Metadata-Version: 2.4
Name: thesis-review-agent
Version: 0.1.3
Summary: AI-assisted HWPX thesis citation and reference validation
Requires-Python: >=3.12
Description-Content-Type: text/markdown
Requires-Dist: openai-agents>=0.22.3
Requires-Dist: langgraph>=1.2.11
Requires-Dist: python-hwpx>=6.4.0
Requires-Dist: python-dotenv>=1.0.0
Provides-Extra: dev
Requires-Dist: pytest>=9.0.0; extra == "dev"
Requires-Dist: pytest-asyncio>=1.0.0; extra == "dev"

# Thesis Review Agent

HWPX 논문에서 본문 인용과 참고문헌을 추출하고, AI 분류와 규칙 검증으로 표기 오류 후보를 반환하는 Python 패키지입니다. 반환하는 문서 모델에는 위반 원문을 `<highlight>...</highlight>` 태그로 표시합니다. 입력 HWPX 파일 자체를 수정하거나 수정본 파일을 생성하지는 않습니다.

현재 소스의 패키지 버전은 `0.1.3`입니다(`pyproject.toml` 기준).

검토 보조 도구이므로 결과를 원문 및 적용할 학술 작성 지침과 대조해 확인하세요. AI 분류나 자동 검증은 완전한 학술적 판단을 보장하지 않습니다.

## 설치 및 준비

- Python 3.12 이상
- OpenAI API 키
- 검토할 HWPX 파일

```bash
python -m pip install thesis-review-agent
export OPENAI_API_KEY="your-api-key"
```

이 저장소의 최신 변경을 사용하려면 저장소 루트에서 설치합니다.

```bash
python -m pip install -e .
```

Windows PowerShell에서는 API 키를 다음처럼 설정할 수 있습니다.

```powershell
$env:OPENAI_API_KEY = "your-api-key"
```

실행 환경에서는 `OPENAI_API_KEY`가 필요합니다. 실제 AI 호출을 포함하는 통합 테스트는 기본 테스트 묶음에서는 건너뛰며, 실행하려면 `RUN_AI_INTEGRATION_TESTS=1`도 설정해야 합니다.

기본 모델은 소스 설정(`thesis_review_agent/config/agent_model_config.py`)의 `gpt-6-luna`입니다. AI 호출 시 문장과 참고문헌 등 문서 내용이 API로 전달되고 사용료가 발생할 수 있습니다. 민감한 문서를 처리하기 전 조직의 보안 정책과 API 사용 조건을 확인하세요.

## 바로 사용하기

아래 코드는 파일을 검토하고 문서 모델과 CIT·REF·TYP 위반 후보를 JSON으로 출력합니다. 문서 모델의 문장에는 최종 표시 노드가 삽입한 highlight 태그가 포함됩니다.

```python
import asyncio
import json
from pathlib import Path

from thesis_review_agent import ThesisReviewAgent


async def main() -> None:
    hwpx_bytes = Path("thesis.hwpx").read_bytes()
    agent = ThesisReviewAgent()

    result = await agent.run(hwpx_bytes)
    # 원본 파일 바이트를 제외하고 문서 모델과 분석 결과를 출력합니다.
    payload = result.model_dump(mode="json", exclude={"source_hwpx_bytes"})
    print(json.dumps(payload, ensure_ascii=False, indent=2))


asyncio.run(main())
```

`run()`은 내부 그래프 State 대신 공개 응답 모델인 `ThesisReviewResult`를 반환합니다. `quotation_issues`에는 본문 인용 규칙(CIT) 위반 후보가, `reference_issues`에는 참고문헌 일반 규칙(REF)과 자료유형별 규칙(TYP) 위반 후보가 있습니다. 목록이 비어 있으면 해당 실행에서 위반 후보를 찾지 못했다는 뜻이지, 문서가 모든 기준을 충족한다고 보증하는 것은 아닙니다.

### 실행 모델 지정하기

실행별 `model` 인수로 사용할 모델을 지정할 수 있습니다.

```python
result = await agent.run(hwpx_bytes, model="gpt-6-luna")
```

설정을 생략하면 패키지 기본 모델을 사용합니다.

### 진행 상황 스트리밍

`stream()`은 검토 중 생성되는 진행 메시지와 그래프 업데이트를 순서대로 반환합니다. 각 이벤트는 `mode`, `data` 튜플이며, `mode`는 `custom` 또는 `updates`입니다.

```python
async for mode, data in agent.stream(hwpx_bytes, model="gpt-6-luna"):
    if mode == "custom":
        print(data.get("message", ""))
        if data.get("node_name") == "highlight_violations_node":
            print("표시하지 못한 위반:", data["unmatched_violation_count"])
    elif mode == "updates" and "highlight_violations_node" in data:
        document = data["highlight_violations_node"]["hwpx_model"]
        # document는 highlight 태그가 반영된 최종 문서 모델입니다.
```

`stream()`은 `ThesisReviewResult`를 별도로 반환하지 않습니다. 위 예시처럼 마지막 노드의 업데이트에서 표시된 문서 모델을 확인할 수 있습니다. 최종 공개 응답 전체가 필요하면 `run()`을 사용합니다.

