회의록 참조 데이터 추가 및 관련자료 업데이트

- meet-ref.json: 회의록 작성을 위한 AI 학습 참조 데이터 추가 - 관련자료.md: 회의록 관련 참고 문서 업데이트 🤖 Generated with [Claude Code](https://claude.com/claude-code) Co-Authored-By: Claude <noreply@anthropic.com>
2025-12-06 07:56:24 +00:00 · 2025-10-28 11:26:47 +09:00 · 2025-10-28 11:26:47 +09:00 · 347e76bb34
commit 347e76bb34
parent 858a5b5906
2 changed files with 40458 additions and 257 deletions
--- a/design/aidata/meet-ref.json
+++ b/design/aidata/meet-ref.json
--- a/design/aidata/관련자료.md
+++ b/design/aidata/관련자료.md
@ -1,289 +1,373 @@
 # 벡터DB 임베딩용 관련자료 샘플 데이터

-**작성일**: 2025-01-22
-**버전**: v1.0
-**작성자**: AI 개발팀
+## 📋 개요

---
+본 데이터셋은 회의록 작성 및 공유 개선 서비스의 벡터DB 구축을 위한 샘플 데이터입니다.
+통신회사의 8개 업무 도메인별로 4가지 문서 유형에 대해 각 50개씩, 총 **1,600개**의 샘플 문서를 제공합니다.

-## 1. 개요
+## 📊 데이터 구성

-### 1.1 목적
-회의록 작성 시 AI가 참조할 수 있는 관련 자료를 벡터DB에 임베딩하여, 맥락 기반 용어 설명 및 관련 회의록 자동 연결 기능을 제공하기 위한 샘플 데이터를 생성합니다.
+### 업무 도메인 (8개)
+1. **고객서비스** - VOC, 상담 품질, 고객 응대
+2. **영업마케팅** - 요금제, 프로모션, 유통 채널
+3. **요금청구** - 빌링, 과금, 미수금 관리
+4. **네트워크운용** - 5G, 장애 대응, 트래픽 관리
+5. **서비스기획** - 신규 서비스, 콘텐츠 제휴
+6. **시스템운영** - IT 인프라, 클라우드, DevOps
+7. **가입자관리** - 개통, 해지, 번호이동
+8. **기업영업** - B2B 솔루션, 전용선, AICC

-### 1.2 데이터 구성
- **도메인**: 통신 업무 도메인 15개
- **데이터 소스 유형**: 4가지 (이전 회의록, 조직문서, 프로젝트 문서, 운영문서)
- **샘플 개수**: 각 도메인별 × 각 소스별 5개 = **총 300개**
+### 문서 유형 (4개)
+1. **이전 회의록** (meeting_minutes)
+   - 회의 일시, 참석자, 안건, 결정사항, 조치사항 포함
+   - 실제 회의록 형식의 상세한 내용

---
+2. **조직문서** (org_document)
+   - 업무 매뉴얼, 정책 가이드라인, 표준 절차서
+   - 공식 문서 형식의 구조화된 내용

-## 2. 통신 업무 도메인 (15개)
+3. **프로젝트 문서** (project_document)
+   - 요구사항 정의서, 설계서, 수행 계획서
+   - 프로젝트 관련 기술 문서

-| 번호 | 도메인 | 설명 |
-|------|--------|------|
-| 1 | 네트워크 인프라 | 네트워크 구축 및 운영, 유무선 통신망 관리, 5G/LTE, 기지국 |
-| 2 | 기술 개발 및 연구 | 신기술 연구개발, AI/빅데이터, IoT, 클라우드 기술 |
-| 3 | 고객 서비스 | 고객 상담 및 지원, VoC 관리, 서비스 품질 관리 |
-| 4 | 영업 및 마케팅 | 요금제 기획, 프로모션, 유통채널 관리, B2B/B2C 영업 |
-| 5 | 요금 및 청구 | 요금 청구 시스템, 과금 관리, 미수금 관리, 정산 업무 |
-| 6 | 네트워크 운용 | 네트워크 모니터링, 장애 대응 및 복구, 품질 최적화 |
-| 7 | 서비스 기획 및 상품 개발 | 신규 서비스 기획, 요금제 설계, 콘텐츠 서비스 |
-| 8 | 정보보안 | 통신 보안, 개인정보 보호, 사이버 보안, 보안 정책 수립 |
-| 9 | 시스템 운영 및 관리 | IT 시스템 운영, 데이터센터 관리, 클라우드 인프라 |
-| 10 | 가입자 관리 | 가입자 정보 관리, 번호 이동, 개통 및 해지, 명의 변경 |
-| 11 | 망 품질 관리 | 통신 품질 측정, 품질 개선, 서비스 레벨 관리 |
-| 12 | 규제 대응 및 준법 | 통신 규제 대응, 법률 준수, 정부 정책 대응 |
-| 13 | 기업 영업 | B2B 솔루션, 전용선 서비스, AICC, 데이터센터 서비스 |
-| 14 | 로밍 및 국제 업무 | 국제 로밍 서비스, 해외 통신사 제휴, 국제 전화 서비스 |
-| 15 | 신사업 | OTT 서비스, 콘텐츠 사업, 핀테크, 스마트홈/IoT 서비스 |
+4. **운영문서** (operation_document)
+   - 장애 보고서, 모니터링 결과, 대응 기록
+   - 실시간 운영 이슈 관련 문서

