[Phase 4] feat(ai): 법률 RAG 근거 답변 생성

backend-ai/app/clients/llm_client.py

@@ -1,11 +1,12 @@
 from app.graph.state import AgentState, Intent
+from app.rag.prompts import format_legal_context
 
 
 class LLMClient:
     """GMS LLM API boundary.
 
-    This stub keeps tests deterministic. The public method signature should stay
-    stable when the real GMS API spec is wired in.
+    The current implementation stays deterministic for tests. The public method
+    signature should remain stable when the live LLM call is wired in.
     """
 
     def generate_answer(self, state: AgentState) -> str:
@@ -14,12 +15,29 @@ def generate_answer(self, state: AgentState) -> str:
             count = len(state.get("properties", []))
             return f"조건에 맞는 매물 {count}개를 찾았습니다."
         if intent == Intent.LEGAL_CONSULT:
-            count = len(state.get("legal_cards", []))
-            return f"관련 법령 근거 {count}개를 확인했습니다. 실제 계약 전에는 전문가 검토도 함께 권장합니다."
+            return generate_legal_answer(state)
         if intent == Intent.PRICE_ANALYSIS:
-            return "선택한 매물 또는 지역의 실거래가를 기준으로 시세 적정성을 분석할 수 있습니다."
+            return "선택한 매물 또는 지역의 실거래가를 기준으로 시세 적정성을 분석했습니다."
         if intent == Intent.SAFETY_ANALYSIS:
-            return "주변 안전시설 밀도와 안전 점수를 기준으로 생활 안전성을 분석할 수 있습니다."
+            return "주변 안전시설 반경과 안전 점수를 기준으로 생활 안전성을 분석했습니다."
         if intent == Intent.HUG_CALC:
-            return "HUG 보증 간이 계산은 1.5차 범위입니다. MVP에서는 관련 조건 안내까지만 제공합니다."
+            return "HUG 보증 가입 계산은 1.5차 범위입니다. MVP에서는 관련 조건 안내까지만 제공합니다."
         return "질문 의도를 조금 더 구체화해 주세요. 매물 추천, 법률 상담, 시세 분석, 안전 분석을 도와드릴 수 있습니다."
+
+
+def generate_legal_answer(state: AgentState) -> str:
+    legal_cards = state.get("legal_cards", [])
+    if not legal_cards:
+        return (
+            "검색된 법령 근거가 없습니다. 질문을 조금 더 구체화하거나 계약서와 상황을 정리해 "
+            "전문가 검토를 받아보는 것을 권장합니다."
+        )
+
+    legal_context = format_legal_context(legal_cards)
+
+    return (
+        "검색된 법령 근거를 바탕으로 답변드리면 다음과 같습니다.\n\n"
+        + legal_context
+        + "\n\n위 조항은 질문 상황을 판단할 때 참고할 수 있는 근거입니다. "
+        "실제 계약 체결이나 분쟁 대응 전에는 계약서 원문과 사실관계를 가지고 전문가 검토를 받는 것을 권장합니다."
+    )

backend-ai/app/rag/prompts.py

@@ -9,3 +9,30 @@
 Use Spring Boot tool results for property, price, and safety data.
 Do not invent listings or legal facts.
 """
+
+
+def format_legal_context(legal_cards: list[dict], max_cards: int = 3) -> str:
+    if not legal_cards:
+        return "No retrieved legal references."
+
+    lines: list[str] = []
+    for index, card in enumerate(legal_cards[:max_cards], 1):
+        law_name = card.get("lawName", "")
+        article_no = card.get("articleNo", "")
+        title = card.get("title", "")
+        content = card.get("content", "")
+        lines.append(f"[{index}] {law_name} {article_no} - {title}\n{content}")
+    return "\n\n".join(lines)
+
+
+def build_legal_rag_prompt(question: str, legal_cards: list[dict]) -> str:
+    context = format_legal_context(legal_cards)
+    return "\n\n".join(
+        [
+            LEGAL_RAG_SYSTEM_PROMPT.strip(),
+            f"User question:\n{question.strip()}",
+            f"Retrieved legal references:\n{context}",
+            "Answer in Korean. Cite the law name and article number from the retrieved references. "
+            "Add a short explanation and recommend 전문가 검토 for real contracts.",
+        ]
+    )

backend-ai/tests/test_agent_chat.py

@@ -81,6 +81,7 @@ def retrieve(self, query: str, top_k: int = 3) -> list[dict]:
     assert body["answer"]
     assert len(body["legalCards"]) >= 1
     card = body["legalCards"][0]
+    assert card_text_in_answer(body["answer"], card)
     assert card["lawName"] == "주택임대차보호법"
     assert card["articleNo"]
     assert card["title"]
@@ -94,3 +95,7 @@ def test_classify_intent_examples() -> None:
     assert classify_message("이 매물 가격이 비싼 편이야?") == Intent.PRICE_ANALYSIS
     assert classify_message("주변 cctv는 괜찮아?") == Intent.SAFETY_ANALYSIS
     assert classify_message("hug 보증보험 가능해?") == Intent.HUG_CALC
+
+
+def card_text_in_answer(answer: str, card: dict) -> bool:
+    return card["lawName"] in answer and card["articleNo"] in answer

