면:\\n\\n- **갈색 줄무늬 고양이(태비)**로, 회색과 갈색이 섞인 줄무늬 무늬를 가지고 있습니다.\\n- **아름다운 청록색(옅은 파란색)의 눈동자**이 매우 인상적입니다.\\n- 고양이가 **입을 살짝 벌리고** 있어서 마치 울려고 하거나 야옹거릴 것 같은 표정을 짓고 있습니다.\\n- **긴 흰색 수염**이 양옆으로 길게 뻗어 있습니다.\\n- 고양이는 **나무 바닥** 위에 있는 것처럼 보이며, 따뜻한 **오렌지색 톤의 나무 결**이 배경에 드러나 있습니다.\\n- 위에서 내려다보는 각도로 촬영되어 고양이의 얼굴이 화면을 가득 채우고 있습니다.\\n\\n전체적으로 아기자기하면서도 고양이의 생기 넘치는 표정이 잘 포착된 사진입니다. 🐱' additional_kwargs={} response_metadata={'model': 'minimax-m3', 'created_at': '2026-06-09T08:41:42.722793354Z', 'done': True, 'done_reason': 'stop', 'total_duration': 21061167608, 'load_duration': None, 'prompt_eval_count': 511, 'prompt_eval_duration': None, 'eval_count': 237, 'eval_duration': None, 'logprobs': None, 'model_name': 'minimax-m3', 'model_provider': 'ollama'} id='lc_run--019eab8b-199f-7811-bea5-c25c73d68d14-0' tool_calls=[] invalid_tool_calls=[] usage_metadata={'input_tokens': 511, 'output_tokens': 237, 'total_tokens': 748}\n"
+      "content='이 이미지에서는 카메라를 올려다보는 고양이가 보입니다. 주요 특징은 다음과 같습니다:\\n\\n- **품종**: 얼룩무늬 고양이(태비)로, 회색, 검은색, 갈색이 섞인 줄무늬 패턴을 가지고 있습니다.\\n- **눈**: 크고 둥근 밝은 청록색/연한 녹색 눈동자로, 위쪽에서 비스듬히 내려다보는 각도로 촬영되었습니다.\\n- **표정**: 입이 살짝 벌어져 있어 마치 울거나 야옹하는 것처럼 보이며, 작은 이빨이 살짝 보입니다.\\n- **수염**: 길고 곧은 흰색 수염이 양쪽으로 뻗어 있습니다.\\n- **배경**: 따뜻한 톤의 나무 바닥이나 가구 위에 있는 것으로 보입니다.\\n\\n전체적으로 아기자기하면서도 약간 놀라 보이거나 무언가를 요구하는 듯한 표정의 고양이 클로즈업 사진입니다.' additional_kwargs={} response_metadata={'model': 'minimax-m3', 'created_at': '2026-06-15T03:06:21.490583355Z', 'done': True, 'done_reason': 'stop', 'total_duration': 11626185191, 'load_duration': None, 'prompt_eval_count': 511, 'prompt_eval_duration': None, 'eval_count': 231, 'eval_duration': None, 'logprobs': None, 'model_name': 'minimax-m3', 'model_provider': 'ollama'} id='lc_run--019ec93e-624f-7b11-89b0-cd5aabe517b3-0' tool_calls=[] invalid_tool_calls=[] usage_metadata={'input_tokens': 511, 'output_tokens': 231, 'total_tokens': 742}\n"
     ]
    }
   ],
   "execution_count": 8
  },
  {
-   "metadata": {},
+   "metadata": {
+    "ExecuteTime": {
+     "end_time": "2026-06-15T03:06:21.612768204Z",
+     "start_time": "2026-06-15T03:06:21.600081143Z"
+    }
+   },
   "cell_type": "code",
   "source": "#### 2. URL 이미지",
   "id": "79877a4f0166e70d",
   "outputs": [],
-   "execution_count": null
+   "execution_count": 9
  },
  {
   "metadata": {
    "ExecuteTime": {
-     "end_time": "2026-06-09T08:42:15.301506904Z",
-     "start_time": "2026-06-09T08:41:45.482282423Z"
+     "end_time": "2026-06-15T03:06:57.034661130Z",
+     "start_time": "2026-06-15T03:06:21.613674680Z"
    }
   },
   "cell_type": "code",
@@ -233,34 +232,34 @@
    {
     "data": {
      "text/plain": [
-       "'# 고양이 품종 분석\\n\\n이미지의 고양이는 **시베리안(Siberian)** 또는 **노르웨이 숲고양이(Norwegian Forest Cat)**로 보입니다. 특히 풍성한 이중 피모(double coat)와 체형으로 미루어 **시베리안 고양이**일 가능성이 높습니다.\\n\\n## 🐱 품종 특징\\n\\n### 외모\\n- **풍성한 장모**: 추운 서식지 환경에 적응한 이중 구조의 털\\n- **색상**: 화이트와 그레이의 클래릭 터비(고등어) 패턴\\n- **눈**: 크고 둥근 눈, 황금색~녹색 계열\\n- **체형**: 중대형의 다부진 몸매, 굵은 뼈대\\n\\n### 성격적 특징\\n- **온화하고 친근한 성격**: \"고양이계의 골든 리트리버\"라고 불릴 정도로 사람 친화적\\n- **높은 지능**: 문제 해결 능력이 뛰어나고 훈련이 잘 됨\\n- **사교적**: 다른 반려동물이나 아이들과도 잘 어울림\\n- **활발함**: 운동 능력이 뛰어나고 놀이를 좋아함\\n- **물에 대한 친화력**: 대부분의 고양이와 달리 물을 무서워하지 않음\\n\\n### 건강 관련\\n- **알레르기 저감형**: 다른 고양이 품종에 비해 **Fel d 1 단백질** 분비량이 적어 알레르기 반응이 적다고 알려져 있음\\n- **평균 수명**: 12~15년\\n- **유전 질환이 적어** 비교적 건강한 편\\n\\n### 역사\\n시베리안 고양이는 러시아 시베리아 지역이 원산지로, 수백 년 이상 야생에서 살아온 고양이가 길들여진 품종입니다. 자연 환경에 적응하며 진화한 대표적 토종 고양이 중 하나입니다.'"
