내부,외부 시퀀스 기능 추가

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

@@ -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