mirror of
https://github.com/hwanny1128/HGZero.git
synced 2026-06-13 05:59:11 +00:00
내부,외부 시퀀스 기능 추가
This commit is contained in:
hjmoons
@@ -0,0 +1,282 @@
|
||||
@startuml
|
||||
!theme mono
|
||||
|
||||
title AI Service 내부 시퀀스 - 결정사항제안
|
||||
|
||||
participant "SuggestionController" as Controller
|
||||
participant "DecisionSuggestionService" as Service
|
||||
participant "LLMClient" as LLM
|
||||
participant "SuggestionRepository" as Repo
|
||||
participant "TranscriptRepository" as TranscriptRepo
|
||||
database "Azure OpenAI<<E>>" as OpenAI
|
||||
database "PostgreSQL<<E>>" as DB
|
||||
|
||||
== 실시간 결정사항 제안 요청 ==
|
||||
|
||||
note over Controller
|
||||
TranscriptService로부터 호출
|
||||
또는 API 직접 호출:
|
||||
POST /api/ai/suggestions/decision
|
||||
Body: {
|
||||
"meetingId": "{meetingId}",
|
||||
"transcriptText": "최근 대화 내용"
|
||||
}
|
||||
end note
|
||||
|
||||
Controller -> Service: suggestDecisions(meetingId, transcriptText)
|
||||
activate Service
|
||||
|
||||
== 회의 맥락 및 이전 결정 조회 ==
|
||||
|
||||
Service -> TranscriptRepo: getMeetingContext(meetingId)
|
||||
activate TranscriptRepo
|
||||
|
||||
TranscriptRepo -> DB: SELECT meeting_info, participants\nFROM meeting_context
|
||||
activate DB
|
||||
|
||||
DB --> TranscriptRepo: 회의 정보
|
||||
deactivate DB
|
||||
|
||||
TranscriptRepo --> Service: meetingContext
|
||||
deactivate TranscriptRepo
|
||||
|
||||
Service -> Repo: getPreviousDecisions(meetingId)
|
||||
activate Repo
|
||||
|
||||
Repo -> DB: SELECT content FROM ai_suggestions\nWHERE meeting_id = {meetingId}\nAND suggestion_type = 'DECISION'\nAND status = 'APPLIED'
|
||||
activate DB
|
||||
|
||||
DB --> Repo: 이미 확정된 결정사항
|
||||
deactivate DB
|
||||
|
||||
Repo --> Service: previousDecisions
|
||||
deactivate Repo
|
||||
|
||||
== LLM 기반 결정사항 패턴 감지 ==
|
||||
|
||||
Service -> Service: 결정사항 감지 프롬프트 생성
|
||||
note right
|
||||
시스템 프롬프트:
|
||||
- 역할: 결정사항 추출 전문가
|
||||
- 목표: 대화에서 결정 패턴 감지
|
||||
|
||||
결정 패턴 예시:
|
||||
- "~하기로 했습니다"
|
||||
- "~로 결정했습니다"
|
||||
- "~하는 것으로 합의했습니다"
|
||||
- "~로 진행하겠습니다"
|
||||
- "~은 이렇게 처리하겠습니다"
|
||||
|
||||
사용자 프롬프트:
|
||||
- 회의 참석자: {participants}
|
||||
- 이미 확정된 결정: {previousDecisions}
|
||||
- 현재 대화 내용: {transcriptText}
|
||||
|
||||
지시사항:
|
||||
- 위 패턴이 포함된 문장 찾기
|
||||
- 결정 내용 구조화
|
||||
- 결정자/참여자 식별
|
||||
- 결정 카테고리 분류
|
||||
- 신뢰도 점수 계산
|
||||
|
||||
응답 형식:
|
||||
{
|
||||
"decisions": [
|
||||
{
|
||||
"content": "결정 내용",
|
||||
"category": "기술|일정|리소스|정책|기타",
|
||||
"decisionMaker": "결정자 이름",
|
||||
"participants": ["참여자1", "참여자2"],
|
||||
"confidence": 0.0-1.0,
|
||||
"extractedFrom": "원문 발췌",
|
||||
"context": "결정 배경"
|
||||
}
|
||||
]
|
||||
}
|
||||
end note
|
||||
|
||||
Service -> LLM: detectDecisionPatterns(prompt)
|
||||
activate LLM
|
||||
|
||||
LLM -> OpenAI: POST /chat/completions
|
||||
activate OpenAI
|
||||
note right
|
||||
요청 파라미터:
|
||||
- model: gpt-4o
|
||||
- temperature: 0.2
|
||||
(정확한 패턴 감지 위해 낮은 값)
|
||||
- response_format: json_object
|
||||
- max_tokens: 1500
|
||||
end note
|
||||
