📂 backend/retriever/build_index.py

import os
import faiss
import numpy as np
from sentence_transformers import SentenceTransformer

# 1. 사용할 데이터 (기출 문제)
documents = [
    "중개업자가 사무소를 이전할 경우 신고해야 한다.",
    "중개업 등록이 취소된 경우 간판을 철거해야 한다.",
    "중개업자가 사망한 경우 등록이 소멸된다.",
    "공인중개사는 정당한 사유 없이 중개를 거부할 수 없다.",
    "중개보수는 대통령령으로 정한다."
]

# 2. 경로 설정
INDEX_PATH = "./backend/retriever/index.faiss"
DOCS_PATH = "./backend/retriever/docs.npy"

# 3. 임베딩 모델 로드
embedding_model = SentenceTransformer("sentence-transformers/all-MiniLM-L6-v2")

# 4. 문서 임베딩 생성
embeddings = embedding_model.encode(documents)
embeddings = np.array(embeddings).astype('float32')

# 5. FAISS 인덱스 생성
dimension = embeddings.shape[1]
index = faiss.IndexFlatL2(dimension)  # L2 거리 기반 인덱스
index.add(embeddings)

# 6. 인덱스 저장
os.makedirs(os.path.dirname(INDEX_PATH), exist_ok=True)
faiss.write_index(index, INDEX_PATH)
np.save(DOCS_PATH, documents)

print(f"✅ Successfully built FAISS index with {len(documents)} documents!")

cd backend/retriever
python build_index.py