backend-ai/tests/test_legal_answer_generation.py

@@ -0,0 +1,73 @@
+from app.clients.llm_client import LLMClient
+from app.graph.state import Intent
+from app.rag.prompts import build_legal_rag_prompt, format_legal_context
+
+
+LEGAL_CARDS = [
+    {
+        "lawName": "주택임대차보호법",
+        "articleNo": "제3조의2",
+        "title": "보증금의 회수",
+        "content": "확정일자를 갖춘 임차인은 경매 또는 공매 시 보증금을 우선변제받을 수 있습니다.",
+        "score": 0.91,
+    },
+    {
+        "lawName": "전세사기피해자 지원 및 주거안정에 관한 특별법",
+        "articleNo": "제1조",
+        "title": "목적",
+        "content": "전세사기피해자를 지원하고 주거안정을 도모하는 것을 목적으로 합니다.",
+        "score": 0.82,
+    },
+]
+
+
+def test_format_legal_context_includes_article_metadata_and_content() -> None:
+    context = format_legal_context(LEGAL_CARDS)
+
+    assert "[1] 주택임대차보호법 제3조의2 - 보증금의 회수" in context
+    assert "확정일자를 갖춘 임차인" in context
+    assert "[2] 전세사기피해자 지원 및 주거안정에 관한 특별법 제1조 - 목적" in context
+
+
+def test_build_legal_rag_prompt_uses_question_and_context() -> None:
+    prompt = build_legal_rag_prompt("보증금은 어떻게 돌려받나요?", LEGAL_CARDS)
+
+    assert "보증금은 어떻게 돌려받나요?" in prompt
+    assert "Retrieved legal references" in prompt
+    assert "주택임대차보호법 제3조의2" in prompt
+    assert "전문가 검토" in prompt
+
+
+def test_llm_client_generates_grounded_legal_answer_from_cards() -> None:
+    answer = LLMClient().generate_answer(
+        {
+            "user_id": "user-1",
+            "session_id": None,
+            "message": "보증금은 어떻게 돌려받나요?",
+            "context": {},
+            "intent": Intent.LEGAL_CONSULT,
+            "legal_cards": LEGAL_CARDS,
+        }
+    )
+
+    assert "주택임대차보호법 제3조의2" in answer
+    assert "보증금의 회수" in answer
+    assert "확정일자" in answer
+    assert "전문가" in answer
+
+
+def test_llm_client_does_not_invent_citations_without_cards() -> None:
+    answer = LLMClient().generate_answer(
+        {
+            "user_id": "user-1",
+            "session_id": None,
+            "message": "보증금은 어떻게 돌려받나요?",
+            "context": {},
+            "intent": Intent.LEGAL_CONSULT,
+            "legal_cards": [],
+        }
+    )
+
+    assert "제3조" not in answer
+    assert "검색된 법령 근거가 없습니다" in answer
+    assert "전문가" in answer

phases/ai-legal-rag/phase4-grounded-legal-answer.md

@@ -0,0 +1,26 @@
+# Phase 4: Grounded Legal Answer
+
+## Goal
+Use retrieved legal cards as grounded context when generating F-3 legal consultation answers. This phase makes the answer text cite the retrieved law/article titles and provide a clear non-legal-advice caution without changing the public chat response schema.
+
+## Files
+- `backend-ai/tests/test_legal_answer_generation.py` - tests for legal prompt construction and grounded answer behavior
+- `backend-ai/app/rag/prompts.py` - legal RAG prompt/context formatting helpers
+- `backend-ai/app/clients/llm_client.py` - legal consultation answer generation using retrieved cards
+- `backend-ai/tests/test_agent_chat.py` - chat integration assertion for grounded legal answer text
+
+## Done When
+- [ ] Legal answers include retrieved law name, article number/title, and a short explanation
+- [ ] Legal answers include a contract review/professional consultation caution
+- [ ] No legal answer invents a citation when no legal cards were retrieved
+- [ ] Tests pass without live LLM, network, or database access
+- [ ] Response shape remains compatible with the existing Spring chat contract
+
+## Architecture Rules
+- AI answer generation stays in `backend-ai`; Spring Boot remains an internal HTTP proxy.
+- pgvector retrieval remains in `backend-ai` only.
+- API keys and secrets must come from environment settings only.
+- F-3 MVP is limited to housing lease legal RAG; news RAG, HUG precision judgment, and registry AI remain out of scope.
+
+## Implementation Instructions
+Write tests first. Keep the implementation deterministic for unit tests while preserving a clear prompt/context boundary for a future live LLM call. Do not change the `/internal/agent/chat` response schema.