+       "'# 🐱 고양이 품종 분석\\n\\n이미지에 보이는 고양이는 **장모종(Long-haired breed)** 의 새끼 고양이로 보입니다.\\n\\n## 추정 품종\\n\\n### 1. 시베리안 고양이 (Siberian Cat)\\n가장 가능성이 높은 품종입니다.\\n- **러시아 원산**의 자연산 출생 품종\\n- 풍성한 이중 모피(Double coat)\\n- 추운 기후에 적응한 풍성한 꼬리(브러시 테일)\\n\\n### 2. 노르웨이 숲고양이 (Norwegian Forest Cat)\\n가능성이 있는 대체 품종\\n- **북유럽(노르웨이) 원산**\\n- 비슷한 외형의 대형 장모종\\n\\n### 3. 메인쿤 (Maine Coon)\\n가능성 있음\\n- 미국 원산의 대형 품종\\n- 귀 끝에 술(lynx tips)이 있는 것이 특징\\n\\n## 외형적 특징\\n\\n| 특징 | 설명 |\\n|------|------|\\n| **털 색깔** | 그레이 & 화이트 이색(Bicolor) |\\n| **모피** | 길고 부드러운 장모, 이중 코트 |\\n| **귀** | 크고 뾰족하며 끝에 작은 술이 있음 |\\n| **눈** | 크고 둥글며 밝은 색(황록색) |\\n| **체형** | 통통하고 근육질, 강건한 골격 |\\n| **꼬리** | 매우 풍성한 브러시 형태 |\\n\\n## 성격적 특징 (장모종 공통)\\n\\n- 🌟 **온화하고 친근한 성격**\\n- 🧠 **높은 지능과 호기심**\\n- 💧 **물을 좋아하는 편** (대부분의 고양이와 다름)\\n- 👨\\u200d👩\\u200d👧 **가족에게 애착이 강함**\\n- 🐾 **활동적이고 장난기 많음**\\n\\n## 관리 포인트\\n\\n- **정기적인 빗질**: 매일 1회, 털 엉킴 방지\\n- **철저한 위생 관리**: 장모는 배변 후 엉덩이 털 관리가 필요\\n- **운동 공간 확보**: 대형 품종으로 충분히 뛰어놀 수 있는 공간 필요\\n- **식단 관리**: 풍성한 모피 유지를 위한 고단백질 사료\\n\\n이처럼 사랑스럽고 아름다운 새끼 고양이는 성격이 매우 좋고, 가족과 함께하면 훌륭한 반려동물이 될 것입니다! 💕'"
      ]
     },
-     "execution_count": 9,
+     "execution_count": 10,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
-   "execution_count": 9
+   "execution_count": 10
  },
  {
   "metadata": {
    "ExecuteTime": {
-     "end_time": "2026-06-09T08:42:15.314335059Z",
-     "start_time": "2026-06-09T08:42:15.303693807Z"
+     "end_time": "2026-06-15T03:06:57.059273077Z",
+     "start_time": "2026-06-15T03:06:57.045190160Z"
    }
   },
   "cell_type": "code",
   "source": "#### 3. OCR",
   "id": "9549854d2a4d9c89",
   "outputs": [],
-   "execution_count": 10
+   "execution_count": 11
  },
  {
   "metadata": {
    "ExecuteTime": {
-     "end_time": "2026-06-09T08:42:15.335585069Z",
-     "start_time": "2026-06-09T08:42:15.316787126Z"
+     "end_time": "2026-06-15T03:06:57.080602805Z",
+     "start_time": "2026-06-15T03:06:57.060282470Z"
    }
   },
   "cell_type": "code",
@@ -275,13 +274,13 @@
   ],
   "id": "32f3f6d75760fcec",
   "outputs": [],
-   "execution_count": 11
+   "execution_count": 12
  },
  {
   "metadata": {
    "ExecuteTime": {
-     "end_time": "2026-06-09T08:49:33.136027357Z",
-     "start_time": "2026-06-09T08:49:09.992205257Z"
+     "end_time": "2026-06-15T03:07:15.435586589Z",
+     "start_time": "2026-06-15T03:06:57.083111604Z"
    }
   },
   "cell_type": "code",
@@ -297,7 +296,7 @@
    "\n",
    "message = HumanMessage(\n",
    "        content = [\n",
-    "            {\"type\":\"text\", \"text\":\"이 문서의 텍스트를 추출해주세요\"},\n",
+    "            {\"type\":\"text\", \"text\":\"이 문서의 이미지에서 텍스트를 추출해주세요\"},\n",
    "            {\"type\":\"image_url\", \"image_url\":{'url':f'data:image/jpeg;base64,{img_b64}'}},\n",
    "\n",
    "        ]\n",
@@ -315,50 +314,58 @@
      "# 문서 텍스트 추출\n",
      "\n",
      "## 미래로봇추진단(서울 근무)\n",
-      "### S/W개발 - 시스템 소프트웨어\n",
+      "### S/W개발 - 시스템/소프트웨어\n",
      "\n",
      "---\n",
      "\n",
-      "### 포지션 소개 (Job Overview)\n",
+      "**포지션 소개 (Job Overview)**\n",
      "휴머노이드 로봇의 실시간 제어 시스템 및 소프트웨어 플랫폼을 개발하는 직무입니다. 운영체제 환경 구성, 디바이스 드라이버, 실시간 제어 프레임워크 등 로봇 동작의 핵심 기반이 되는 소프트웨어를 설계 및 개발하며, 하드웨어 설계 조직 및 AI 연구 조직과 긴밀히 협업합니다.\n",
      "\n",
-      "### 수행업무 (Job Details)\n",
+      "---\n",
+      "\n",
+      "**수행업무 (Job Details)**\n",
      "- 휴머노이드 로봇의 실시간 제어 프레임워크를 설계하고 개발합니다.\n",
-      "- 로봇, 센서 등 로봇 하드웨어 제어를 위한 디바이스 드라이버 및 하드웨어 추상화 계층을 개발합니다.\n",
-      "- 로봇 제어를 운영체제(Linux 기반 실시간 OS 등) 환경을 구성하고 시스템 성능을 최적화합니다.\n",
+      "- 로보, 센서 등 로봇 하드웨어 제어를 위한 디바이스 드라이버 및 하드웨어 추상화 계층을 개발합니다.\n",
