Update rag_system.py

rag_system.py

@@ -12,6 +12,7 @@ from langchain.retrievers import ContextualCompressionRetriever
 from langchain.retrievers.document_compressors import LLMChainExtractor
 from langgraph.graph import Graph
 from langchain_core.runnables import RunnablePassthrough, RunnableLambda
+from langchain.prompts import PromptTemplate
 
 # Load environment variables
 load_dotenv()
@@ -41,11 +42,31 @@ def load_retrieval_qa_chain():
         base_retriever=vectorstore.as_retriever()
     )
 
-    # Create ConversationalRetrievalChain with the new retriever
+    # Define your instruction/prompt
+    instruction = """당신은 RAG(Retrieval-Augmented Generation) 기반 AI 어시스턴트입니다. 다음 지침을 따라 사용자 질문에 답하세요:
+
+1. 검색 결과 활용: 제공된 검색 결과를 분석하고 관련 정보를 사용해 답변하세요.
+2. 정확성 유지: 정보의 정확성을 확인하고, 불확실한 경우 이를 명시하세요.
+3. 간결한 응답: 질문에 직접 답하고 핵심 내용에 집중하세요.
+4. 추가 정보 제안: 관련된 추가 정보가 있다면 언급하세요.
+5. 윤리성 고려: 객관적이고 중립적인 태도를 유지하세요.
+6. 한계 인정: 답변할 수 없는 경우 솔직히 인정하세요.
+7. 대화 유지: 자연스럽게 대화를 이어가고, 필요시 후속 질문을 제안하세요.
+
+항상 정확하고 유용한 정보를 제공하는 것을 목표로 하세요."""
+
+    # Create a prompt template
+    prompt_template = PromptTemplate(
+        input_variables=["context", "question"],
+        template=instruction + "\n\nContext: {context}\n\nQuestion: {question}\n\nAnswer:"
+    )
+
+    # Create ConversationalRetrievalChain with the new retriever and prompt
     qa_chain = ConversationalRetrievalChain.from_llm(
         llm,
         retriever=compression_retriever,
-        return_source_documents=True
+        return_source_documents=True,
+        combine_docs_chain_kwargs={"prompt": prompt_template}
     )
 
     return qa_chain