개요
- 단체 퀴즈방 : 서비스의 접속한 사용자들이 채팅방에 접속하여 퀴즈에 참여
- 퀴즈 생성 : 5분마다 새로운 퀴즈 생성
- 문제 중복을 피하기 위해 1시간 마다 12개의 주제를 생성
- 생성된 주제들은 캐시에 넣어놓고 문제가 생성될 때만 호출하여 사용
- 주제마다 사용 여부를 표시하여 이미 출제된 주제는 제외
의존성
pydantic: 구조화된 출력- 안정적으로 같은 구조의
Json응답을 받기 위한 설정
- 안정적으로 같은 구조의
django.core.cache: 캐시를 사용하여 퀴즈 주제를 확인
import os
import json
import openai
from openai import OpenAI
from pydantic import BaseModel
from operator import itemgetter
from django.core.cache import cache
openai.api_key = os.getenv("OPENAI_API_KEY")
client = OpenAI(api_key=openai.api_key)
캐시 설정
- 캐시에 저장된 주제가 있는지 확인
- 저장된 주제가 있는 경우
- 사용되지 않은
done = False인 주제를 꺼내서 전달 - 선택된 주제를
done = True로 변경하여 캐시 갱신
- 사용되지 않은
def chat_quiz():
cache_key = "chat_quiz"
subjects = cache.get(cache_key)
selected_subject = ""
if subjects:
print(f"\n<--------------캐시 호출-------------->\n")
subject_list = subjects["subjects"]
for subject in subject_list:
if subject["done"] == False:
subject["done"] = True
selected_subject = subject
print(
f"<--------------선택된 주제--------------> \n {selected_subject}\n"
)
break
if selected_subject:
print(f"\n<--------------주제 선택/캐시 적용-------------->\n")
cache.set(cache_key, subjects, timeout=60 * 60)
새로운 주제 생성
- 주제가 모두 사용되어
done = False인 주제가 없는 경우 - 최초 퀴즈 생성인 경우
else:
subjects = None
print(f"\n<--------------주제 모두 사용-------------->\n")
if not subjects:
print(f"\n<--------------캐시 없음/주제 모두 사용-------------->\n")
주제 생성 LLM
Subjects,Subject: 주제 데이터의 형태 설정
# 주제, 난이도 생성 / 한시간에 12개 - 5분에 하나
class Subject(BaseModel):
subject: str
difficulty: str
done: bool # 이미 사용된 주제는 false 처리
class Subjects(BaseModel):
subjects: list[Subject]
prompt = f"""
프로그래밍에 관련된 주제 12개를 생성해줘
어려움
done 은 모두 false
"""
completion = client.beta.chat.completions.parse(
model="gpt-4o", # 조정 필요
messages=[
{"role": "system", "content": prompt},
],
temperature=0.7, # 조정 필요
response_format=Subjects,
)
주제 생성
- 새로운 주제를 생성
- 주제를 선택하여 전달
- 선택된 주제 상태를
done=True로 변경하여 캐시 갱신
subject = completion.choices[0].message.parsed
subject_json = json.dumps(subject.model_dump(), indent=2)
subject_dict = json.loads(subject_json)
print(f"<--------------생성된 주제--------------> \n {subject_dict}\n")
subject_list = subject_dict["subjects"]
print(f"<--------------주제 리스트--------------> \n {subject_list}\n")
for subject in subject_list:
if subject["done"] == False:
subject["done"] = True
selected_subject = subject
print(
f"<--------------선택된 주제--------------> \n {selected_subject}\n"
)
break
cache.set(cache_key, subject_dict, timeout=60 * 60)
퀴즈 생성 LLM
ChatQuiz: 문제, 선택지, 정답으로 구성
class ChatQuiz(BaseModel):
description: str
choices: str
answer: int
prompt = f"""
{selected_subject}
주제를 참고하여 프로그래밍에 관련된 문제를 생성해줘
done : true 로 되어있는 주제는 제외하고 생성
description 은 문제 내용/설명
choices 선택지
answer 정답은 번호
"""
completion = client.beta.chat.completions.parse(
model="gpt-4o", # 조정 필요
messages=[
{"role": "system", "content": prompt},
],
temperature=0.5, # 조정 필요
response_format=ChatQuiz,
)
응답 변환
Json파일로 전달된 응답결과를 Python 딕셔너리로 변환- Websocket 채팅방에서 사용하기 적합한 형태로 변환하여 전달
quiz = completion.choices[0].message.parsed
quiz_json = json.dumps(quiz.model_dump(), indent=2)
quiz_dict = json.loads(quiz_json)
question = f"{quiz_dict['description']} \n\n {quiz_dict['choices']}"
answer = str(quiz_dict['answer'])
return question, answer
Websocket - consumers.py
- 퀴즈를 생성하여 클래스 변수로 설정
class ChatConsumer(AsyncWebsocketConsumer):
pop_quiz_active = False # POP QUIZ 활성화 상태
correct_answer_user = None # 정답을 맞춘 유저
question = ""
quiz_answer = ""
question, quiz_answer = chat_quiz()
print(f"처음 생성된 퀴즈: {question}, 정답: {quiz_answer}")
...