## 결과 읽기

`ThesisReviewResult`는 그래프 State 자체를 반환하지 않고, 사용자가 결과를 확인하거나 후처리할 때 필요한 입력 원본과 분석 결과만 공개합니다. 공개 모델은 `thesis_review_agent.results` 패키지에 클래스별 파일로 분리되어 있고 모두 Pydantic `BaseModel`입니다.

| 응답 필드 | 내용 |
| --- | --- |
| `source_hwpx_bytes` | 입력한 원본 파일 바이트. JSON에서는 Base64 문자열 |
| `document` | 위반 원문에 태그를 삽입한 HWPX 문서 모델(`HwpxModel`) |
| `quotations` | 추출한 인용 원문·저자·연도·인용 분류 결과 |
| `references` | 참고문헌 원문·상위 자료유형·REF 및 유형별 세부 분류·추출 서식 |
| `quotation_issues` | CIT 규칙의 위반 후보 |
| `reference_issues` | REF·TYP 규칙의 위반 후보 |
| `reference_scope_matches` | 본문 인용과 참고문헌의 대응 결과: `matched`, `unmatched`, `undetermined` |

JSON 직렬화에는 `result.model_dump(mode="json")`을 사용합니다. 원본 HWPX 바이트도 기본적으로 포함됩니다. 위 사용 예시처럼 `exclude={"source_hwpx_bytes"}`로 제외하면 문서 모델과 분석 결과만 직렬화합니다.

### 위반 내용과 문서 위치

| 필드 | 의미 |
| --- | --- |
| `rule_id` | 위반 후보의 규칙 ID (`CIT-001`, `REF-021`, `TYP-009` 등) |
| `message` | 위반으로 판단한 이유와 수정 안내 |
| `quotation` | 위반된 본문 인용 문자열. 참고문헌 이슈에서는 `null` |
| `text` | 인용이 포함된 원문 문장 또는 참고문헌 항목 |
| `location` | 원문 위치. 구역·문단·run·content·문장 번호를 사용자용 1부터 시작하는 번호로 제공 |

`reference_scope_matches` 각 항목에는 대조 대상 종류(`reference` 또는 `quotation`), 원문, 비교 가능한 저자·연도, 상태, 대응 원문 목록, 설명, 문서 위치가 들어갑니다. 본문 인용과 참고문헌의 정규화된 첫 저자·연도가 유일하게 일치할 때 매칭합니다. 키가 없거나 중복되어 안전하게 대조할 수 없는 경우에는 AI를 호출하지 않고 `undetermined`로 남깁니다. 따라서 이 대조 단계는 별도의 AI 토큰을 사용하지 않습니다.

`result.has_issues`는 두 이슈 목록 중 하나라도 비어 있지 않은지 나타냅니다. 규칙 ID는 인용 검증의 CIT, 일반 참고문헌 검증의 REF, 자료유형별 참고문헌 검증의 TYP로 구분됩니다.

### highlight 태그가 반영된 문서 읽기

태그는 별도 표시 필드가 아니라 `result.document.sections[].paragraphs[].runs[].contents[].sentences[].text`에 직접 들어갑니다. 텍스트 콘텐츠에만 `sentences`가 있으며 표·각주는 구조가 다릅니다. 문단 단위로 읽으려면 다음과 같이 사용합니다.

```python
if result.document is not None:
    for section in result.document.sections:
        for paragraph in section.paragraphs:
            print(paragraph.text)      # highlight 태그가 포함된 문단 텍스트
            # print(paragraph.raw_text)  # 태그 없는 원문이 필요한 경우
```

예를 들어 다음과 같이 반환됩니다.

```text
본문 인용:
선행 연구 <highlight>(Kim 2020)</highlight>는 다음과 같다.

참고문헌:
<highlight>오동근. (2020). 도서명. 출판사.</highlight>
```

| 위반 종류·상황 | 표시 범위 |
| --- | --- |
| CIT 위반 | 지정된 문맥 안에서 찾은 인용 문자열 |
| 묶음 인용의 재구성된 괄호 문자열 | 괄호 전체가 원문에 없으면 해당 괄호 안 문자열 |
| 인용 문자열을 찾지 못했지만 위반 문맥은 확인됨 | 위반 문맥 전체 |
| REF·TYP 위반 | 위반 참고문헌 항목 전체. REF-002처럼 본문 위치를 가진 위반은 해당 본문 문맥 |
| 제목·주석 누락 등 목록 전체의 문제 | 검증기가 위치로 지정한 대표 항목 |
| 중복되거나 겹치는 위반 | 범위를 합쳐 한 번만 표시 |
| 여러 run·문장 조각에 걸친 항목 | 각 `sentence.text`의 해당 부분마다 태그를 열고 닫음 |
| 위치가 잘못됐거나 위반 원문을 유일하게 찾지 못함 | 태그를 삽입하지 않고 위반 목록은 유지 |

위치 매칭은 위반에 기록된 문서 위치와 해당 문단 원문을 사용합니다. 문서 전체에서 같은 문자열을 찾아 일괄 표시하지 않습니다. 현재 위반 모델에는 정확한 오류 글자 범위가 없으므로 참고문헌의 잘못된 쉼표나 단어 하나만 따로 강조하는 기능은 아닙니다. 찾지 못한 위반 개수는 표시 노드의 진행 이벤트 `unmatched_violation_count`에서 확인할 수 있습니다.

