Todo 실시간 추출 기능 삭제

design/backend/sequence/inner/ai-실시간Todo추출.puml

@@ -1,274 +0,0 @@
-@startuml
-!theme mono
-
-title AI Service 내부 시퀀스 - 실시간Todo추출
-
-participant "SuggestionController" as Controller
-participant "RealtimeTodoService" as Service
-participant "LLMClient" as LLM
-participant "TranscriptRepository" as TranscriptRepo
-database "Azure OpenAI<<E>>" as OpenAI
-database "Redis Cache<<E>>" as Cache
-database "PostgreSQL<<E>>" as DB
-
-== 실시간 액션아이템 추출 요청 ==
-
-note over Controller
-  TranscriptService로부터 호출
-  (회의록 자동작성 프로세스 내부)
-end note
-
-Controller -> Service: extractRealtimeActionItems(meetingId, transcriptText)
-activate Service
-
-== 회의 맥락 및 참석자 정보 조회 ==
-
-Service -> TranscriptRepo: getMeetingContext(meetingId)
-activate TranscriptRepo
-
-TranscriptRepo -> DB: SELECT meeting_info, participants, roles\nFROM meeting_context
-activate DB
-
-DB --> TranscriptRepo: 회의 및 참석자 정보
-deactivate DB
-
-TranscriptRepo --> Service: meetingContext
-deactivate TranscriptRepo
-
-Service -> Cache: GET action-items:{meetingId}
-activate Cache
-note right
-  이전에 추출한 액션아이템 조회
-  (중복 제거용)
-end note
-
-Cache --> Service: previousActionItems
-deactivate Cache
-
-== LLM 기반 액션아이템 패턴 감지 ==
-
-Service -> Service: 액션아이템 추출 프롬프트 생성
-note right
-  시스템 프롬프트:
-  - 역할: 액션아이템 추출 전문가
-  - 목표: 실시간으로 Todo 발생 감지
-
-  액션아이템 패턴 예시:
-  - "제가 ~하겠습니다"
-  - "~까지 완료하겠습니다"
-  - "~을 담당하겠습니다"
-  - "~을 해보겠습니다"
-  - "~를 처리하겠습니다"
-  - "[이름]님, ~해주시겠어요?"
-  - "~하기로 했습니다" (결정 + 액션)
-
-  사용자 프롬프트:
-  - 회의 참석자: {participants}
-  - 이미 추출된 Todo: {previousActionItems}
-  - 현재 대화 내용: {transcriptText}
-
-  지시사항:
-  - 위 패턴이 포함된 문장 찾기
-  - Todo 내용 명확화
-  - 담당자 식별 (발언자 또는 지정된 사람)
-  - 마감일 추출 (명시적 또는 추정)
-  - 우선순위 판단
-  - 신뢰도 점수 계산
-
-  응답 형식:
-  {
-    "actionItems": [
-      {
-        "content": "할 일 내용",
-        "assignee": "담당자 이름",
-        "dueDate": "YYYY-MM-DD" or null,
-        "priority": "HIGH|MEDIUM|LOW",
-        "confidence": 0.0-1.0,
-        "extractedFrom": "원문 발췌",
-        "relatedDecision": "관련 결정사항 ID"
-      }
-    ]
-  }
-end note
-
-Service -> LLM: detectActionItemPatterns(prompt)
-activate LLM
-
-LLM -> OpenAI: POST /chat/completions
-activate OpenAI
-note right
-  요청 파라미터:
-  - model: gpt-4o
-  - temperature: 0.2
-    (정확한 추출 위해 낮은 값)
-  - response_format: json_object
-  - max_tokens: 1500
-end note
-
-OpenAI -> OpenAI: 대화 텍스트 분석
-note right
-  처리 단계:
-  1. 문장별로 액션아이템 패턴 검사
-  2. "하겠습니다" 등 키워드 탐지
-  3. 할 일 내용 추출 및 명확화
-     - 동사로 시작하도록 정리
-     - 구체적인 작업으로 변환
-  4. 담당자 식별
-     - 발언자 자신이 하는 경우
-     - 다른 사람을 지정한 경우
-  5. 마감일 추출
-     - 명시적: "내일까지", "이번 주 금요일"
-     - 암묵적: "빨리", "다음 회의 전"
-     - 없으면 null
-  6. 우선순위 판단
