한국 민법 관련 질문에 대해 AI가 민법 조문과 FAQ를 기반으로 정밀하게 답변합니다. LangGraph 기반 도구 체계를 활용하여 질문을 분류하고, 필요 시 FAQ 또는 법률 문서 검색을 수행합니다.
이 프로젝트는 단순한 LLM 응답에 그치지 않고, RAG(Retrieval-Augmented Generation) 아키텍처를 기반으로 민법 조문과 FAQ를 활용한 출처 기반 정밀 답변을 제공합니다.
- LangGraph: 워크플로우 및 도구 기반 에이전트 구성
- LangChain: LLM 연결 및 Retriever 구성
- Pinecone: 벡터 검색 인덱싱 (조문/FAQ)
- OpenAI GPT-4.1: LLM 응답 생성
- Markdown: PDF → Markdown 조문 전처리
이 프로젝트는 Retrieval-Augmented Generation (RAG) 구조를 기반으로 합니다.
- Retrieval: 질문에 관련된 민법 조문 또는 FAQ 문서를 Pinecone을 통해 벡터 검색
- Augmentation: 검색된 문서를 GPT-4.1에 입력값으로 제공
- Generation: 검색 결과를 인용하여 정확한 응답 생성
이를 통해 단순한 LLM 기반 답변보다 근거 기반, 출처 명시형 응답이 가능해집니다.
- 질문 분류: 정의 / 요건 / 절차 / 예외 등으로 자동 분류
- 문서 선택: 민법 외 형법, 판례 등 다양한 법률 문서로 확장 가능
- FAQ 응답: 자주 묻는 질문(FAQ)에 대한 빠르고 정확한 응답
- 조문 검색: 관련 조항을 벡터 검색으로 탐색 후 인용 응답 생성
- 툴 실행 로그: 실행 단계별 로그로 디버깅 및 품질 개선 용이
| Tool 이름 | 설명 |
|---|---|
classify_question |
질문을 정의/요건/절차/비교/일반으로 분류 |
select_document |
문서 선택 (현재는 민법으로 고정) |
check_faq_ver3 |
FAQ 여부 판단 (3가지 전략 중 하이브리드 채택) |
retrieve_law_context |
민법 조문 벡터 검색 수행 |
answer_via_faq |
FAQ 기반으로 즉시 응답 반환 |
| 버전 | 방식 | 정확도 | 속도 | 설명 |
|---|---|---|---|---|
ver1 |
단순 벡터 존재 유무 | 낮음 | 빠름 | context만 있으면 FAQ로 판단 |
ver2 |
LLM 프롬프트 기반 | 높음 | 느림 | LLM이 FAQ 일치 여부를 직접 판단 |
ver3 |
하이브리드 | 중간~높음 | 중간 | context가 충분할 때만 LLM 실행 |
→ 현재 프로젝트에서는 ver3 (하이브리드) 채택
질문 처리 흐름은 LangGraph 노드를 활용한 RAG 파이프라인으로 구성되어 있으며, 외부 문서 검색과 LLM 기반 응답 생성을 결합합니다.
+-----------+
| __start__ |
+-----------+
*
*
*
+----------+
| classify |
+----------+
*
*
*
+------------+
| select_doc |
+------------+
*
*
*
+-----------+
| faq_check |
+-----------+
... ...
. .
.. ..
+------------+ +-----------+
| faq_answer | | law_agent |
+------------+ +-----------+
*** ***
* *
** **
+---------+
| __end__ |
+---------+
CLI와 같은 실사용 흐름을 강조했으므로, 다음처럼 폴더 구조도 시각화하면 이해가 빠릅니다.
project-root/
│
├── py_agent/
│ ├── civil_law_agent.py # 메인 실행 파일
│ ├── faq_uploader.py # FAQ 마크다운 일괄 업로드
│ ├── pdf_to_markdown.py # OCR 없는 PDF 처리
│ ├── pdf_to_markdown_ocr.py # OCR 필요 문서 처리 (Zerox AI)
│
│
├── civil_law_faq.md # FAQ
├── agent_history.log # 로그 기록
├── README.md
│
├── output
│ ├── civil_law_articles.md # 민법 마크다운
│
└── screenshots/
│ ├── ver2.png # CLI 예시 캡처
│ ├── diagram2.png # LangGraph 흐름
│
└── documents
├── all_civil_law.pdf # 민법 원본- pypdf2 기반 처리 (pdf_to_markdown.py)
-> 이미지 포함되지 않은 PDF 대상이므로 OCR 필요 없음
- OCR 필요 pdf (pdf_to_markdown_ocr.py)
-> zerox AI로 OCR 수행
-
faq_uploader_poc.py: 수동으로 텍스트 FAQ 추가
-
faq_uploader.py: 마크다운 FAQ 일괄 등록 테스트 버전
if __name__ == "__main__":
query = "상속 순위는 어떻게 되나요?"
for chunk in law_agent_executor.stream(
{"messages": [HumanMessage(content=query)]}, stream_mode="values"
):
chunk["messages"][-1].pretty_print()
================================ Human Message =================================
상속 순위는 어떻게 되나요?
[DEBUG] messages = [HumanMessage(content='상속 순위는 어떻게 되나요?', additional_kwargs={}, response_metadata={}, id='55212e9b-1aab-4aa9-8216-59498fe3c943')]
[classify_question] 입력: 상속 순위는 어떻게 되나요?
[classify_question] 결과: Definition
[select_document] '상속 순위는 어떻게 되나요?' → civil_law 선택
[check_faq] FAQ 여부 점검 (LLM base): 상속 순위는 어떻게 되나요?
[check_faq] FAQ 존재 → LLM 포맷팅 후 반환
[DEBUG] messages = [{'role': 'user', 'content': '상속 순위는 어떻게 되나요?'}]
[classify_question] 입력: No HumanMessage found in messages.
[retrieve_law_context] question=No HumanMessage found in messages., document=civil_law
[classify_question] 결과: General
[retrieve_law_context] retrieved_docs=5
================================== Ai Message ==================================
상속 순위에 대해 설명드리겠습니다.
민법에 따르면 상속의 순위는 다음과 같습니다:
1. 1순위: 피상속인의 직계비속(자녀, 손자녀 등)과 배우자
2. 2순위: 피상속인의 직계존속(부모, 조부모 등)과 배우자
3. 3순위: 피상속인의 형제자매
4. 4순위: 피상속인의 4촌 이내의 방계혈족
즉, 1순위 상속인이 있으면 2순위 이하 상속인은 상속권이 없습니다. 또한, 배우자는 1순위 또는 2순위 상속인과 공동상속인이 됩니다.
관련 민법 조항: 제1000조(상속의 순위) 등
추가로 궁금한 점이 있으시면 말씀해 주세요!
OPENAI_API_KEY=sk-...
PINECONE_API_KEY=...