|
||||
OpenAI -> OpenAI: 대화 텍스트 분석
|
||||
note right
|
||||
처리 단계:
|
||||
1. 문장별로 결정 패턴 검사
|
||||
2. "하기로 함" 등 키워드 탐지
|
||||
3. 결정 내용 추출 및 정리
|
||||
4. 발언자 식별 (누가 결정했나)
|
||||
5. 결정 맥락 파악
|
||||
6. 신뢰도 계산
|
||||
- 명확한 결정 표현: 0.9-1.0
|
||||
- 암묵적 합의: 0.7-0.9
|
||||
- 추정: 0.5-0.7
|
||||
7. 카테고리 분류
|
||||
- 기술: 기술 스택, 아키텍처
|
||||
- 일정: 마감일, 일정 조정
|
||||
- 리소스: 인력, 예산
|
||||
- 정책: 프로세스, 규칙
|
||||
end note
|
||||
|
||||
OpenAI --> LLM: 결정사항 제안 목록 (JSON)
|
||||
deactivate OpenAI
|
||||
|
||||
LLM --> Service: decisionSuggestions
|
||||
deactivate LLM
|
||||
|
||||
== 제안 검증 및 필터링 ==
|
||||
|
||||
Service -> Service: 결정사항 검증
|
||||
note right
|
||||
검증 기준:
|
||||
- 신뢰도 70% 이상만 선택
|
||||
- 중복 제거 (이미 확정된 결정)
|
||||
- 명확성 검증
|
||||
* 주어, 목적어가 명확한가?
|
||||
* 결정 내용이 구체적인가?
|
||||
- 카테고리별 정렬
|
||||
- 신뢰도 높은 순 정렬
|
||||
end note
|
||||
|
||||
loop 각 제안마다
|
||||
|
||||
Service -> Service: 제안 메타데이터 보강
|
||||
note right
|
||||
추가 정보:
|
||||
- 생성 시각
|
||||
- 회의 진행 시점 (분)
|
||||
- 원문 위치 (라인 번호)
|
||||
- 상태: PENDING
|
||||
- 관련 논의사항 참조
|
||||
end note
|
||||
|
||||
end
|
||||
|
||||
== 제안 저장 ==
|
||||
|
||||
loop 각 검증된 제안마다
|
||||
|
||||
Service -> Repo: saveSuggestion(meetingId, decision)
|
||||
activate Repo
|
||||
|
||||
Repo -> DB: INSERT INTO ai_suggestions
|
||||
activate DB
|
||||
note right
|
||||
저장 데이터:
|
||||
- meeting_id
|
||||
- suggestion_type: 'DECISION'
|
||||
- content: {decision 내용}
|
||||
- category: 결정 카테고리
|
||||
- decision_maker: 결정자
|
||||
- participants: 참여자 목록 (JSON)
|
||||
- confidence_score: 0.0-1.0
|
||||
- extracted_from: 원문
|
||||
- context: 결정 배경
|
||||
- status: PENDING
|
||||
- created_at
|
||||
end note
|
||||
|
||||
DB --> Repo: suggestionId
|
||||
deactivate DB
|
||||
|
||||
Repo --> Service: suggestionId
|
||||
deactivate Repo
|
||||
|
||||
end
|
||||
|
||||
== 응답 구성 ==
|
||||
|
||||
Service -> Service: 응답 데이터 구성
|
||||
note right
|
||||
프론트엔드 전달 형식:
|
||||
{
|
||||
"suggestions": [
|
||||
{
|
||||
"id": "suggestion-uuid",
|
||||
"content": "결정 내용",
|
||||
"category": "기술",
|
||||
"decisionMaker": "김철수",
|
||||
"confidence": 0.85,
|
||||
"extractedFrom": "원문 발췌",
|
||||
"context": "결정 배경 설명",
|
||||
"canApply": true
|
||||
}
|
||||
],
|
||||
"totalCount": 제안 개수,
|
||||
"displayHint": "오른쪽 탭 '결정사항' 섹션"
|
||||
}
|
||||
end note
|
||||
|
||||
Service --> Controller: 결정사항 제안 생성 완료
|
||||
deactivate Service
|
||||
|
||||
Controller --> Controller: 200 OK 응답 반환
|
||||
note right
|
||||
프론트엔드 처리:
|
||||
- 오른쪽 "추천" 탭의 "결정사항" 섹션 표시
|
||||
- "적용" 버튼 활성화
|
||||
- 신뢰도 표시 (%)
|
||||
- 카테고리별 아이콘 표시
|
||||
- 원문 보기 링크 제공
|
||||
end note
|
||||
|
||||
== 사용자가 제안 적용 시 ==
|
||||
|
||||
note over Controller
|
||||
사용자가 "적용" 버튼 클릭 시:
|
||||
PUT /api/ai/suggestions/{suggestionId}/apply
|
||||
end note
|
||||
|
||||
Controller -> Service: applySuggestion(suggestionId, meetingId)
|
||||
activate Service
|
||||
|
||||
Service -> Repo: updateSuggestionStatus(suggestionId, "APPLIED")
|
||||
activate Repo
|
||||
|
||||
Repo -> DB: UPDATE ai_suggestions\nSET status = 'APPLIED',\napplied_at = NOW()
