8. 임베딩 관점에서 검색 실패 진단하기

def why_failed(question, chunks, top=5):
    # 질문과 모든 조각의 유사도를 재서 순위를 본다
    qv = np.array(emb.embed_query(question))
    scored = []
    for c in chunks:
        cv = np.array(emb.embed_query(c.page_content))
        # 코사인 유사도 = 내적 ÷ (길이 × 길이)
        dot_product = np.dot(qv, cv)
        length1 = np.linalg.norm(qv)
        length2 = np.linalg.norm(cv)
        s = float(dot_product / (length1 * length2))
        scored.append((s, c))

    # 점수 높은 순 정렬 (lambda 대신 이름 있는 함수 사용)
    def get_score(pair):
        return pair[0]
    scored.sort(key=get_score, reverse=True)

    print(f"질문: {question}")
    print("-" * 50)
    for s, c in scored[:top]:
        preview = c.page_content[:60].replace("\n", " ")
        print(f"{s:.3f}  [조각{c.metadata['chunk_id']}] {preview}...")
why_failed("반품하고 싶어요", chunks)