---
+### 통계
+- **총 문서 수**: 1,600개
+- **도메인별**: 200개씩 (8개 도메인)
+- **유형별**: 도메인당 50개씩 (4가지 유형)

-## 3. 데이터 소스 유형 (4가지)
+## 📁 파일 구조

-### 3.1 이전 회의록 (meeting_minutes)
-**형식**:
- 회의 제목, 일시, 참석자
- 논의 내용, 결정 사항, 액션 아이템
+```
+vector_db_sample_data.json
+├── metadata                    # 메타데이터
+│   ├── version                # 버전 정보
+│   ├── created_date           # 생성 일시
+│   ├── description            # 설명
+│   └── 통계 정보               # 문서 수, 카테고리 수 등
+│
+├── embedding_schema           # 임베딩 스키마 정의
+│   ├── document_id            # 문서 고유 ID
+│   ├── document_type          # 문서 유형
+│   ├── business_domain        # 업무 도메인
+│   ├── title                  # 제목
+│   ├── content                # 전체 본문 (임베딩 대상)
+│   ├── summary                # 3-5문장 요약
+│   ├── keywords               # 키워드 배열
+│   ├── created_date           # 생성 일시 (ISO8601)
+│   ├── participants           # 참석자/작성자
+│   ├── metadata               # 추가 메타데이터
+│   └── embedding_vector       # 임베딩 벡터 (1536차원)
+│
+└── sample_data                # 실제 샘플 데이터
+    ├── 고객서비스
+    │   ├── meeting_minutes    # 50개
+    │   ├── org_document       # 50개
+    │   ├── project_document   # 50개
+    │   └── operation_document # 50개
+    ├── 영업마케팅
+    │   ├── ... (동일 구조)
+    ├── 요금청구
+    ├── 네트워크운용
+    ├── 서비스기획
+    ├── 시스템운영
+    ├── 가입자관리
+    └── 기업영업
+```

-**예시 토픽**:
- 프로젝트 킥오프, 월간 리뷰, 장애 대응, 정책 수립
+## 🔧 데이터 스키마

-**메타데이터**:
- 회의 유형, 참석자 목록, 태그
-
-### 3.2 조직문서 (manual)
-**유형**:
- 업무 매뉴얼, 정책 및 규정, 표준화 문서
-
-**예시**:
- 프로세스 가이드, 보안 정책, 업무 표준
-
-**메타데이터**:
- 문서 카테고리, 버전, 승인자
-
-### 3.3 프로젝트 문서 (project_doc)
-**유형**:
- 요구사항 정의서, 설계 문서, 수행 결과서
-
-**예시**:
- 프로젝트 계획서, 기술 설계서, 완료 보고서
-
-**메타데이터**:
- 프로젝트명, 단계, 담당자
-
-### 3.4 운영문서 (operation_doc)
-**유형**:
- 장애 보고서, 고객 응대 문서
-
-**예시**:
- 장애 분석 보고서, 고객 이슈 처리 가이드
-
-**메타데이터**:
- 심각도, 영향 범위, 해결 상태
-
---
-
-## 4. 데이터 구조
-
-### 4.1 JSON 스키마
+### 공통 필드
 ```json
 {
-  "document_id": "도메인명_소스유형_일련번호",
-  "document_type": "meeting_minutes|manual|project_doc|operation_doc",
-  "title": "문서 제목",
-  "content": "실제 문서 내용 (500-1000자)",
-  "metadata": {
-    "domain": "도메인명",
-    "date": "YYYY-MM-DD",
-    "author": "작성자명",
-    "tags": ["태그1", "태그2", "태그3"],
-    "organization_id": "org_telecom_001",
-    "folder_id": "folder_도메인명"
+  "document_id": "string",           // 예: "고객-MM-001"
+  "document_type": "string",          // meeting_minutes | org_document | project_document | operation_document
+  "business_domain": "string",        // 8개 도메인 중 하나
+  "title": "string",                  // 문서 제목
+  "content": "string",                // 전체 본문 (임베딩 대상)
+  "summary": "string",                // 3-5문장 요약
+  "keywords": ["string"],             // 키워드 배열
+  "created_date": "ISO8601",          // 생성 일시
+  "participants": ["string"],         // 참석자/작성자
+  "metadata": {                       // 추가 메타데이터
+    "folder": "string",               // 폴더 경로
+    ...                               // 문서 유형별 추가 필드
  }
 }
 ```