|
||||
activate DB
|
||||
|
||||
DB --> Repo: 업데이트 완료
|
||||
deactivate DB
|
||||
|
||||
Repo --> Service: 완료
|
||||
deactivate Repo
|
||||
|
||||
Service -> Service: 결정사항을 회의록에 추가
|
||||
note right
|
||||
Meeting Service API 호출하여
|
||||
"결정사항" 섹션에 항목 추가
|
||||
end note
|
||||
|
||||
Service --> Controller: 적용 완료
|
||||
deactivate Service
|
||||
|
||||
Controller --> Controller: 200 OK
|
||||
|
||||
note over Controller, DB
|
||||
처리 시간:
|
||||
- 맥락 조회: 100-200ms
|
||||
- LLM 패턴 감지: 2-3초
|
||||
- 검증 및 필터링: 100-200ms
|
||||
- 저장 처리: 200-300ms
|
||||
총 처리 시간: 약 3-4초
|
||||
|
||||
제안 정책:
|
||||
- 신뢰도 70% 이상만 제안
|
||||
- 명확한 결정 표현 우선
|
||||
- 중복 제거 (이미 확정된 것 제외)
|
||||
- 카테고리별로 최대 10개까지
|
||||
- 실시간으로 계속 감지
|
||||
end note
|
||||
|
||||
@enduml
|
||||
@@ -0,0 +1,261 @@
|
||||
@startuml
|
||||
!theme mono
|
||||
|
||||
title AI Service 내부 시퀀스 - 논의사항제안
|
||||
|
||||
participant "SuggestionController" as Controller
|
||||
participant "DiscussionSuggestionService" as Service
|
||||
participant "LLMClient" as LLM
|
||||
participant "SuggestionRepository" as Repo
|
||||
participant "TranscriptRepository" as TranscriptRepo
|
||||
database "Azure OpenAI<<E>>" as OpenAI
|
||||
database "PostgreSQL<<E>>" as DB
|
||||
|
||||
== 실시간 논의사항 제안 요청 ==
|
||||
|
||||
note over Controller
|
||||
TranscriptService로부터 호출
|
||||
또는 API 직접 호출:
|
||||
POST /api/ai/suggestions/discussion
|
||||
Body: {
|
||||
"meetingId": "{meetingId}",
|
||||
"transcriptText": "최근 대화 내용"
|
||||
}
|
||||
end note
|
||||
|
||||
Controller -> Service: suggestDiscussionTopics(meetingId, transcriptText)
|
||||
activate Service
|
||||
|
||||
== 회의 맥락 정보 조회 ==
|
||||
|
||||
Service -> TranscriptRepo: getMeetingContext(meetingId)
|
||||
activate TranscriptRepo
|
||||
|
||||
TranscriptRepo -> DB: SELECT meeting_info, agenda, participants\nFROM meeting_context
|
||||
activate DB
|
||||
|
||||
DB --> TranscriptRepo: 회의 정보
|
||||
deactivate DB
|
||||
|
||||
TranscriptRepo --> Service: meetingContext
|
||||
deactivate TranscriptRepo
|
||||
|
||||
Service -> TranscriptRepo: getPreviousDiscussions(meetingId)
|
||||
activate TranscriptRepo
|
||||
|
||||
TranscriptRepo -> DB: SELECT discussed_topics\nFROM ai_transcripts\nWHERE meeting_id = {meetingId}
|
||||
activate DB
|
||||
|
||||
DB --> TranscriptRepo: 이미 논의한 주제 목록
|
||||
deactivate DB
|
||||
|
||||
TranscriptRepo --> Service: discussedTopics
|
||||
deactivate TranscriptRepo
|
||||
|
||||
== LLM 기반 논의사항 제안 생성 ==
|
||||
|
||||
Service -> Service: 제안 프롬프트 생성
|
||||
note right
|
||||
시스템 프롬프트:
|
||||
- 역할: 회의 퍼실리테이터
|
||||
- 목표: 회의 안건 대비 빠진 논의 찾기
|
||||
|
||||
사용자 프롬프트:
|
||||
- 회의 안건: {agenda}
|
||||
- 이미 논의한 주제: {discussedTopics}
|
||||
- 현재 대화 내용: {transcriptText}
|
||||
- 참석자 정보: {participants}
|
||||
|
||||
지시사항:
|
||||
- 안건에 있지만 아직 안 다룬 항목 찾기
|
||||
- 대화 흐름상 빠진 중요 논의 식별
|
||||
- 추가하면 좋을 주제 제안
|
||||
- 우선순위 부여
|
||||
|
||||
응답 형식:
|
||||
{
|
||||
"suggestions": [
|
||||
{
|
||||
"topic": "논의 주제",
|
||||
"reason": "제안 이유",
|
||||
"priority": "HIGH|MEDIUM|LOW",