+      "- 로봇 제어를 운영체제(Linux 기반 실시간 OS 등) 환경에 구성하고 시스템 성능을 최적화합니다.\n",
      "- 유관 부서와 협업하여 로봇 조직 등 시 기능과 제어 시스템 간 연동 미들웨어를 개발합니다.\n",
      "\n",
-      "### 자격요건 (Requirements)\n",
+      "---\n",
+      "\n",
+      "**자격요건 (Requirements)**\n",
      "- 컴퓨터, 전기·전자, 기계, 로봇공학 등 관련 전공을 하신 분\n",
      "- 운영체제 기반 개념에 대한 이해도를 보유하신 분\n",
      "- 요구사항을 분석하여 소프트웨어를 구조적으로 설계 및 구현하는 역량을 보유하신 분\n",
      "- 다양한 분야의 엔지니어와 적극적으로 소통하며 협업할 수 있는 역량을 보유하신 분\n",
      "\n",
-      "### 우대사항 (Preferences)\n",
+      "---\n",
+      "\n",
+      "**우대사항 (Preferences)**\n",
      "- C/C++ 기반 시스템 프로그래밍 역량을 보유하신 분\n",
      "- Linux 기반 임베디드 시스템 개발 경험을 보유하신 분 (Kernel, Device Driver, BSP 등)\n",
      "- CAN, EtherCAT, UDP 등 하드웨어 통신 프로토콜 활용 경험을 보유하신 분\n",
      "- ROS2 기반 로봇제어 소프트웨어 수행 경험을 보유하신 분\n",
      "- Git 기반 협업 및 CI/CD 환경에서의 개발 경험을 보유하신 분\n",
      "\n",
-      "### 커리어 비전 (Career Vision)\n",
-      "휴머노이드 로봇의 초기 개발 단계부터 참여하여 핵심 개발자로 성장할 수 있습니다. 실시간 제어, 시스템 아키텍처, 로봇 미들웨어 등 다양한 경험을 통해 로봇제어 시스템 SW 전문가, 나아가 시스템 아키텍트로의 커리어 확장이 가능합니다.\n",
+      "---\n",
+      "\n",
+      "**커리어 비전 (Career Vision)**\n",
+      "휴머노이드 로봇의 초기 개발 단계부터 참여하여 핵심 개발자로 성장할 수 있습니다. 실시간 제어, 시스템 아키텍처, 로봇 미들웨어 등 다양한 경험을 통해 로봇틱스 시스템 SW 전문가, 나아가 시스템 아키텍트로의 커리어 확장이 가능합니다.\n",
      "\n",
      "---\n",
      "\n",
-      "> **\"휴머노이드의 미래를 함께 실현할 분을 찾습니다\"**\n",
+      "> **\"휴머노이드의 미래를 함께 설계할 분을 찾습니다\"**\n",
      "> \n",
-      "> 로봇이 인공적으로 동작하기 위한 소프트웨어 기반을 함께 만들어 가며, 도전적인 기술 과제를 즐기는 분의 지원을 환영합니다.\n"
+      "> 로봇이 인정적으로 동작하기 위한 소프트웨어 기반을 함께 만들어가자. 도전적인 기술 과제를 즐기는 분의 지원을 환영합니다.\n"
     ]
    }
   ],
-   "execution_count": 17
+   "execution_count": 13
  },
  {
   "metadata": {
    "ExecuteTime": {
-     "end_time": "2026-06-09T08:58:04.822594430Z",
-     "start_time": "2026-06-09T08:58:04.802857234Z"
+     "end_time": "2026-06-15T03:07:15.454781421Z",
+     "start_time": "2026-06-15T03:07:15.444138572Z"
    }
   },
   "cell_type": "code",
@@ -381,13 +388,13 @@
   ],
   "id": "d184430da51ccc36",
   "outputs": [],
-   "execution_count": 20
+   "execution_count": 14
  },
  {
   "metadata": {
    "ExecuteTime": {
-     "end_time": "2026-06-09T08:58:41.448285681Z",
-     "start_time": "2026-06-09T08:58:04.941406663Z"
+     "end_time": "2026-06-15T03:07:32.850368373Z",
+     "start_time": "2026-06-15T03:07:15.455557487Z"
    }
   },
   "cell_type": "code",
@@ -401,68 +408,67 @@
     "name": "stdout",
     "output_type": "stream",
     "text": [
-      "# 두 제품의 비교 분석\n",
+      "# 두 제품 비교 분석\n",
      "\n",
-      "## 📦 제품 1: 냉장고 (이미지 1)\n",
+      "## 🖼️ 이미지 1: 냉장고 (4도어 프렌치 도어형)\n",
      "\n",
-      "| 항목 | 내용 |\n",
-      "|------|------|\n",
-      "| **제품 유형** | 4도어 프렌치 도어 냉장고 |\n",
-      "| **외관 색상** | 화이트/크림 베이지 톤 |\n",
-      "| **구조** | 상단 2도어 + 하단 2도어 (중앙 검은색 손잡이 바) |\n",
-      "| **용도** | 식료품 보관 (냉동/냉장) |\n",
-      "| **소재** | 금속 외관, 매트한 마감 |\n",
-      "| **공간 배치** | 부엌에 독립적으로 설치 |\n",
+      "### 주요 특징\n",
+      "- **구조**: 4도어 프렌치 도어 디자인 (상단 2개 + 하단 2개)\n",
+      "- **색상**: 화이트 / 크림색\n",
+      "- **디자인**: 미니멀하고 깔끔한 라인\n",
+      "- **디스플레이**: 중앙에 검은색 디지털 디스플레이 패널\n",
+      "- **바퀴**: 하단 조절 가능한 발\n",
      "\n",
-      "## 🍽️ 제품 2: 식탁/테이블 (이미지 2)\n",
-      "\n",
-      "| 항목 | 내용 |\n",
-      "|------|------|\n",
-      "| **제품 유형** | 4인용 다용도 식탁 (다이닝 테이블) |\n",
-      "| **외관 색상** | 화이트 대리석 무늬 상판 + 블랙/골드 다리 |\n",
-      "| **구조** | 직사각형 상판 + 4개의 슬림 다리 |\n",
-      "| **용도** | 식사, 작업, 다용도 테이블 |\n",
-      "| **소재** | 석재/대리석 패턴 (MDF 또는 천연석 추정) + 금속 다리 |\n",
-      "| **공간 배치** | 거실/다이닝 공간에 배치 |\n",
+      "### 용도\n",
+      "주방용 대형 가전제품 (식품 보관)\n",
      "\n",
      "---\n",
      "\n",
-      "## 🔍 핵심 차이점 비교\n",
