인프런 커뮤니티 질문&답변

안녕하세요.
좋은 강의 항상 감사드립니다.

한 가지 문의드리고 싶습니다.
섹션 6의 28강에서 RAG 실행 부분을 실습하던 중,
제 로컬 환경에서는 코드가 에러 없이 정상적으로 실행되었지만
.chroma/esl_topics 폴더가 생성되지 않는 현상이 발생했습니다.

코드 상으로는 os.makedirs(PERSIST_DIR, exist_ok=True) 구문이 있으므로
폴더가 자동으로 생성될 것으로 예상했는데, 실제로는 생성되지 않는 것 같습니다.

혹시 해당 폴더가 생성되는 정확한 경로를 알려주실 수 있을까요?
또는 Windows 환경에서는 위 코드로 폴더가 생성되지 않는 경우가 있는지도 궁금합니다.

확인 부탁드립니다.
감사합니다.

import os
from typing import Type, Optional
from crewai.tools import BaseTool
from pydantic import BaseModel, Field
from env import OPENAI_API_KEY
from langchain_community.vectorstores import Chroma
from langchain_openai import OpenAIEmbeddings, ChatOpenAI
from langchain_community.document_loaders import PyPDFLoader
from langchain.text_splitter import RecursiveCharacterTextSplitter
from langchain.chains import RetrievalQA

os.environ["OPENAI_API_KEY"] = OPENAI_API_KEY

PDF_FILENAME = os.path.join("knowledge", "29ESLConversationTopic.pdf")
PERSIST_DIR = os.path.join(".chroma", "esl_topics")

def qa(question):

    os.makedirs(PERSIST_DIR, exist_ok=True)

    embeddings = OpenAIEmbeddings()

    try:
        has_index = bool(os.listdir(PERSIST_DIR))
    except FileNotFoundError:
        has_index = False

    if has_index:

        vectordb = Chroma(persist_directory=PERSIST_DIR, embedding_function=embeddings)

    else:
        loader = PyPDFLoader(PDF_FILENAME)
        docs = loader.load()

        splitter = RecursiveCharacterTextSplitter(chunk_size=800, chunk_overlap=100)
        chunks = splitter.split_documents(docs)

        vectordb = Chroma.from_documents(chunks, embeddings, persist_directory=PERSIST_DIR)

        retriever = vectordb.as_retriever(search_kwargs={"k": 3})
        llm = ChatOpenAI(model="gpt-4o-mini",temperature=0.3)

        return RetrievalQA.from_chain_type(llm=llm, chain_type="stuff", retriever=retriever).run(question)

class RAGToolInput(BaseModel):
    question: str = Field(description="질문")

class RAGTool(BaseTool):
    name: str = "ESL_Chroma_RAG"
    description: str = "Retrieves from '29 ESL Conversation Topics' PDF via ChromaDB and answers questions."
    args_schema: Type[BaseModel] = RAGToolInput

    def _run(self, question: str):
        try:
            return qa(question)
        except Exception as e:
            return str(e)


rag_tool = RAGTool()