|
||||
"relatedAgenda": "관련 안건 항목",
|
||||
"estimatedTime": 분 단위 예상 시간
|
||||
}
|
||||
]
|
||||
}
|
||||
end note
|
||||
|
||||
Service -> LLM: generateDiscussionSuggestions(prompt)
|
||||
activate LLM
|
||||
|
||||
LLM -> OpenAI: POST /chat/completions
|
||||
activate OpenAI
|
||||
note right
|
||||
요청 파라미터:
|
||||
- model: gpt-4o
|
||||
- temperature: 0.4
|
||||
- response_format: json_object
|
||||
- max_tokens: 1500
|
||||
end note
|
||||
|
||||
OpenAI -> OpenAI: 회의 맥락 분석
|
||||
note right
|
||||
분석 단계:
|
||||
1. 안건 항목별 진행 상황 체크
|
||||
2. 이미 논의한 주제와 비교
|
||||
3. 현재 대화 맥락 이해
|
||||
4. 빠진 중요 논의 식별
|
||||
5. 추가 제안 생성
|
||||
6. 우선순위 결정
|
||||
- HIGH: 안건 필수 항목
|
||||
- MEDIUM: 중요하지만 선택적
|
||||
- LOW: 추가 고려사항
|
||||
end note
|
||||
|
||||
OpenAI --> LLM: 논의사항 제안 목록 (JSON)
|
||||
deactivate OpenAI
|
||||
|
||||
LLM --> Service: discussionSuggestions
|
||||
deactivate LLM
|
||||
|
||||
== 제안 검증 및 필터링 ==
|
||||
|
||||
Service -> Service: 제안 품질 검증
|
||||
note right
|
||||
검증 기준:
|
||||
- 중복 제거 (이미 논의한 주제)
|
||||
- 관련성 검증 (회의 목적과 부합)
|
||||
- 우선순위별 정렬
|
||||
- 최대 5개까지만 선택
|
||||
(너무 많으면 오히려 방해)
|
||||
end note
|
||||
|
||||
loop 각 제안마다
|
||||
|
||||
Service -> Service: 제안 메타데이터 보강
|
||||
note right
|
||||
추가 정보:
|
||||
- 생성 시각
|
||||
- 제안 신뢰도 점수
|
||||
- 회의 진행 시점 (분)
|
||||
- 상태: PENDING
|
||||
end note
|
||||
|
||||
end
|
||||
|
||||
== 제안 저장 ==
|
||||
|
||||
loop 각 검증된 제안마다
|
||||
|
||||
Service -> Repo: saveSuggestion(meetingId, suggestion)
|
||||
activate Repo
|
||||
|
||||
Repo -> DB: INSERT INTO ai_suggestions
|
||||
activate DB
|
||||
note right
|
||||
저장 데이터:
|
||||
- meeting_id
|
||||
- suggestion_type: 'DISCUSSION'
|
||||
- content: {topic, reason}
|
||||
- priority: HIGH/MEDIUM/LOW
|
||||
- related_agenda: "안건 항목"
|
||||
- estimated_time: 예상 시간
|
||||
- confidence_score: 0.0-1.0
|
||||
- status: PENDING
|
||||
- created_at
|
||||
end note
|
||||
|
||||
DB --> Repo: suggestionId
|
||||
deactivate DB
|
||||
|
||||
Repo --> Service: suggestionId
|
||||
deactivate Repo
|
||||
|
||||
end
|
||||
|
||||
== 응답 구성 ==
|
||||
|
||||
Service -> Service: 응답 데이터 구성
|
||||
note right
|
||||
프론트엔드 전달 형식:
|
||||
{
|
||||
"suggestions": [
|
||||
{
|
||||
"id": "suggestion-uuid",
|
||||
"topic": "논의 주제",
|
||||
"reason": "제안 이유",
|
||||
"priority": "HIGH",
|
||||
"relatedAgenda": "관련 안건",
|
||||
"estimatedTime": 10,
|
||||
"canApply": true
|
||||
}
|
||||
],
|
||||
"totalCount": 제안 개수,
|
||||
"displayHint": "오른쪽 탭에 표시"
|
||||
}
|
||||
end note
|
||||
|
||||
Service --> Controller: 논의사항 제안 생성 완료
|
||||
deactivate Service
|
||||
|
||||
Controller --> Controller: 200 OK 응답 반환
|
||||
note right
|
||||
프론트엔드 처리:
|
||||
- 오른쪽 "추천" 탭에 표시
|
||||
- "적용" 버튼 활성화
|
||||
- 우선순위별 색상 표시
|
||||
* HIGH: 빨강
|
||||
* MEDIUM: 주황
|
||||
* LOW: 초록
|
||||
end note
|
||||
|
||||
== 사용자가 제안 적용 시 ==
|
||||
|
||||
note over Controller
|
||||
사용자가 "적용" 버튼 클릭 시:
|
||||
PUT /api/ai/suggestions/{suggestionId}/apply
|
||||
end note
|
||||
|
||||
Controller -> Service: applySuggestion(suggestionId, meetingId)