-     - HIGH: 긴급, 중요, 블로커
-     - MEDIUM: 중요하지만 여유 있음
-     - LOW: 추가 작업, 선택적
-  7. 신뢰도 계산
-     - 명확한 약속: 0.9-1.0
-     - 추정 약속: 0.7-0.9
-     - 암묵적 합의: 0.5-0.7
-end note
-
-OpenAI --> LLM: 액션아이템 후보 목록 (JSON)
-deactivate OpenAI
-
-LLM --> Service: actionItemSuggestions
-deactivate LLM
-
-== 제안 검증 및 필터링 ==
-
-Service -> Service: 액션아이템 검증
-note right
-  검증 기준:
-  - 신뢰도 70% 이상만 선택
-  - 중복 제거
-    * 이미 추출된 것과 비교
-    * 유사도 90% 이상이면 제외
-  - 담당자 검증
-    * 참석자 목록에 있는지 확인
-    * 없으면 "미지정"으로 표시
-  - 내용 명확성 검증
-    * 동사가 있는지
-    * 구체적인 작업인지
-  - 마감일 형식 검증
-  - 우선순위별 정렬
-end note
-
-loop 각 제안마다
-
-    Service -> Service: 제안 메타데이터 보강
-    note right
-      추가 정보:
-      - 생성 시각
-      - 회의 진행 시점 (분)
-      - 원문 위치 정보
-      - 고유 ID (UUID)
-    end note
-
-end
-
-== 임시 캐시 저장 (선택적) ==
-
-Service -> Cache: APPEND action-items:{meetingId}
-activate Cache
-note right
-  Redis에 임시 저장:
-  - Key: action-items:{meetingId}
-  - Value: JSON array (제안 목록)
-  - TTL: 2시간 (회의 시간)
-  - APPEND로 기존 목록에 추가
-
-  목적:
-  - 중복 감지용
-  - 재접속 시 복원용
-end note
-
-Cache --> Service: 저장 완료
-deactivate Cache
-
-== 응답 반환 ==
-
-Service -> Service: 응답 데이터 구성
-note right
-  프론트엔드 전달 형식:
-  {
-    "suggestions": [
-      {
-        "id": "suggestion-uuid",
-        "content": "할 일 내용",
-        "assignee": "김철수",
-        "dueDate": "2025-02-01",
-        "priority": "HIGH",
-        "confidence": 0.85,
-        "extractedFrom": "원문 발췌",
-        "relatedDecision": "decision-uuid"
-      }
-    ],
-    "totalCount": 제안 개수,
-    "timestamp": "생성 시각"
-  }
-end note
-
-Service --> Controller: 액션아이템 제안 목록
-deactivate Service
-
-Controller --> Controller: 이벤트 데이터에 포함하여 반환
-note right
-  TranscriptSummaryCreated 이벤트에
-  actionItemSuggestions 필드로 포함
-
-  프론트엔드 처리:
-  - 오른쪽 "추천" 탭의 "액션아이템" 섹션 표시
-  - "적용" 버튼 활성화
-  - 담당자별로 그룹화 표시
-  - 우선순위별 색상 코딩
-  - 마감일 표시 (없으면 "미정")
-  - 신뢰도 표시 (%)
-end note
-
-== 사용자가 제안 적용 시 ==
-
-note over Controller
-  사용자가 "적용" 버튼 클릭 시:
-  프론트엔드에서 직접 Meeting Service 호출
-
-  POST /api/meetings/{meetingId}/todos
-  Body: {
-    "content": "할 일 내용",
-    "assignee": "김철수",
-    "dueDate": "2025-02-01",
-    "priority": "HIGH",
-    "relatedSection": "관련 회의록 섹션"
-  }
-
-  Meeting Service에서:
-  - Todo 생성
-  - TodoCreated 이벤트 발행
-  - 담당자에게 알림 발송
-end note
-
-note over Controller, DB
-처리 시간:
-- 맥락 조회: 100-200ms
-- LLM 패턴 감지: 1-2초
-- 검증 및 필터링: 100-200ms
-- 캐시 저장: 50-100ms
-총 처리 시간: 약 1.5-2.5초
-
-특징:
-- DB 영구 저장 없음 (임시 데이터)
-- Redis 캐시만 활용
-  * 중복 감지용
-  * 재접속 복원용
-- 프론트엔드 메모리에서 관리
-- "적용" 시에만 Todo 생성
-
-차이점 (회의 종료 후 Todo 추출과):
-- 실시간: 5초마다 즉시 추출, 임시 제안
-- 종료 후: 전체 회의록 기반 종합 추출, 자동 생성
-- 실시간은 "후보"로 제시, 사용자 선택
-- 종료 후는 "확정" 추출 후 자동 생성
-end note
-
-@enduml

