o2o-site-AEO/solution/backend/services/external/perplexity.py

"""채널 URL 발견 — 겹들을 엮어 결과를 만드는 자리.

이 파일이 하는 일은 **엮는 것뿐**이다. 고칠 것이 생기면 해당 겹으로 바로 간다:

    무엇을 묻는가      services/prompts/channel_discovery.py   프롬프트·응답 스키마
    어떻게 부르는가    services/llm/perplexity.py              HTTP·타임아웃·인증
    답을 믿을 것인가   services/grounding/channels.py          채널 판정·상세 페이지 필터
    무엇을 돌려주는가  여기                                     호출 → 필터 → 결과 조립

★ Perplexity 응답을 **사실로 쓰지 않는다.** 산출물은 "여기를 보라"는 URL 포인터일 뿐이고,
  사실은 그 URL 을 크롤링해 얻는다. 원문(raw)은 감사·환각 추적용으로 통째로 박제한다.
"""
from dataclasses import dataclass, field

import httpx

from common.logger import LOG
from services.grounding.channels import (
    DiscoveredLink,
    classify_url,
    collect_links,
    filter_links,
    search_count,
)
from services.llm.perplexity import (
    DEFAULT_MAX_TOKENS,
    DEFAULT_MODEL,
    DEFAULT_TIMEOUT,
    PerplexityError,
    PerplexityNotConfigured,
    call,
    is_configured,
)
from services.prompts.channel_discovery import RESPONSE_SCHEMA, SYSTEM_PROMPT, build_prompt

# 후기 유입을 막기 위해 공식 채널 도메인만 검색한다.
SEARCH_DOMAIN_FILTER = [
    "yanolja.com",
    "goodchoice.kr",
    "place.naver.com",
    "map.naver.com",
    "naver.me",
]

# 이 횟수를 넘으면 프롬프트·도메인 필터를 의심한다 — 검색 요금은 토큰 요금과 별도다.
SEARCH_COUNT_WARN_THRESHOLD = 8



@dataclass
class ChannelDiscovery:
    """채널 발견 결과.

    links        : 상세 페이지로 판정돼 살아남은 후보 URL. 동일 업소 검증을 통과해야 크롤링 대상이 된다
    raw          : 응답 원문(본문 + search_results). place_channels.raw 에 통째로 박제한다
    search_count : 이번 호출에서 발생한 검색 횟수 — **검색 요금이 토큰 요금과 별도**라 추적한다
    filtered_out : 걸러낸 URL 과 사유 [(url, reason), ...].
                   ★ 조용히 버리지 않는다 — 운영자가 "왜 이 URL 이 빠졌나"를 볼 수 있어야
                   필터가 과했는지(진짜 채널을 버렸는지) 판단할 수 있다
    """

    links: list[DiscoveredLink] = field(default_factory=list)
    raw: dict = field(default_factory=dict)
    search_count: int = 0
    filtered_out: list[tuple[str, str]] = field(default_factory=list)

    def reason_counts(self) -> dict[str, int]:
        """탈락 사유별 건수. 로그·운영 화면에서 쓴다."""
        counts: dict[str, int] = {}
        for _url, reason in self.filtered_out:
            counts[reason] = counts.get(reason, 0) + 1
        return counts


async def discover_channels(
    name: str,
    address: str | None = None,
    category_hint: str | None = None,
    *,
    model: str = DEFAULT_MODEL,
    include_blogs: bool = False,
    client: httpx.AsyncClient | None = None,
) -> ChannelDiscovery:
    """상호명으로 채널 URL 후보를 찾는다. **URL 발견 전용 — 답변을 사실로 쓰지 마라.**

    돌려주는 URL 은 아직 '이 가게의 것'이라는 보장이 없다. 동일 업소 검증을 통과해
    확정(place_channels.confirmed_at)된 URL 만 크롤링 대상이 된다.

    발견된 URL 중 **상세 페이지가 아닌 것(루트·목록·SEO 랜딩)과 블로그는 걸러낸다.**
    걸러낸 목록은 `filtered_out` 에 사유와 함께 남는다 — 조용히 버리지 않는다.

    args:
        include_blogs : 블로그·카페 URL 도 후보로 남길지. **기본 False** —
                        블로그는 채널이 아니라 후기라 크롤링해도 공식 정보가 아니다

    raises:
        PerplexityNotConfigured : 키 미설정(이 어댑터만 비활성)
        PerplexityError         : 타임아웃·5xx·응답 파싱 불가
    """
    if not (name or "").strip():
        raise PerplexityError("상호명이 비어 있다")

    body = {
        "model": model,
        "messages": [
            {
                "role": "system",
                "content": SYSTEM_PROMPT,
            },
            {"role": "user", "content": build_prompt(name, address, category_hint)},
        ],
        "max_tokens": DEFAULT_MAX_TOKENS,
        "temperature": 0,                              # URL 수집이라 창의성이 해롭다
        "response_format": RESPONSE_SCHEMA,
        "search_domain_filter": SEARCH_DOMAIN_FILTER,  # ★ 야놀자·여기어때·네이버로 한정
    }
    payload = await call(body, client=client)

    found, dropped_raw = collect_links(payload)
    links, dropped_quality = filter_links(found, include_blogs)
    filtered_out = dropped_raw + dropped_quality
    searches = search_count(payload)

    result = ChannelDiscovery(
        links=links, raw=payload, search_count=searches, filtered_out=filtered_out
    )

    # 내부 검색 횟수는 품질·지연 관측값이다. Sonar 과금은 토큰 + 요청 컨텍스트 요금이다.
    usage = payload.get("usage") or {}
    reasons = result.reason_counts()
    reason_text = " ".join(f"{k}{v}" for k, v in sorted(reasons.items())) or "없음"
    LOG.i(
        f"[perplexity] '{name}' 검색={searches}회 발견={len(found)} 통과={len(links)} "
        f"탈락={len(filtered_out)}({reason_text}) tokens={usage.get('total_tokens', '?')}"
    )
    if searches > SEARCH_COUNT_WARN_THRESHOLD:
        LOG.w(
            f"[perplexity] 검색 {searches}회 — 기준({SEARCH_COUNT_WARN_THRESHOLD}회) 초과. "
            f"지연·오탐 후보가 늘 수 있으니 도메인 필터·프롬프트를 확인하라"
        )

    # raw 는 응답 전체를 그대로 둔다 — 나중에 환각 추적에 쓴다(사실 근거로는 쓰지 않는다).
    return result