|
||||
activate Service
|
||||
|
||||
Service -> Repo: updateSuggestionStatus(suggestionId, "APPLIED")
|
||||
activate Repo
|
||||
|
||||
Repo -> DB: UPDATE ai_suggestions\nSET status = 'APPLIED',\napplied_at = NOW()
|
||||
activate DB
|
||||
|
||||
DB --> Repo: 업데이트 완료
|
||||
deactivate DB
|
||||
|
||||
Repo --> Service: 완료
|
||||
deactivate Repo
|
||||
|
||||
Service -> Service: 논의사항을 회의록에 추가하는 로직 실행
|
||||
note right
|
||||
Meeting Service에 API 호출하여
|
||||
새로운 논의 섹션 추가
|
||||
end note
|
||||
|
||||
Service --> Controller: 적용 완료
|
||||
deactivate Service
|
||||
|
||||
Controller --> Controller: 200 OK
|
||||
|
||||
note over Controller, DB
|
||||
처리 시간:
|
||||
- 맥락 정보 조회: 100-200ms
|
||||
- LLM 제안 생성: 2-3초
|
||||
- 검증 및 필터링: 100-200ms
|
||||
- 저장 처리: 200-300ms
|
||||
총 처리 시간: 약 3-4초
|
||||
|
||||
제안 정책:
|
||||
- 최대 5개까지만 제안
|
||||
- 우선순위 HIGH가 1개 이상
|
||||
- 이미 논의한 주제는 제외
|
||||
- 제안은 회의 중 언제든 생성 가능
|
||||
end note
|
||||
|
||||
@enduml
|
||||
@@ -0,0 +1,321 @@
|
||||
@startuml
|
||||
!theme mono
|
||||
|
||||
title AI Service 내부 시퀀스 - 실시간Todo추출
|
||||
|
||||
participant "SuggestionController" as Controller
|
||||
participant "RealtimeTodoService" as Service
|
||||
participant "LLMClient" as LLM
|
||||
participant "SuggestionRepository" as Repo
|
||||
participant "TranscriptRepository" as TranscriptRepo
|
||||
database "Azure OpenAI<<E>>" as OpenAI
|
||||
database "PostgreSQL<<E>>" as DB
|
||||
|
||||
== 실시간 액션아이템 추출 요청 ==
|
||||
|
||||
note over Controller
|
||||
TranscriptService로부터 호출
|
||||
또는 API 직접 호출:
|
||||
POST /api/ai/suggestions/action-item
|
||||
Body: {
|
||||
"meetingId": "{meetingId}",
|
||||
"transcriptText": "최근 대화 내용"
|
||||
}
|
||||
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 -> Repo: getPreviousActionItems(meetingId)
|
||||
activate Repo
|
||||
|
||||
Repo -> DB: SELECT content FROM ai_suggestions\nWHERE meeting_id = {meetingId}\nAND suggestion_type = 'ACTION_ITEM'\nAND status IN ('PENDING', 'APPLIED')
|
||||
activate DB
|
||||
|
||||
DB --> Repo: 이미 추출된 액션아이템
|
||||
deactivate DB
|
||||
|
||||
Repo --> Service: previousActionItems
|
||||
deactivate Repo
|
||||
|
||||
== 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 (라인 번호)
|
||||
- 상태: PENDING
|
||||
- 관련 결정사항 참조
|
||||
- 관련 논의 섹션 참조
|
||||
end note
|
||||
|
||||
end
|
||||
|
||||
== 제안 저장 ==
|
||||
|
||||
loop 각 검증된 제안마다
|
||||
|
||||
Service -> Repo: saveSuggestion(meetingId, actionItem)
|
||||
activate Repo
|
||||
|
||||
Repo -> DB: INSERT INTO ai_suggestions
|
||||
activate DB
|
||||
note right
|
||||
저장 데이터:
|
||||
- meeting_id
|
||||
- suggestion_type: 'ACTION_ITEM'
|
||||
- content: 할 일 내용
|
||||
- assignee: 담당자
|
||||
- due_date: 마감일
|
||||
- priority: HIGH/MEDIUM/LOW
|
||||
- confidence_score: 0.0-1.0
|
||||
- extracted_from: 원문
|
||||
- related_decision_id: 관련 결정
|
||||
- status: PENDING
|
||||
- created_at
|
||||
end note
|
||||
|
||||
DB --> Repo: suggestionId
|
||||
deactivate DB
|
||||
|
||||
Repo --> Service: suggestionId
|
||||
deactivate Repo
|
