내부,외부 시퀀스 기능 추가

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

@@ -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