-### 4.2 필드 설명
+### 문서 유형별 추가 메타데이터

-| 필드 | 타입 | 설명 |
-|------|------|------|
-| document_id | string | 문서 고유 식별자 |
-| document_type | enum | 문서 유형 (4가지 중 1개) |
-| title | string | 문서 제목 |
-| content | text | 실제 문서 내용 (청킹 대상) |
-| metadata.domain | string | 업무 도메인 |
-| metadata.date | date | 작성일 (2024-01-01 ~ 2025-01-22) |
-| metadata.author | string | 작성자명 |
-| metadata.tags | array | 태그 배열 (3-5개) |
-| metadata.organization_id | string | 조직 ID |
-| metadata.folder_id | string | 폴더 ID |
-
---
-
-## 5. 샘플 데이터 생성 방법
-
-### 5.1 자동 생성 스크립트
-**위치**: `tools/generate_vector_samples.py`
-
-**실행 방법**:
-```bash
-# Windows PowerShell 또는 CMD에서 실행
-cd C:\Users\hiond\home\workspace\HGZero
-python tools\generate_vector_samples.py
+#### 1. 회의록 (meeting_minutes)
+```json
+"metadata": {
+  "folder": "/고객서비스/회의록",
+  "agenda_count": 3,
+  "decision_items": ["결정사항1", "결정사항2"],
+  "action_items": ["조치사항1", "조치사항2"]
+}
 ```

-**출력 파일**: `data/samples/vector_db_samples_300.json`
-
-### 5.2 생성 로직
-
-#### 도메인별 키워드 매핑
-각 도메인마다 관련 키워드 및 토픽을 정의하여 실제 통신 업무 상황을 반영합니다.
-
-**예시** (네트워크 인프라):
- **키워드**: 5G, LTE, 기지국, 광케이블, RAN, 코어망, 백홀, 전송망
- **토픽**: 5G 구축, 기지국 설치, 망 이중화, 광케이블 교체, 커버리지 확대
-
-#### 랜덤 요소
- 날짜: 2024-01-01 ~ 2025-01-22 범위에서 랜덤 선택
- 작성자: 16명의 작성자 풀에서 랜덤 선택
- 키워드 조합: 각 문서마다 2-3개 키워드를 랜덤 조합
-
-#### 템플릿 기반 생성
-각 문서 유형별로 표준 템플릿을 정의하고, 도메인 및 키워드를 치환하여 실제 문서처럼 생성합니다.
-
---
-
-## 6. 생성 통계
-
-### 6.1 전체 통계
- **총 샘플 개수**: 300개
- **도메인별**: 각 20개 (15개 도메인)
- **소스별**: 각 75개 (4가지 소스)
-
-### 6.2 문서 유형별 분포
-
-| 문서 유형 | 개수 | 비율 |
-|-----------|------|------|
-| 이전 회의록 (meeting_minutes) | 75개 | 25% |
-| 조직문서 (manual) | 75개 | 25% |
-| 프로젝트 문서 (project_doc) | 75개 | 25% |
-| 운영문서 (operation_doc) | 75개 | 25% |
-| **합계** | **300개** | **100%** |
-
-### 6.3 도메인별 분포
-
-| 도메인 | 회의록 | 매뉴얼 | 프로젝트 | 운영 | 합계 |
-|--------|--------|--------|----------|------|------|
-| 네트워크 인프라 | 5 | 5 | 5 | 5 | 20 |
-| 기술 개발 및 연구 | 5 | 5 | 5 | 5 | 20 |
-| 고객 서비스 | 5 | 5 | 5 | 5 | 20 |
-| 영업 및 마케팅 | 5 | 5 | 5 | 5 | 20 |
-| 요금 및 청구 | 5 | 5 | 5 | 5 | 20 |
-| 네트워크 운용 | 5 | 5 | 5 | 5 | 20 |
-| 서비스 기획 및 상품 개발 | 5 | 5 | 5 | 5 | 20 |
-| 정보보안 | 5 | 5 | 5 | 5 | 20 |
-| 시스템 운영 및 관리 | 5 | 5 | 5 | 5 | 20 |
-| 가입자 관리 | 5 | 5 | 5 | 5 | 20 |
-| 망 품질 관리 | 5 | 5 | 5 | 5 | 20 |
-| 규제 대응 및 준법 | 5 | 5 | 5 | 5 | 20 |
-| 기업 영업 | 5 | 5 | 5 | 5 | 20 |
-| 로밍 및 국제 업무 | 5 | 5 | 5 | 5 | 20 |
-| 신사업 | 5 | 5 | 5 | 5 | 20 |
-| **합계** | **75** | **75** | **75** | **75** | **300** |
-
---
-
-## 7. 벡터DB 임베딩 프로세스
-
-### 7.1 데이터 정제
-1. **텍스트 정제**: HTML 태그 제거, 특수문자 정규화
-2. **청킹**: 문서를 1000 토큰 단위로 분할 (200 토큰 오버랩)
-3. **메타데이터 추출**: JSON 메타데이터 파싱
-
-### 7.2 벡터화
- **임베딩 모델**: text-embedding-3-small (OpenAI)
- **차원**: 1536
- **비용**: $0.02 / 1M 토큰
-
-### 7.3 PostgreSQL + pgvector 적재
-```sql
-INSERT INTO document_chunks (
-  document_id,
-  chunk_index,
-  content,
-  embedding,
-  metadata,
-  organization_id
-) VALUES (?, ?, ?, ?, ?, ?);
+#### 2. 조직문서 (org_document)
+```json
+"metadata": {
+  "folder": "/고객서비스/정책/문서",
+  "document_version": "3.2",
+  "last_updated": "2024-06-01"
+}
 ```