||||
|
||||
end
|
||||
|
||||
== 응답 구성 ==
|
||||
|
||||
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",
|
||||
"canApply": true
|
||||
}
|
||||
],
|
||||
"totalCount": 제안 개수,
|
||||
"displayHint": "오른쪽 탭 '액션아이템' 섹션"
|
||||
}
|
||||
end note
|
||||
|
||||
Service --> Controller: 액션아이템 제안 생성 완료
|
||||
deactivate Service
|
||||
|
||||
Controller --> Controller: 200 OK 응답 반환
|
||||
note right
|
||||
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:
|
||||
PUT /api/ai/suggestions/{suggestionId}/apply
|
||||
Body: {
|
||||
"assignee": "김철수" (수정 가능),
|
||||
"dueDate": "2025-02-01" (수정 가능)
|
||||
}
|
||||
end note
|
||||
|
||||
Controller -> Service: applySuggestion(suggestionId, updateData)
|
||||
activate Service
|
||||
|
||||
Service -> Repo: updateSuggestionStatus(suggestionId, "APPLIED")
|
||||
activate Repo
|
||||
|
||||
Repo -> DB: UPDATE ai_suggestions\nSET status = 'APPLIED',\napplied_at = NOW(),\nassignee = {updateData.assignee},\ndue_date = {updateData.dueDate}
|
||||
activate DB
|
||||
|
||||
DB --> Repo: 업데이트 완료
|
||||
deactivate DB
|
||||
|
||||
Repo --> Service: 완료
|
||||
deactivate Repo
|
||||
|
||||
Service -> Service: Meeting Service에 Todo 생성 요청
|
||||
note right
|
||||
POST /meetings/{meetingId}/todos
|
||||
Body: {
|
||||
"content": "할 일 내용",
|
||||
"assignee": "담당자",
|
||||
"dueDate": "마감일",
|
||||
"priority": "우선순위",
|
||||
"relatedSection": "관련 회의록 섹션"
|
||||
}
|
||||
|
||||
Meeting Service에서:
|
||||
- Todo 생성
|
||||
- TodoCreated 이벤트 발행
|
||||
- 담당자에게 알림 발송
|
||||
end note
|
||||
|
||||
Service --> Controller: 적용 완료
|
||||
deactivate Service
|
||||
|
||||
Controller --> Controller: 200 OK
|
||||
|
||||
note over Controller, DB
|
||||
처리 시간:
|
||||
- 맥락 조회: 100-200ms
|
||||
- LLM 패턴 감지: 1-2초
|
||||
- 검증 및 필터링: 100-200ms
|
||||
- 저장 처리: 200-300ms
|
||||
총 처리 시간: 약 2-3초
|
||||
|
||||
제안 정책:
|
||||
- 신뢰도 70% 이상만 제안
|
||||
- 명확한 액션 표현 우선
|
||||
- 중복 제거 (유사도 90% 기준)
|
||||
- 실시간으로 계속 감지
|
||||
- 최대 20개까지 누적 표시
|
||||
- 적용된 것은 회색 처리
|
||||
|
||||
차이점 (회의 종료 후 Todo 추출과):
|
||||
- 실시간: 5초마다 즉시 추출
|
||||
- 종료 후: 전체 회의록 기반 종합 추출
|
||||
- 실시간은 "후보"로 제시
|
||||
- 종료 후는 "확정" 추출 후 자동 생성
|
||||
end note
|
||||
|
||||
@enduml
|
||||
@@ -1,10 +1,11 @@
|
||||
@startuml
|
||||
!theme mono
|
||||
|
||||
title AI Service 내부 시퀀스 - 회의록자동작성
|
||||
title AI Service 내부 시퀀스 - 회의록자동작성 (실시간 추천 포함)
|
||||
|
||||
participant "TranscriptController" as Controller
|
||||
participant "TranscriptService" as Service
|
||||
participant "SuggestionService" as SuggestService
|
||||
participant "LLMClient" as LLM
|
||||
participant "VectorService" as Vector
|
||||
participant "TranscriptRepository" as Repo
|
||||
@@ -119,9 +120,134 @@ deactivate VectorDB
|
||||
Vector --> Service: 임베딩 생성 완료
|
||||
deactivate Vector
|
||||
|
||||
== 실시간 추천 병렬 처리 ==
|
||||
|
||||
Service -> SuggestService: generateRealtimeSuggestions(meetingId, transcriptText)
|
||||
activate SuggestService
|
||||
|
||||
par 논의사항 제안 생성
|
||||
SuggestService -> LLM: suggestDiscussionTopics(meetingId, transcript)
|