### 태그 삽입 후 원문과 서식 좌표

| 데이터 | 최종 반환 시 기준 |
| --- | --- |
| `sentence.text`, `paragraph.text` | highlight 태그 포함 |
| `sentence.style_ranges` | 태그를 포함한 현재 `sentence.text`의 인덱스. 태그 자체는 서식 범위에서 제외 |
| 텍스트 콘텐츠의 `raw_text`, `paragraph.raw_text` | 태그 삽입 전 원문. `raw_text`가 없던 콘텐츠에는 표시 전 원문을 보관 |
| `sentence.source_start_index`, `source_end_index` | 해당 콘텐츠 `raw_text`의 원문 좌표 |
| 추출·분류 결과와 위반 목록의 원문·서식 | 검증 당시의 태그 없는 원문 기준 |
| `source_hwpx_bytes` | 입력한 원본 파일 그대로 |

따라서 태그를 포함한 `sentence.text`에 원문 좌표인 `source_start_index/source_end_index`를 그대로 적용하면 안 됩니다. 표시 결과는 문서 모델에 반영되며 HWPX 파일의 강조 서식이나 수정본 파일로 저장되지는 않습니다. [표시 노드 상세 안내](thesis_review_agent/graph/nodes/annotation/highlight_violations_node/README.md)에서 위치 매칭과 처리 범위를 확인할 수 있습니다.

## 검증 흐름

```text
HWPX 변환 → 문장 분류
  ├─ 본문 인용 추출·분류
  └─ 참고문헌 추출
       ├─ 자료유형 분류 → 유형별 TYP 검증
       └─ 일반 REF 규칙용 특성 분류
  본문 인용·참고문헌 대응 대조
  TYP 검증·REF 특성 분류·대응 대조 결과 → REF 검증 → CIT 검증
  → highlight_violations_node → 태그가 포함된 문서 모델 반환
```

분류가 필요한 적용 조건이나 자료 특성은 내부 AI 노드에서 판별하고, 해당 분류 결과를 바탕으로 검증 노드가 규칙을 적용합니다. 검증을 모두 마친 다음 표시 노드가 문서 모델의 텍스트를 변경합니다. 표시 노드와 REF-001·002용 대응 대조는 AI를 호출하지 않습니다. 노드별 내부 동작은 [그래프 실행 흐름](thesis_review_agent/graph/README.md), [유형별 TYP 실행 조건](thesis_review_agent/graph/nodes/validation/reference_type_validation_node/README.md), [표시 노드 상세 안내](thesis_review_agent/graph/nodes/annotation/highlight_violations_node/README.md)를 참고하세요.

참고문헌 자료유형 검증은 항목마다 상위 유형과 세부 유형 하나를 선택합니다. 도서·회의·학위논문의 세부 분류는 여러 `is_*` 유형 flag 대신 `material_kind` 하나로 반환합니다. 정기간행물의 독자적 DB도 `periodical_type=dedicated_content_database`로 표현합니다. 선택한 유형에 필요한 규칙들은 함께 적용합니다. 예를 들어 TV 에피소드는 저자 역할과 에피소드 형식을 함께 검사하지만 영화나 팟캐스트 형식은 검사하지 않습니다. [유형별 실행 조건](thesis_review_agent/graph/nodes/validation/reference_type_validation_node/README.md)에서 구체적인 경로를 확인할 수 있습니다.

## 테스트

개발 의존성을 설치한 뒤 기본 테스트를 실행합니다. 이 명령은 네트워크/API를 사용하지 않는 테스트를 실행하고 실제 AI 통합 테스트는 건너뜁니다.

```bash
python -m pip install -e '.[dev]'
python -m pytest
```

실제 HWPX 파일과 OpenAI API로 전체 그래프를 확인하려면 `.env`에 `OPENAI_API_KEY`를 설정하고 다음처럼 실행합니다. 기본 입력 파일은 프로젝트 루트의 `para.hwpx`이며, 다른 파일은 `THESIS_REVIEW_HWPX`로 지정할 수 있습니다.

```bash
RUN_AI_INTEGRATION_TESTS=1 python -m pytest -m integration -s
```

## 제한 사항

- 지원 입력은 HWPX 바이트이며, DOCX/PDF 입력이나 수정본 HWPX 파일 내보내기는 제공하지 않습니다.
- highlight 태그는 반환 문서 모델의 텍스트 표시입니다. 모든 위반이 정확한 글자 단위로 표시되는 것은 아니며, 표시 여부와 무관하게 위반 목록을 함께 확인해야 합니다.
- 추출·분류가 잘못되거나 문서 서식 정보가 충분하지 않으면 위반을 놓치거나 오탐할 수 있습니다.
- 그래프 실행 중 발생한 예외는 호출자에게 전달됩니다.