+      "## 🖼️ 이미지 2: 식탁 / 다이닝 테이블\n",
      "\n",
-      "### 1️⃣ **기능적 차이**\n",
-      "- **냉장고**: 식품 보관·냉각이라는 **단일 기능성 가전**\n",
-      "- **식탁**: 식사·작업·소통이 이루어지는 **생활 중심 가구**\n",
+      "### 주요 특징\n",
+      "- **소재**: 대리석 (화이트 + 그레이 veins) 상판\n",
+      "- **다리**: 검은색/다크 컬러 + 골드(Gold) 팁\n",
+      "- **형태**: 직사각형, 라운드 코너 처리\n",
+      "- **구조**: 모던한 4각 다리형\n",
+      "- **수납**: 하단 선반 구조\n",
      "\n",
-      "### 2️⃣ **디자인 철학**\n",
-      "- **냉장고**: 미니멀하고 깔끔한 모노톤, 현대 주방 인테리어에 맞춤\n",
-      "- **식탁**: 모던 럭셔리 스타일, 대리석 + 골드 디테일로 **고급스러움 강조**\n",
-      "\n",
-      "### 3️⃣ **사용 맥락**\n",
-      "- **냉장고**: 매일 사용되는 필수 가전 (실용성 중심)\n",
-      "- **식탁**: 가족 모임, 게스트 접대 등 **라이프스타일 연출**\n",
-      "\n",
-      "### 4️⃣ **가격대**\n",
-      "- **냉장고**: 일반적으로 4도어 모델은 **200~500만 원대** 이상\n",
-      "- **식탁**: 소재와 브랜드에 따라 **30~200만 원대**로 다양\n",
-      "\n",
-      "### 5️⃣ **공간 점유**\n",
-      "- **냉장고**: 벽면 붙박이로 수직 공간 활용\n",
-      "- **식탁**: 공간 중앙에 위치하며 **수평적 공간 활용**\n",
+      "### 용도\n",
+      "거실/식당/다이닝 공간 가구\n",
      "\n",
      "---\n",
      "\n",
-      "## 💡 공통점\n",
-      "두 제품 모두 **미니멀한 화이트 톤**으로 통일되어 있어 모던한 인테리어에 적합하며, 깔끔하고 세련된 실내 공간을 연출하는 데 기여하는 **생활 필수 아이템**입니다.\n"
+      "## 📊 핵심 차이점 비교\n",
+      "\n",
+      "| 구분 | 냉장고 | 식탁 |\n",
+      "|------|--------|------|\n",
+      "| **카테고리** | 가전제품 | 가구 |\n",
+      "| **소재** | 금속/플라스틱 | 대리석 + 금속 |\n",
+      "| **용도** | 식품 보관·냉각 | 식사·작업 공간 |\n",
+      "| **크기** | 대형 (약 180cm+) | 중형 (140~180cm) |\n",
+      "| **가격대** | 고가 (100만원~) | 중~고가 |\n",
+      "| **색감** | 모노톤 화이트 | 화이트+블랙+골드 |\n",
+      "| **디자인 스타일** | 미니멀 모던 | 럭셔리 모던 |\n",
+      "\n",
+      "---\n",
+      "\n",
+      "## 🎨 공통점\n",
+      "- **모던한 디자인**: 두 제품 모두 현대적인 인테리어에 어울리는 깔끔한 스타일\n",
+      "- **화이트 톤**: 밝고 깨끗한 인상을 주는 화이트 계열\n",
+      "- **고급스러움**: 프리미엄 제품군의 디자인 철학\n",
+      "\n",
+      "## 💡 인테리어 활용\n",
+      "두 제품 모두 **모던 미니멀** 또는 **럭셔리 모던** 스타일 주방에 잘 어울리며, 화이트 톤의 통일성으로 공간의 시너지를 극대화할 수 있습니다.\n"
     ]
    }
   ],
-   "execution_count": 21
+   "execution_count": 15
  },
  {
   "metadata": {
    "ExecuteTime": {
-     "end_time": "2026-06-09T08:59:26.775983373Z",
-     "start_time": "2026-06-09T08:58:56.843217983Z"
+     "end_time": "2026-06-15T03:08:00.503202012Z",
+     "start_time": "2026-06-15T03:07:32.869952272Z"
    }
   },
   "cell_type": "code",
@@ -480,57 +486,328 @@
      "\n",
      "## 📊 차트 1: 최근 6개월 전체 화장품 수출 추이\n",
      "\n",
-      "| 기간 | 수출액(억 달러) | YoY 증감률 |\n",
-      "|------|----------------|-----------|\n",
+      "| 기간 | 수출액(백만$) | YoY 증감률 |\n",
+      "|------|---------------|------------|\n",
      "| 25년 12월 | 883.7 | +10.2% |\n",
-      "| 26년 1월 | 841.6 | **+33.7%** (최고점) |\n",
-      "| 26년 2월 | 752.1 | +1.7% (최저점) |\n",
+      "| 26년 1월 | 841.6 | **+33.7%** (최고) |\n",
+      "| 26년 2월 | 752.1 | +1.7% (최저) |\n",
      "| 26년 3월 | 960.4 | +23.0% |\n",
      "| 26년 4월 | **1,096.3** (최고 수출액) | +21.7% |\n",
-      "| 26년 5월(1~20일) | 671.1 | **-16.0%** (마이너스 전환) |\n",
+      "| 26년 5월(1~20일) | 671.1 | **-16.0%** (전월 대비 급락) |\n",
      "\n",
      "## 📊 차트 2: 5월 1~20일 주요 국가별 일평균 수출액\n",
      "\n",
-      "| 국가 | 일평균 수출액(백만 달러) | YoY 증감률 |\n",
-      "|------|-------------------------|-----------|\n",
-      "| 중화권(중국) | 13.13 | **+76.4%** |\n",
-      "| 유럽 | 11.14 | +61.3% |\n",
+      "| 국가 | 일평균 수출액(백만$) | YoY 증감률 |\n",
+      "|------|---------------------|------------|\n",
+      "| 중화권(중국) | 13.13 | **+76.4%** (최고) |\n",
      "| 미국 | 11.66 | +40.3% |\n",
+      "| 유럽 | 11.14 | +61.3% |\n",
      "| 동남아 | 4.91 | +22.0% |\n",
-      "| 일본 | 약 3.10 | **-14.1%** |\n",
+      "| 일본 | 3.xx | **-14.1%** (유일한 마이너스) |\n",