||||
activate LLM
|
||||
|
||||
LLM -> OpenAI: POST /chat/completions
|
||||
activate OpenAI
|
||||
note right
|
||||
프롬프트:
|
||||
- 현재 대화 맥락 분석
|
||||
- 빠진 논의 항목 찾기
|
||||
- 추가하면 좋을 주제 제안
|
||||
|
||||
응답 형식:
|
||||
{
|
||||
"suggestions": [
|
||||
{
|
||||
"topic": "논의 주제",
|
||||
"reason": "제안 이유",
|
||||
"priority": "HIGH|MEDIUM|LOW"
|
||||
}
|
||||
]
|
||||
}
|
||||
end note
|
||||
|
||||
OpenAI --> LLM: 논의사항 제안 목록
|
||||
deactivate OpenAI
|
||||
|
||||
LLM --> SuggestService: discussionSuggestions
|
||||
deactivate LLM
|
||||
|
||||
SuggestService -> Repo: saveSuggestions(meetingId, "DISCUSSION", suggestions)
|
||||
activate Repo
|
||||
Repo -> DB: INSERT INTO ai_suggestions
|
||||
activate DB
|
||||
DB --> Repo: 저장 완료
|
||||
deactivate DB
|
||||
deactivate Repo
|
||||
|
||||
else 결정사항 제안 생성
|
||||
SuggestService -> LLM: suggestDecisions(meetingId, transcript)
|
||||
activate LLM
|
||||
|
||||
LLM -> OpenAI: POST /chat/completions
|
||||
activate OpenAI
|
||||
note right
|
||||
프롬프트:
|
||||
- "~하기로 함" 패턴 감지
|
||||
- "~로 결정" 패턴 감지
|
||||
- 결정 내용 구조화
|
||||
|
||||
응답 형식:
|
||||
{
|
||||
"decisions": [
|
||||
{
|
||||
"content": "결정 내용",
|
||||
"category": "기술|일정|리소스",
|
||||
"confidence": 0.0-1.0
|
||||
}
|
||||
]
|
||||
}
|
||||
end note
|
||||
|
||||
OpenAI --> LLM: 결정사항 제안 목록
|
||||
deactivate OpenAI
|
||||
|
||||
LLM --> SuggestService: decisionSuggestions
|
||||
deactivate LLM
|
||||
|
||||
SuggestService -> Repo: saveSuggestions(meetingId, "DECISION", suggestions)
|
||||
activate Repo
|
||||
Repo -> DB: INSERT INTO ai_suggestions
|
||||
activate DB
|
||||
DB --> Repo: 저장 완료
|
||||
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
|
||||
deactivate SuggestService
|
||||
|
||||
== 이벤트 발행 ==
|
||||
|
||||
Service -> Controller: 회의록 생성 완료 응답
|
||||
Service -> Controller: 회의록 및 추천사항 생성 완료 응답
|
||||
deactivate Service
|
||||
|
||||
Controller -> Controller: TranscriptSummaryCreated 발행
|
||||
@@ -130,15 +256,23 @@ note right
|
||||
- meetingId
|
||||
- transcriptId
|
||||
- content
|
||||
- suggestions:
|
||||
* discussionTopics: []
|
||||
* decisions: []
|
||||
* actionItems: []
|
||||
end note
|
||||
|
||||
note over Controller, DB
|
||||
처리 시간:
|
||||
- 맥락 조회: 100-200ms
|
||||
- LLM 생성: 3-5초
|
||||
- LLM 회의록 생성: 3-5초
|
||||
- 저장: 100-200ms
|
||||
- 벡터화: 500ms-1초
|
||||
총: 약 4-7초
|
||||
- 실시간 추천 병렬 처리: 5-8초
|
||||
* 논의사항 제안: 2-3초
|
||||
* 결정사항 제안: 2-3초
|
||||
* 액션아이템 추출: 1-2초
|
||||
총: 약 9-15초
|
||||
end note
|
||||
|
||||
@enduml
|
||||
@enduml
|
||||
|
||||
@@ -0,0 +1,144 @@
|
||||
@startuml
|
||||
!theme mono
|
||||
|
||||
title AI Service 내부 시퀀스 - 회의록자동작성
|
||||
|
||||
participant "TranscriptController" as Controller
|
||||
participant "TranscriptService" as Service
|
||||
participant "LLMClient" as LLM
|
||||
participant "VectorService" as Vector
|
||||
participant "TranscriptRepository" as Repo
|
||||
database "Azure OpenAI" as OpenAI <<external>>
|
||||
database "Vector DB" as VectorDB <<external>>
|
||||
database "PostgreSQL" as DB <<external>>
|