---
+#### 3. 프로젝트 문서 (project_document)
+```json
+"metadata": {
+  "folder": "/프로젝트/고객서비스",
+  "project_status": "진행중",  // 계획 | 진행중 | 완료
+  "document_type": "요구사항정의서"
+}
+```

-## 8. 활용 방안
+#### 4. 운영문서 (operation_document)
+```json
+"metadata": {
+  "folder": "/고객서비스/운영/장애보고",
+  "incident_number": "INC-2024-09-157",
+  "severity": "High",  // Critical | High | Medium | Low
+  "status": "복구완료"
+}
+```

-### 8.1 맥락 기반 용어 설명
-1. 회의록 작성 중 전문 용어 감지
-2. Vector DB에서 유사도 검색 (Top-5)
-3. Claude AI에게 맥락 기반 설명 요청
+## 💡 사용 예시

-### 8.2 관련 회의록 자동 연결
-1. 현재 회의록 내용 벡터화
-2. Vector DB에서 유사 회의록 검색
-3. 관련도 점수 계산 (70% 이상)
-4. 최대 5개 회의록 자동 연결
+### Python에서 데이터 로드
+```python
+import json

-### 8.3 대시보드 참고자료
- 관련 회의록 탭: 유사 회의록 목록
- 프로젝트 문서 탭: 관련 프로젝트 문서
- 조직 문서 탭: 관련 매뉴얼 및 정책
+# JSON 파일 로드
+with open('vector_db_sample_data.json', 'r', encoding='utf-8') as f:
+    data = json.load(f)
+
+# 특정 도메인의 회의록 가져오기
+customer_service_meetings = data['sample_data']['고객서비스']['meeting_minutes']
+
+# 첫 번째 회의록 확인
+first_meeting = customer_service_meetings[0]
+print(f"제목: {first_meeting['title']}")
+print(f"요약: {first_meeting['summary']}")
+print(f"키워드: {', '.join(first_meeting['keywords'])}")
+```
+
+### 임베딩 생성 예시
+```python
+from openai import OpenAI
+
+client = OpenAI(api_key="your-api-key")
+
+# 문서 임베딩 생성
+def create_embedding(text):
+    response = client.embeddings.create(
+        model="text-embedding-3-small",
+        input=text
+    )
+    return response.data[0].embedding
+
+# 모든 문서에 대해 임베딩 생성
+for domain in data['sample_data']:
+    for doc_type in data['sample_data'][domain]:
+        for doc in data['sample_data'][domain][doc_type]:
+            # content 필드를 임베딩
+            embedding = create_embedding(doc['content'])
+            doc['embedding_vector'] = embedding
+```
+
+### 벡터DB에 저장 (Qdrant 예시)
+```python
+from qdrant_client import QdrantClient
+from qdrant_client.models import Distance, VectorParams, PointStruct
+
+# Qdrant 클라이언트 초기화
+client = QdrantClient(url="http://localhost:6333")
+
+# 컬렉션 생성
+client.create_collection(
+    collection_name="meeting_documents",
+    vectors_config=VectorParams(size=1536, distance=Distance.COSINE)
+)
+
+# 문서 업로드
+points = []
+for domain in data['sample_data']:
+    for doc_type in data['sample_data'][domain]:
+        for doc in data['sample_data'][domain][doc_type]:
+            point = PointStruct(
+                id=doc['document_id'],
+                vector=doc['embedding_vector'],  # 이미 생성된 임베딩
+                payload={
+                    "title": doc['title'],
+                    "summary": doc['summary'],
+                    "keywords": doc['keywords'],
+                    "domain": doc['business_domain'],
+                    "type": doc['document_type'],
+                    "created_date": doc['created_date']
+                }
+            )
+            points.append(point)
+
+# 배치 업로드
+client.upsert(collection_name="meeting_documents", points=points)
+```