      "\n",
      "---\n",
      "\n",
      "## 🔍 주요 변화 추이 분석\n",
      "\n",
-      "### 1. **4월까지 성장 → 5월 급격한 반전**\n",
-      "- 1~4월 동안 꾸준한 성장세(YoY +21~34%)를 유지하며 4월에 **사상 최고치 1,096.3억 달러**를 기록\n",
-      "- 그러나 5월(1~20일)에 들어 **YoY -16.0%로 마이너스 전환**되며 성장세 급격히 둔화\n",
+      "### 1️⃣ **전체 수출의 5월 급격한 반전**\n",
+      "- 1~4월은 두 자릿수 성장(YoY +20~33%)을 유지하며 **우상향 흐름**이었으나, 5월(1~20일) 들어 **-16% 마이너스 성장**으로 전환\n",
+      "- 4월 대비 약 425백만$ 감소하며 **6개월 중 최저 수출액** 기록\n",
      "\n",
-      "### 2. **국가별 양극화 현상**\n",
-      "- **📈 신흥 시장 강세**: 중화권(+76.4%), 유럽(+61.3%), 미국(+40.3%) 등 주요 시장에서 고른 성장\n",
-      "- **📉 일본 시장 침체**: 유일하게 마이너스(-14.1%)를 기록하며 전체 수출액 둔화의 주요 원인으로 작용\n",
+      "### 2️⃣ **국가별 양극화 현상**\n",
+      "- ✅ **호조**: 중화권(76.4%), 유럽(61.3%), 미국(40.3%) 등 신흥·대형 시장은 여전히 고성장 지속\n",
+      "- ❌ **악화**: 일본은 유일한 마이너스(-14.1%) 국가로, **일·중 갈등 리스크**(수출 규제 등)가 직접적 영향으로 작용한 것으로 추정\n",
      "\n",
-      "### 3. **성장 동력의 재편**\n",
-      "- 종전에는 일본이 주요 화장품 수출 대상국이었으나, 일본 시장 위축이 전체 지표에 영향\n",
-      "- **중화권·유럽·미국 중심의 수출 구조 재편**이 가속화되는 흐름\n",
+      "### 3️⃣ **시장 다변화 효과**\n",
+      "- 5월 전체 수출 급감에도 **중국·유럽·미국** 비중이 절대적(1일 평균 11백만$ 이상)이라, 일본 위축이 전체 실적을 끌어내린 구조\n",
+      "- 중화권 일평균 수출액(13.13M$)이 전체 5월 실적의 약 **39%**(671.1M$ ÷ 20일 = 33.6M$ 기준)를 차지\n",
      "\n",
-      "### 4. **시사점**\n",
-      "- 5월 마이너스 전환은 **일본 시장 감소**가 가장 큰 영향 요인\n",
-      "- 단, 5월은 1~20일(부분 집계) 기간이므로 **후반부 회복 여부** 추가 모니터링 필요\n",
-      "- 한·중·일 관계 변화, 환율, 관세 등 외부 변수 영향 지속 점검 요구됨\n"
+      "### 4️⃣ **핵심 인사이트**\n",
+      "> 📌 **\"성장 동력은 견고하나, 지정학적 리스크 노출도 확대\"**\n",
+      "> - 美·유럽·중국의 K-뷰티 수요는 여전히 강력\n",
+      "> - 그러나 **일본 1개국의 감소**가 전체 수치를 마이너스로 전환시킬 정도로 **일본 시장 의존도 리스크**가 부각\n",
+      "> - 향후 **대일 수출 정상화 여부**가 6월 이후 실적 반등의 핵심 변수가 될 전망\n",
+      "\n",
+      "---\n",
+      "\n",
+      "**요약**: 두 차트를 종합하면, 2026년 상반기 화장품 수출은 **1~4월 고성장 → 5월 급락**의 V자 변동을 보였으며, 이는 **신흥 시장 확대(긍정)**와 **일본 시장 위축(부정)**의 상반된 요인이 결합된 결과로 해석됩니다.\n"
     ]
    }
   ],
-   "execution_count": 24
+   "execution_count": 16
+  },
+  {
+   "metadata": {},
+   "cell_type": "markdown",
+   "source": [
+    "### 멀티모달\n",
+    "    - 이미지 기반 문서 분석 시스템"
+   ],
+   "id": "9687a7578057efa4"
+  },
+  {
+   "metadata": {
+    "ExecuteTime": {
+     "end_time": "2026-06-15T03:32:32.239301275Z",
+     "start_time": "2026-06-15T03:32:32.212206906Z"
+    }
+   },
+   "cell_type": "code",
+   "source": [
+    "# 이미지 => 설명문 생성\n",
+    "\n",
+    "def image_to_caption(image_path):\n",
+    "    img_b64 = encode_image(image_path)\n",
+    "    message = HumanMessage(\n",
+    "        content = [\n",
+    "        {\"type\":\"image_url\", \"image_url\":{'url':f'data:image/jpeg;base64,{img_b64}'}},\n",
+    "        {\"type\":\"text\", \"text\": \"\"\"\n",
+    "        이 이미지를 검색용 설명문으로 요약하세요.\n",
+    "        200자 이내로 작성하세요.\n",
+    "        핵심 객체와 텍스트만 포함하세요.\n",
+    "\"\"\"}\n",
+    "        ]\n",
+    "    )\n",
+    "    return vision_llm.invoke([message]).content"
+   ],
+   "id": "972db1f4ffac7c6f",
+   "outputs": [],
+   "execution_count": 32
+  },
+  {
+   "metadata": {
+    "ExecuteTime": {
+     "end_time": "2026-06-15T03:32:43.666106534Z",
+     "start_time": "2026-06-15T03:32:32.758731810Z"
+    }
+   },
+   "cell_type": "code",
+   "source": [
+    "caption = image_to_caption('./image/chart1.png')\n",
+    "caption"
+   ],
+   "id": "5b60e8a76d1a4d47",
+   "outputs": [
+    {
+     "data": {
+      "text/plain": [
+       "'최근 6개월 화장품 수출액 및 전년동기 대비(YoY) 증감률 추이를 보여주는 막대·선 혼합 차트. 25년 12월부터 26년 5월(1~20일)까지 수출액은 752.1~1096.3백만 달러 범위, YoY는 33.7%에서 -16%까지 변동. 4월 수출액 1096.3백만 달러로 최고, 5월 -16%로 최저 성장률 기록.'"