||||
|
||||
== TranscriptReady 이벤트 수신 ==
|
||||
|
||||
note over Controller
|
||||
Azure Event Hubs로부터
|
||||
TranscriptReady 이벤트 수신
|
||||
end note
|
||||
|
||||
Controller -> Service: processTranscript(meetingId, transcriptText)
|
||||
activate Service
|
||||
|
||||
Service -> Service: 회의 맥락 정보 조회 준비
|
||||
|
||||
== 병렬 처리: 맥락 정보 수집 ==
|
||||
|
||||
par 회의 정보 조회
|
||||
Service -> Repo: getMeetingContext(meetingId)
|
||||
activate Repo
|
||||
Repo -> DB: SELECT meeting_info
|
||||
activate DB
|
||||
DB --> Repo: 회의 정보 반환
|
||||
deactivate DB
|
||||
Repo --> Service: 회의 맥락 정보
|
||||
deactivate Repo
|
||||
else 이전 내용 조회
|
||||
Service -> Repo: getPreviousTranscripts(meetingId)
|
||||
activate Repo
|
||||
Repo -> DB: SELECT previous_content
|
||||
activate DB
|
||||
DB --> Repo: 이전 회의록
|
||||
deactivate DB
|
||||
Repo --> Service: 이전 내용
|
||||
deactivate Repo
|
||||
end
|
||||
|
||||
Service -> Service: 프롬프트 생성
|
||||
note right
|
||||
시스템 프롬프트 생성
|
||||
- 역할 정의
|
||||
- 변환 규칙 적용
|
||||
end note
|
||||
|
||||
== LLM 기반 회의록 작성 ==
|
||||
|
||||
Service -> LLM: generateMinutes(prompt, context)
|
||||
activate LLM
|
||||
|
||||
LLM -> OpenAI: POST /chat/completions
|
||||
activate OpenAI
|
||||
note right
|
||||
model: gpt-4o
|
||||
temperature: 0.3
|
||||
max_tokens: 2000
|
||||
end note
|
||||
|
||||
OpenAI -> OpenAI: 텍스트 분석 및 정리
|
||||
|
||||
OpenAI --> LLM: 정리된 회의록 내용
|
||||
deactivate OpenAI
|
||||
|
||||
LLM --> Service: 회의록 초안
|
||||
deactivate LLM
|
||||
|
||||
== 회의록 저장 ==
|
||||
|
||||
Service -> Service: 회의록 데이터 구조화
|
||||
|
||||
Service -> Repo: saveTranscriptDraft(meetingId, content)
|
||||
activate Repo
|
||||
|
||||
Repo -> DB: INSERT INTO ai_transcripts
|
||||
activate DB
|
||||
note right
|
||||
저장 데이터:
|
||||
- meeting_id
|
||||
- content (JSON)
|
||||
- status: DRAFT
|
||||
end note
|
||||
|
||||
DB --> Repo: 저장 완료
|
||||
deactivate DB
|
||||
|
||||
Repo --> Service: transcriptId
|
||||
deactivate Repo
|
||||
|
||||
== 벡터 임베딩 생성 ==
|
||||
|
||||
Service -> Vector: createEmbedding(transcriptId, content)
|
||||
activate Vector
|
||||
|
||||
Vector -> OpenAI: POST /embeddings
|
||||
activate OpenAI
|
||||
note right
|
||||
model: text-embedding-3-large
|
||||
end note
|
||||
|
||||
OpenAI --> Vector: 임베딩 벡터
|
||||
deactivate OpenAI
|
||||
|
||||
Vector -> VectorDB: INSERT embedding
|
||||
activate VectorDB
|
||||
|
||||
VectorDB --> Vector: 저장 완료
|
||||
deactivate VectorDB
|
||||
|
||||
Vector --> Service: 임베딩 생성 완료
|
||||
deactivate Vector
|
||||
|
||||
== 이벤트 발행 ==
|
||||
|
||||
Service -> Controller: 회의록 생성 완료 응답
|
||||
deactivate Service
|
||||
|
||||
Controller -> Controller: TranscriptSummaryCreated 발행
|
||||
note right
|
||||
이벤트 데이터:
|
||||
- meetingId
|
||||
- transcriptId
|
||||
- content
|
||||
end note
|
||||
|
||||
note over Controller, DB
|
||||
처리 시간:
|
||||
- 맥락 조회: 100-200ms
|
||||
- LLM 생성: 3-5초
|
||||
- 저장: 100-200ms
|
||||
- 벡터화: 500ms-1초
|
||||
총: 약 4-7초
|
||||
end note
|
||||
|
||||
@enduml
|
||||
Reference in New Issue
Block a user