+
+### 유사 문서 검색 예시
+```python
+# 쿼리 텍스트
+query = "고객 만족도를 개선하기 위한 AI 챗봇 도입 방안"
+
+# 쿼리 임베딩 생성
+query_embedding = create_embedding(query)
+
+# 유사 문서 검색
+search_result = client.search(
+    collection_name="meeting_documents",
+    query_vector=query_embedding,
+    limit=5,
+    query_filter={
+        "must": [
+            {"key": "domain", "match": {"value": "고객서비스"}}
+        ]
+    }
+)
+
+# 결과 출력
+for hit in search_result:
+    print(f"유사도: {hit.score:.4f}")
+    print(f"제목: {hit.payload['title']}")
+    print(f"요약: {hit.payload['summary']}")
+    print("---")
+```
+
+## 🎯 활용 시나리오
+
+### 1. 관련 회의록 검색
+- **목적**: 현재 회의와 유사한 과거 회의록 찾기
+- **방법**: 회의 주제/안건을 임베딩하여 유사도 검색
+- **활용**: 과거 논의 내용 및 결정사항 참조
+
+### 2. 맥락 기반 용어 설명
+- **목적**: 회의 중 등장하는 전문 용어를 맥락에 맞게 설명
+- **방법**: 용어와 관련된 조직문서/매뉴얼 검색
+- **활용**: Claude API에 RAG context로 제공
+
+### 3. 프로젝트 문서 자동 연결
+- **목적**: 회의 내용과 관련된 프로젝트 문서 추천
+- **방법**: 회의록과 프로젝트 문서 간 유사도 계산
+- **활용**: 참고 자료 자동 링크
+
+### 4. 장애 이력 조회
+- **목적**: 유사한 장애 발생 시 과거 대응 사례 검색
+- **방법**: 장애 키워드로 운영문서 검색
+- **활용**: 빠른 장애 해결을 위한 레퍼런스
+
+## 📝 데이터 특징
+
+### 1. 실제 업무 환경 반영
+- 통신회사의 실제 업무 도메인 구조
+- 각 도메인별 특화된 키워드 및 용어
+- 업무 프로세스와 연결된 문서 구조
+
+### 2. 다양한 문서 유형
+- 회의록: 비정형 대화체 문서
+- 조직문서: 정형 정책 문서
+- 프로젝트 문서: 기술 문서
+- 운영문서: 시간 기반 이벤트 문서
+
+### 3. 풍부한 메타데이터
+- 문서 분류를 위한 도메인/유형 정보
+- 검색 최적화를 위한 키워드
+- 관계 추적을 위한 참석자/날짜 정보
+- 폴더 구조 정보
+
+### 4. 임베딩 최적화
+- 평균 문서 길이: 500~2000자
+- 요약문 제공으로 빠른 이해 가능
+- 키워드 기반 하이브리드 검색 지원
+
+## 🔍 검색 전략 권장사항
+
+### 1. 하이브리드 검색
+```python
+# 키워드 필터 + 벡터 유사도 검색
+search_result = client.search(
+    collection_name="meeting_documents",
+    query_vector=query_embedding,
+    query_filter={
+        "must": [
+            {"key": "domain", "match": {"value": "고객서비스"}},
+            {"key": "keywords", "match": {"any": ["VOC", "챗봇"]}}
+        ]
+    },
+    limit=10
+)
+```
+
+### 2. 시간 기반 필터링
+```python
+# 최근 1년 이내 문서만 검색
+from datetime import datetime, timedelta
+
+one_year_ago = (datetime.now() - timedelta(days=365)).isoformat()
+
+search_result = client.search(
+    collection_name="meeting_documents",
+    query_vector=query_embedding,
+    query_filter={
+        "must": [
+            {"key": "created_date", "range": {"gte": one_year_ago}}
+        ]
+    }
+)
+```
+
+### 3. 문서 유형별 가중치
+```python
+# 회의록 우선, 프로젝트 문서 보조
+meeting_results = search(query, filter={"type": "meeting_minutes"}, limit=3)
+project_results = search(query, filter={"type": "project_document"}, limit=2)
+
+# 결과 병합
+all_results = meeting_results + project_results
+```
+
+## 🚀 확장 가능성
+
+### 1. 실제 데이터 연동
+- Confluence API 연동
+- SharePoint 문서 수집
+- 이메일 아카이브 통합
+
+### 2. 추가 메타데이터
+- 문서 중요도 점수
+- 조회수/활용도 통계
+- 사용자 피드백 (좋아요/별점)
+
+### 3. 고급 검색 기능
+- 시맨틱 검색 (Azure AI Search)
+- 다중 벡터 검색 (제목/본문 분리)
+- Re-ranking (Claude 활용)
+
+## 📚 관련 문서
+
+- `구현방안-관련자료.md`: 관련자료 검색 시스템 구현 상세
+- `구현방안-용어집.md`: 용어집 구축 및 Claude 연동 방안
+- `통신업무도메인.md`: 통신회사 업무 도메인 정의
+
+## 🤝 기여
+
+샘플 데이터 개선 제안이나 추가 도메인 요청은 프로젝트 팀에 문의하세요.