+      ]
+     },
+     "execution_count": 33,
+     "metadata": {},
+     "output_type": "execute_result"
+    }
+   ],
+   "execution_count": 33
+  },
+  {
+   "metadata": {
+    "ExecuteTime": {
+     "end_time": "2026-06-15T03:32:43.681737845Z",
+     "start_time": "2026-06-15T03:32:43.668688923Z"
+    }
+   },
+   "cell_type": "code",
+   "source": [
+    "# Document\n",
+    "\n",
+    "def build_multimodal_index(image_dir:str, text_docs:list[Document]):\n",
+    "    all_docs = list(text_docs)\n",
+    "\n",
+    "    # image_dir 안 파일 가져오기\n",
+    "    image_files = list(Path(image_dir).glob(\"*.{jpg, jpeg, png}\"))\n",
+    "\n",
+    "    # 캡션 생성 => Document => 임베딩\n",
+    "    for img_path in image_files:\n",
+    "        caption = image_to_caption(image_path = img_path)\n",
+    "\n",
+    "        doc = Document(page_content=caption, metadata={\n",
+    "            \"source\" : str(img_path),\n",
+    "            \"type\" : \"image\",\n",
+    "            \"image_path\" : str(img_path)\n",
+    "        })\n",
+    "        all_docs.append(doc)\n",
+    "\n",
+    "    Chroma.from_documents(all_docs, watson_embedding, persist_directory=\"./db/multimodal_db\")"
+   ],
+   "id": "96b45e3ca155e9ab",
+   "outputs": [],
+   "execution_count": 34
+  },
+  {
+   "metadata": {
+    "ExecuteTime": {
+     "end_time": "2026-06-15T03:32:43.691778483Z",
+     "start_time": "2026-06-15T03:32:43.682586147Z"
+    }
+   },
+   "cell_type": "code",
+   "source": [
+    "# 검색결과에 이미지 포함 여부 확인\n",
+    "\n",
+    "def search_with_images(vectorstore, query):\n",
+    "    results = vectorstore.similarity_search_with_relevance_scores(query, k=5)\n",
+    "    text_results = [doc for doc, score in results if doc.metadata.get(\"type\") != 'image']\n",
+    "    image_results = [doc for doc, score in results if doc.metadata.get(\"type\") == 'image']\n",
+    "    print(f\"텍스트 결과 : {len(text_results)}, 이미지 결과 {len(image_results)}\")\n",
+    "    return text_results, image_results"
+   ],
+   "id": "8d26ef630c80b820",
+   "outputs": [],
+   "execution_count": 35
+  },
+  {
+   "metadata": {
+    "ExecuteTime": {
+     "end_time": "2026-06-15T03:32:44.606069502Z",
+     "start_time": "2026-06-15T03:32:43.694865760Z"
+    }
+   },
+   "cell_type": "code",
+   "source": [
+    "image_doc = Document(\n",
+    "    page_content=caption,\n",
+    "    metadata = {\"type\" : \"image\", \"image_path\":\"./image/chart1.png\"}\n",
+    ")\n",
+    "\n",
+    "docs = [\n",
+    "    Document(\n",
+    "        page_content=\"2025년 매출은 증가했다.\"\n",
+    "    ),\n",
+    "    image_doc\n",
+    "]\n",
+    "\n",
+    "build_multimodal_index(\"./image\", docs)"
+   ],
+   "id": "a8beb26afaf51f76",
+   "outputs": [],
+   "execution_count": 36
+  },
+  {
+   "metadata": {
+    "ExecuteTime": {
+     "end_time": "2026-06-15T03:32:46.252600621Z",
+     "start_time": "2026-06-15T03:32:44.616669574Z"
+    }
+   },
+   "cell_type": "code",
+   "source": [
+    "vectorstore = Chroma(embedding_function=watson_embedding, persist_directory=\"./db/multimodal_db\")\n",
+    "\n",
+    "results = vectorstore.similarity_search(\"매출 추세\", k=3)\n",
+    "\n",
+    "for r in results:\n",
+    "    print(r.page_content)"
+   ],
+   "id": "16976c61e211677c",
+   "outputs": [
+    {
+     "name": "stdout",
+     "output_type": "stream",
+     "text": [
+      "2025년 매출은 증가했다.\n",
+      "2024년 분기별 매출 현황 막대그래프. Q1 120백만원(파랑), Q2 185백만원(초록), Q3 160백만원(주황), Q4 230백만원(빨강)으로 Q4가 최고치를 기록. 상단 좌측에 \"Q4 매출액 최고치\" 데이터 분석 메모 포함. 단위는 백만원.\n",
+      "최근 6개월 화장품 수출액 및 전년동기 대비(YoY) 증감률 추이를 보여주는 막대·선 혼합 차트. 25년 12월부터 26년 5월(1~20일)까지 수출액은 752.1~1096.3백만 달러 범위, YoY는 33.7%에서 -16%까지 변동. 4월 수출액 1096.3백만 달러로 최고, 5월 -16%로 최저 성장률 기록.\n"
+     ]
+    }
+   ],
+   "execution_count": 37
+  },
+  {
+   "metadata": {
+    "ExecuteTime": {
+     "end_time": "2026-06-15T03:32:46.278685884Z",
+     "start_time": "2026-06-15T03:32:46.264136623Z"
+    }
+   },
+   "cell_type": "code",
+   "source": [
+    "def multimodal_answer(vectorstore, question):\n",
+    "    text_results, image_results = search_with_images(vectorstore = vectorstore, query = question)\n",
+    "\n",
+    "    # 텍스트 결과 하나의 컨텍스트로 생성\n",
+    "    text_context = \"\\n\\n\".join([r.page_content for r in text_results])\n",
+    "\n",
+    "    # 이미지로 검색된 경우\n",
+    "    image_context = \"\"\n",
+    "    referenced_images = []\n",
+    "    for img_doc in image_results[:3]:\n",
+    "        img_path = img_doc.metadata.get(\"image_path\")\n",
+    "\n",
+    "        img_b64 = encode_image(img_path)\n",
+    "        analysis = vision_llm.invoke([\n",
+    "            HumanMessage(\n",
+    "                content=[\n",
+    "                    {\"type\": \"image_url\", \"image_url\": {'url': f'data:image/jpeg;base64,{img_b64}'}},\n",
+    "                    {\"type\": \"text\", \"text\": f\"이 이미지에서 다음 질문과 관련된 내용을 설명하세요: {question}\"}\n",
+    "                ]\n",
+    "            )\n",
+    "        ]).content\n",
+    "\n",
+    "        image_context += f\"[이미지 분석: {img_path}]\\n{analysis}\\n\\n\"\n",
+    "        referenced_images.append(img_path)\n",
+    "\n",
+    "    # 최종 답변\n",
+    "    combined_context = text_context + \"\\n\\n\" + image_context\n",
+    "\n",
+    "    final_prompt = ChatPromptTemplate.from_messages([\n",
+    "        (\"system\", \"다음은 텍스트와 이미지 분석 결과를 참고하여 질문에 대한 답변입니다.\\n\\n{context}\"),\n",
+    "        (\"human\", \"{question}\")\n",
+    "    ])\n",
+    "\n",
+    "    parser = StrOutputParser()\n",
+    "    chain = final_prompt | watson_llm | parser\n",
+    "\n",
+    "    answer = chain.invoke({\n",
+    "        \"context\": combined_context,\n",
+    "        \"question\": question\n",
+    "    })\n",
+    "\n",
+    "    return {\"answer\" : answer, \"images\": referenced_images}"
+   ],
+   "id": "4a82feae327cb3a1",
+   "outputs": [],
+   "execution_count": 38
+  },
+  {
+   "metadata": {
+    "ExecuteTime": {
+     "end_time": "2026-06-15T03:33:23.098722925Z",
+     "start_time": "2026-06-15T03:32:46.280058605Z"
+    }
+   },
+   "cell_type": "code",
+   "source": "multimodal_answer(vectorstore, \"최근 6개월 전체 화장품 수출액?\")",
+   "id": "e0dbe6998b4f75fd",
+   "outputs": [
+    {
+     "name": "stdout",
+     "output_type": "stream",
+     "text": [
+      "텍스트 결과 : 2, 이미지 결과 2\n"
+     ]
+    },
+    {
+     "data": {
+      "text/plain": [
+       "{'answer': '최근 6개월 전체 화장품 수출액은 약 52억 달러입니다. 이는 6개월 동안의 월별 수출액을 합산한 결과입니다.',\n",
+       " 'images': ['./image/chart1.png', 'sample_images/sales_chart_2024.jpg']}"
+      ]
+     },
+     "execution_count": 39,
+     "metadata": {},
+     "output_type": "execute_result"
+    }
+   ],
+   "execution_count": 39
  },
  {
   "metadata": {},
   "cell_type": "code",
-   "outputs": [],
-   "execution_count": null,
   "source": "",
-   "id": "972db1f4ffac7c6f"
+   "id": "bce01c1bf17b40e1",
+   "outputs": [],
+   "execution_count": null
  }
 ],
 "metadata": {
@@ -0,0 +1,43 @@
+import gradio as gr
+from multimodal import multimodal_answer, search_with_images, build_multimodal_index
+from image_analyzer import process_documnets, build_rag_chain
+
+vectorstore = None
+rag_chain = None
+
+def upload_and_process(files):
+    global vectorstore, rag_chain
+
+    if not files:
+        return "파일을 업로드해주세요."