design/backend/sequence/inner/ai-회의록자동작성.puml

@@ -201,45 +201,6 @@ else 결정사항 제안 생성
     deactivate DB
     deactivate Repo
 
-else 실시간 액션아이템 추출
-    SuggestService -> LLM: extractRealtimeActionItems(meetingId, transcript)
-    activate LLM
-
-    LLM -> OpenAI: POST /chat/completions
-    activate OpenAI
-    note right
-      프롬프트:
-      - "~까지 하겠습니다" 패턴 감지
-      - "제가 담당하겠습니다" 패턴 감지
-      - 담당자 및 마감일 추출
-
-      응답 형식:
-      {
-        "actionItems": [
-          {
-            "content": "할 일 내용",
-            "assignee": "담당자",
-            "dueDate": "YYYY-MM-DD",
-            "priority": "HIGH|MEDIUM|LOW"
-          }
-        ]
-      }
-    end note
-
-    OpenAI --> LLM: 액션아이템 후보 목록
-    deactivate OpenAI
-
-    LLM --> SuggestService: actionItemSuggestions
-    deactivate LLM
-
-    SuggestService -> Repo: saveSuggestions(meetingId, "ACTION_ITEM", suggestions)
-    activate Repo
-    Repo -> DB: INSERT INTO ai_suggestions
-    activate DB
-    DB --> Repo: 저장 완료
-    deactivate DB
-    deactivate Repo
-
 end
 
 SuggestService --> Service: 모든 추천사항 생성 완료
@@ -259,7 +220,6 @@ note right
 - suggestions:
   * discussionTopics: []
   * decisions: []
-  * actionItems: []
 end note
 
 note over Controller, DB
@@ -268,11 +228,10 @@ note over Controller, DB
 - LLM 회의록 생성: 3-5초
 - 저장: 100-200ms
 - 벡터화: 500ms-1초
-- 실시간 추천 병렬 처리: 5-8초
+- 실시간 추천 병렬 처리: 4-6초
   * 논의사항 제안: 2-3초
   * 결정사항 제안: 2-3초
-  * 액션아이템 추출: 1-2초
+총: 약 8-13초
-총: 약 9-15초
 end note
 
 @enduml

design/backend/sequence/outer/회의시작및실시간회의록작성.puml

@@ -92,12 +92,6 @@ else 결정사항 제안
       "~하기로 함", "~로 결정" 등의
       결정 패턴 감지 및 구조화
     end note
-else 실시간 액션아이템 추출
-    AI -> AI: [6] 실시간 액션아이템 추출 (LLM)
-    note right
-      "~까지 하겠습니다" 등
-      즉시 감지하여 Todo 후보 추출
-    end note
 end
 
 AI -> AI: AI 분석 결과 저장
@@ -109,7 +103,6 @@ note right
   - 전문용어 목록
   - 논의사항 제안 목록
   - 결정사항 제안 목록
-  - 액션아이템 후보 목록
 end note
 
 AI --> EventHub: AI 분석 완료
@@ -134,7 +127,6 @@ note right
   - 회의록 내용
   - 논의사항 제안 (오른쪽 탭)
   - 결정사항 제안 (오른쪽 탭)
-  - 액션아이템 후보 (오른쪽 탭)
   - 전문용어 하이라이트
 end note
 
@@ -153,7 +145,7 @@ deactivate Frontend
 User -> Frontend: 추천 항목 "적용" 버튼 클릭
 activate Frontend
 note right
-  논의사항/결정사항/액션아이템 중
+  논의사항/결정사항 중
   원하는 항목 선택하여 적용
 end note
 
@@ -185,13 +177,12 @@ end
 note over User, EventHub
 처리 시간:
 - STT 변환: 1-3초
-- AI 병렬 처리: 8-12초
+- AI 병렬 처리: 7-10초
   * 회의록 정리: 3-5초
   * 전문용어: 2-4초
   * 논의사항 제안: 2-3초
   * 결정사항 제안: 2-3초
-  * 액션아이템 추출: 1-2초
 - 회의록 저장: 1-2초
-- 총 처리 시간: 10-17초
+- 총 처리 시간: 9-15초
 end note
 @enduml