 ---

-## 9. 품질 검증
-
-### 9.1 데이터 품질 기준
- **실무 반영도**: 실제 통신 업무 용어 및 상황 반영 여부
- **일관성**: 도메인 및 문서 유형별 일관성 유지
- **다양성**: 키워드 및 토픽의 다양성 확보
-
-### 9.2 검증 방법
-1. **샘플링 검사**: 각 도메인별 1-2개 샘플 수동 검토
-2. **키워드 분석**: 도메인 관련 키워드 포함 여부 확인
-3. **메타데이터 검증**: 필수 필드 누락 여부 확인
-
---
-
-## 10. 향후 계획
-
-### 10.1 데이터 확장
- **단계 1** (현재): 300개 샘플 (도메인별 × 소스별 5개)
- **단계 2** (Phase 1 완료 후): 600개 샘플 (도메인별 × 소스별 10개)
- **단계 3** (Phase 2 이후): 1,500개 샘플 (도메인별 × 소스별 25개)
-
-### 10.2 품질 개선
- 실제 회의록 데이터 반영
- 도메인 전문가 검토 및 피드백 반영
- 사용자 피드백 기반 지속 업데이트
-
---
-
-## 11. 참고 자료
-
-### 11.1 관련 문서
- [회의 주제 관련 자료 수집 및 Claude AI 연동 구현 방안](../구현방안-관련자료.md)
- [ADR-001: Vector Database 및 Embedding 통합 아키텍처](../ADR-001-Vector-DB-통합아키텍처.md)
- [통신업무도메인](../../reference/통신업무도메인.md)
-
-### 11.2 기술 스택
- **Vector DB**: PostgreSQL + pgvector
- **Embedding**: OpenAI text-embedding-3-small (1536 dim)
- **검색**: 하이브리드 (벡터 유사도 + 키워드 매칭)
- **캐싱**: Redis + Claude Prompt Cache
-
---
-
-**문서 버전**: v1.0
-**최종 수정**: 2025-01-22
-**담당자**: AI 개발팀
+**버전**: 1.0  
+**생성일**: 2025-10-28  
+**생성자**: 회의록 작성 및 공유 개선 프로젝트 팀