+
+    paths = [f.name for f in files]
+    vectorstore = process_documnets(files)
+    rag_chain = build_rag_chain(vectorstore)
+
+    return  f"{len(paths)}개 문서 처리 완료!! 질문하세요"
+
+def answer_question(question):
+    if rag_chain is None:
+        return "먼저 문서를 업로드 해 주세요."
+
+    return rag_chain.invoke(question)
+
+with gr.Blocks(title="이미지 기반 문서 분석 시스템") as app:
+    gr.Markdown("# 이미지 기반 문서 분석 시스템")
+    gr.Markdown("스캔 문서, 영수증, 계약서 이미지를 업로드하면 질문할 수 있습니다.")
+
+    with gr.Row():
+        file_input = gr.File(label="문서 이미지 업로드", file_types=[".jpg", ".jpeg", ".png", ".webp"], file_count="multiple",)
+        status_bar = gr.Textbox(label="처리 상태", lines=3)
+
+    upload_btn = gr.Button("문서 분석 시작", variant="primary")
+    upload_btn.click(fn=upload_and_process, inputs=[file_input], outputs=[status_bar])
+
+    gr.Markdown("---")
+    question = gr.Textbox(label="질문 입력", placeholder="문서에서 찾고 싶은 내용을 입력하세요.")
+    answer_box = gr.Textbox(label="답변", lines=8)
+    ask_btn = gr.Button("질문하기")
+    ask_btn.click(fn=answer_question, inputs=[question], outputs=[answer_box])
+
+app.launch()
@@ -0,0 +1,281 @@
+from langchain_ibm import WatsonxEmbeddings
+from langchain_ibm import ChatWatsonx
+from langchain_core.prompts import ChatPromptTemplate
+from langchain_core.output_parsers import  StrOutputParser
+from langchain_chroma import Chroma
+from langchain_ollama import ChatOllama
+from langchain_core.documents import Document
+from langchain_core.messages import HumanMessage
+
+import base64
+import os
+from pathlib import Path
+from dotenv import load_dotenv
+from PIL import Image, ImageDraw, ImageFont
+import shutil
+
+#########
+# 모델
+#########
+load_dotenv()
+
+apikey = os.getenv("WATSONX_API_KEY")
+project_id = os.getenv("WATSONX_PROJECT_ID")
+watsonx_ai_url = os.getenv("WATSONX_URL")
+
+watson_llm = ChatWatsonx(
+    model_id="ibm/granite-4-h-small",
+    url=f"{watsonx_ai_url}",
+    api_key=f"{apikey}",
+    project_id=f"{project_id}",
+    max_tokens=2000,
+)
+
+watson_embedding = WatsonxEmbeddings(
+    model_id="ibm/granite-embedding-278m-multilingual",
+    url=f"{watsonx_ai_url}",
+    api_key=f"{apikey}",
+    project_id=f"{project_id}"
+)
+
+vision_llm = ChatOllama(model="minimax-m3:cloud", temperature=0)
+
+parser = StrOutputParser()
+
+print("모델 초기화 완료")
+print(f"LLM : ibm/granite-4-h-small")
+print(f"Embedding : ibm/granite-embedding-278m-multilingual")
+print(f"Vision LLM: minimax-m3:cloud")
+
+
+#########
+# 이미지 유틸리티 함수
+#########
+
+def encode_image(image_path:str)->str:
+    """
+    이미지 파일을 Base64 문자열로 인코딩
+    """
+    path = Path(image_path)
+
+    if not path.exists():
+        raise FileNotFoundError(f"파일이 존재하지 않습니다. : {image_path}")
+
+    with open(image_path, "rb") as f:
+        return base64.b64encode(f.read()).decode("utf-8")
+
+#########
+# 샘플 테스트 데이터
+#########
+
+def create_sample_images(image_dir = "./sample_images"):
+    os.makedirs(image_dir, exist_ok =True)
+
+    # 기본 이미지 생성
+    img1 = Image.new("RGB", (600, 400), color = (255, 255, 255))
+    draw = ImageDraw.Draw(img1)
+
+    draw.text((180, 20), "2024 분기별 매출 현황 (억원)", fill=(30, 30, 30))
+
+    bars = [
+        ("Q1", 120, (70, 130, 180)),
+        ("Q2", 185, (60, 179, 113)),
+        ("Q3", 160, (255, 165, 0)),
+        ("Q4", 230, (255, 50, 50)),
+    ]
+    bar_w, base_y = 80, 330
+
+    for i, (label, val, color) in enumerate(bars):
+        x = 80 + i * 130
+        h = val
+        draw.rectangle([x, base_y - h, x + bar_w, base_y], fill=color)
+        draw.text((x + 20, base_y - h - 20), f"{val}억", fill=(30, 30, 30))
+        draw.text((x+25, base_y + 5), label, fill=(30, 30, 30))
+    draw.line([(60, 50), (60, base_y)], fill=(0, 0, 0), width=2)
+    draw.line([(60, base_y), (500, base_y)], fill=(0, 0, 0), width=2)
+    draw.text((10, 15), "상승 추세 : Q4 최고치 달성", fill=(0,0,0))
+
+    img1.save(f"{image_dir}/sales_chart_2024.jpg")
+    print(f"생성 : {image_dir}/sales_chart_2024.jpg")
+
+    return image_dir
+
+def create_sample_text_docs():
+    """테스트용 샘플 텍스트 문서 생성"""
+    docs = [
+        Document(
+            page_content="""
+            2024년 연간 매출 보고서 요약
+            
+            당사의 2024년 전체 매출은 695억원으로, 전년 대비 23% 성장을 달성했습니다.
