내부 시퀀스 설계 완료

- 총 21개 PlantUML 파일 생성 (Meeting 10개, AI 6개, STT 2개, Notification 3개)
- 서브 에이전트를 활용한 병렬 설계로 효율성 극대화
- 모든 시나리오는 유저스토리 및 외부 시퀀스와 1:1 매칭
- Controller → Service → Repository 계층 구조 명확히 표현
- Redis Cache, Azure Event Hubs 등 인프라 컴포넌트 표시
- 동기(→)/비동기(-->) 구분 명확
- 외부 참여자 <<E>> 표시 적용
- PlantUML 문법 검사 및 오류 수정 완료 (13개 파일 수정)
- par/and 블록 문법 오류 수정
- return 형식 적용으로 참여자 없는 화살표 오류 해결

설계 특징:
- 캐시 전략: Cache-Aside 패턴, TTL 관리, 즉시 무효화
- 비동기 처리: Azure Event Hubs 기반 이벤트 구독
- 실시간 협업: WebSocket 기반 동기화, 변경 델타 전송
- 데이터 일관성: 버전 관리, 양방향 연결, 트랜잭션 처리

추가 파일:
- claude/sequence-inner-design.md: 내부시퀀스설계 가이드
- tools/check-plantuml.ps1: PlantUML 문법 검사 스크립트

🤖 Generated with [Claude Code](https://claude.com/claude-code)

Co-Authored-By: Claude <noreply@anthropic.com>

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

@@ -0,0 +1,185 @@
+@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<<E>>" as OpenAI
+database "Vector DB<<E>>" as VectorDB
+database "PostgreSQL<<E>>" as DB
+
+== TranscriptReady 이벤트 수신 ==
+
+note over Controller
+  Azure Event Hubs로부터
+  TranscriptReady 이벤트 수신
+  (meetingId, transcriptText, timestamp)
+end note
+
+Controller -> Service: processTranscript(meetingId, transcriptText, timestamp)
+activate Service
+
+Service -> Service: 회의 맥락 정보 조회 준비
+note right
+  회의 제목, 참석자 정보,
+  이전 회의록 내용
+end note
+
+== 병렬 처리: 맥락 정보 수집 ==
+
+par "회의 정보 조회"
+    Service -> Repo: getMeetingContext(meetingId)
+    activate Repo
+    Repo -> DB: SELECT meeting_info, participants
+    activate DB
+    DB --> Repo: 회의 정보 반환
+    deactivate DB
+    Repo --> Service: 회의 맥락 정보
+    deactivate Repo
+and "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:
+  - 역할: 회의록 작성 전문가
+  - 지시사항: 구어체→문어체 변환,
+    주제별 분류, 발언자별 정리
+
+  사용자 프롬프트:
+  - 회의 제목: {title}
+  - 참석자: {participants}
+  - 이전 내용: {previous}
+  - 현재 발언: {transcriptText}
+end note
+
+== LLM 기반 회의록 작성 ==
+
+Service -> LLM: generateMinutes(prompt, meetingContext)
+activate LLM
+
+LLM -> OpenAI: POST /chat/completions
+activate OpenAI
+note right
+  요청 파라미터:
+  - model: gpt-4o
+  - temperature: 0.3
+  - max_tokens: 2000
+  - messages: [system, user]
+end note
+
+OpenAI -> OpenAI: 텍스트 분석 및 정리
+note right
+  1. 주제별 분류
+  2. 발언자별 의견 정리
+  3. 중요 키워드 추출
+  4. 구어체→문어체 변환
+  5. 문법 교정
+end note
+
+OpenAI --> LLM: 정리된 회의록 내용
+deactivate OpenAI
+
+LLM --> Service: 회의록 초안
+deactivate LLM
+
+== 회의록 저장 ==
+
+Service -> Service: 회의록 데이터 구조화
+note right
+  구조화 항목:
+  - 논의 주제
+  - 발언자별 의견
+  - 결정 사항
+  - 보류 사항
+  - 요약문
+end note
+
+Service -> Repo: saveTranscriptDraft(meetingId, content, timestamp)
+activate Repo
+
+Repo -> DB: INSERT INTO ai_transcripts
+activate DB
+note right
+  저장 데이터:
+  - meeting_id
+  - content (JSON)
+  - generated_at
+  - version
+  - status: DRAFT
+end note
+
+DB --> Repo: 저장 완료
+deactivate DB
+
+Repo --> Service: transcriptId
+deactivate Repo
+
+== 벡터 임베딩 생성 (비동기) ==
+
+Service -> Vector: createEmbedding(transcriptId, content)
+activate Vector
+
+Vector -> OpenAI: POST /embeddings
+activate OpenAI
+note right
+  model: text-embedding-3-large
+  input: 회의록 내용
+end note
+
+OpenAI --> Vector: 임베딩 벡터
+deactivate OpenAI
+
+Vector -> VectorDB: INSERT embedding
+activate VectorDB
+note right
+  vector_id: transcriptId
+  embedding: [float array]
+  metadata: {meetingId, timestamp}
+end note
+
+VectorDB --> Vector: 저장 완료
+deactivate VectorDB
+
+Vector --> Service: 임베딩 생성 완료
+deactivate Vector
+
+== TranscriptSummaryCreated 이벤트 발행 ==
+
+Service -> Controller: 회의록 생성 완료 응답
+deactivate Service
+
+Controller -> Controller: TranscriptSummaryCreated 이벤트 발행
+note right
+  이벤트 데이터:
+  - meetingId
+  - transcriptId
+  - content
+  - generatedAt
+
+  Partition Key: {meetingId}
+  Consumer: Meeting Service
+end note
+
+note over Controller, DB
+처리 시간:
+- 맥락 정보 조회: 100-200ms
+- LLM 생성: 3-5초
+- 저장 처리: 100-200ms
+- 벡터 임베딩: 500ms-1초 (비동기)
+총 처리 시간: 약 4-7초
+end note
+
+@enduml