+            1분기(Q1) 120억원, 2분기(Q2) 185억원, 3분기(Q3) 160억원, 4분기(Q4) 230억원
+            기록했으며, Q4에 최고치를 달성했습니다.
+            
+            주요 성장요인:
+            - 신제품 Pro-XL 출시로 인한 프리미엄 라인 매출 확대
+            - 해외 수출 비중 15% ~ 28% 증가
+            - 온라인 채널 전환으로 마진율 개선
+            
+            4분기 실적은 연말 프로모션과 신규 파트너십 체결 효과로 큰 폭 상승했습니다.
+            """,
+            metadata = {
+                "source": "annual_report_2024.txt",
+                "type": "text",
+                "category": "재무"
+            }
+        )
+    ]
+
+    return docs
+
+def image_to_caption(image_path):
+    """
+    이미지를 설명 텍스트로 변환
+    Vision LLM이 이미지를 분석하여 검색 간으한 텍스트 설명 생성
+    """
+    img_b64 = encode_image(image_path)
+    message = HumanMessage(
+        content = [
+            {"type":"image_url", "image_url":{'url':f'data:image/jpeg;base64,{img_b64}'}},
+            {"type":"text", "text": """
+            이 이미지를 검색용 설명문으로 요약하세요.
+            200자 이내로 작성하세요.
+            핵심 객체와 텍스트만 포함하세요.
+"""}
+        ]
+    )
+    return vision_llm.invoke([message]).content
+
+def build_multimodal_index(image_dir:str, text_docs:list[Document]):
+    """
+    이미지 폴더의 모든 이미지들을 캡셔닝하여 텍스트 문서와 함께 벡터 인덱스 구축
+    """
+    all_docs = list(text_docs)
+
+    # image_dir 안 파일 가져오기
+    # image_files = list(Path(image_dir).glob("*.{jpg, jpeg, png}"))
+    valid_extensions = {".jpg", ".jpeg", ".png", ".webp", ".JPG", ".JPEG", ".PNG"}
+    image_files = [
+        p for p in Path(image_dir).rglob("*")
+        if p.suffix in valid_extensions
+    ]
+
+    if not image_files:
+        print(f"{image_dir}에 이미지를 찾지 못했습니다..")
+    else:
+        print(f"이미지 캡셔닝 {len(image_files)}개")
+
+    # 캡션 생성 => Document => 임베딩
+    for img_path in image_files:
+        caption = image_to_caption(image_path=img_path)
+
+        doc = Document(page_content=caption, metadata={
+            "source": str(img_path),
+            "type": "image",
+            "image_path": str(img_path)
+        })
+        all_docs.append(doc)
+
+    # 기존 DB 삭제
+    db_path = "./db/multimodal_db"
+    if Path(db_path).exists():
+        shutil.rmtree(db_path)
+
+    return Chroma.from_documents(all_docs, watson_embedding, persist_directory=db_path)
+
+def search_with_images(vectorstore, query):
+    """
+    벡터 검색 결과를 텍스트/이미지 결과로 분리하여 반환
+    """
+    results = vectorstore.similarity_search_with_relevance_scores(query, k=5)
+    text_results = [doc for doc, score in results if doc.metadata.get("type") != 'image']
+    image_results = [doc for doc, score in results if doc.metadata.get("type") == 'image']
+    print(f"텍스트 결과 : {len(text_results)}, 이미지 결과 {len(image_results)}")
+    return text_results, image_results
+
+def multimodal_answer(vectorstore, question):
+    """
+    특스트 + 이미지 검색 결과를 통합하여 멀티모달 최종 답변 생성
+    args:
+        vectorstore: Chroma 벡터 스토어
+        question: 사용자 질문
+
+    return "
+    {"answer" : str, "images": list[srt]}
+    """
+    text_results, image_results = search_with_images(vectorstore = vectorstore, query = question)
+
+    # 텍스트 결과 하나의 컨텍스트로 생성
+    text_context = "\n\n".join([r.page_content for r in text_results])
+
+    # 이미지로 검색된 경우
+    image_context = ""
+    referenced_images = []
+    for img_doc in image_results[:3]:
+        img_path = img_doc.metadata.get("image_path")
+
+        img_b64 = encode_image(img_path)
+        analysis = vision_llm.invoke([HumanMessage(
+        content = [
+        {"type":"image_url", "image_url":{'url':f'data:image/jpeg;base64,{img_b64}'}},
+        {"type":"text", "text": f"이 이미지에서 다음 질문과 관련된 내용을 설명하세요: {question}"}
+        ])
+    ]).content
+
+        image_context += f"[이미지 분석: {img_path}]\n{analysis}\n\n"
+        referenced_images.append(img_path)
+
+    # 최종 답변
+    combined_context = text_context + "\n\n" + image_context
+
+    final_prompt = ChatPromptTemplate.from_messages([
+        ("system", "다음은 텍스트와 이미지 분석 결과를 참고하여 질문에 대한 답변입니다.\n\n{context}"),
+        ("human", "{question}")
+    ])
+
+    parser = StrOutputParser()
+    chain = final_prompt | watson_llm | parser
+
+    answer = chain.invoke({
+        "context": combined_context,
+        "question": question
+    })
+
+    return {"answer" : answer, "images": referenced_images}
+
+
+#########
+# 기존 벡터스토어 로드 함수
+#########
+
+def load_or_build_vectorstore(image_dir, text_docs, db_path="./db/multimodal_db", force_rebuild=False):
+    """
+    이미 벡터스토어가 존재하면 로드하고, 없으면 새로 구축
+    """
+    if not force_rebuild and Path(db_path).exists():
+        print(f"기존 멀티모달 DB 로드 완료: {db_path}")
+        return Chroma(embedding_function=watson_embedding, persist_directory=db_path)
+
+    return build_multimodal_index(image_dir, text_docs)
+
+
+if __name__ == "__main__":
+    IMAGE_DIR = "./sample_images"
+    # 샘플 이미지 생성
+    create_sample_images(IMAGE_DIR)
+    # 샘플 텍스트 생성
+    text_docs = create_sample_text_docs()
+    # 벡터스토어(인덱스) 생성
+    vectorstore = load_or_build_vectorstore(image_dir=IMAGE_DIR, text_docs=text_docs, force_rebuild=False)
+    # vectorstore = load_or_build_vectorstore(IMAGE_DIR, text_docs, "./db", False)
+
+    print("\n")
+    print("=" * 60)
+    print("질의 응답 테스트")
+    print("=" * 60)
+    result = multimodal_answer(vectorstore, "매출 차트의 추세는?")
+    print(result["answer"])
+
+    if result["images"]:
+        for img_path in result["images"]:
+            print(img_path)