내부 시퀀스 실시간 추천 기능 DB조회 제거

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

@@ -6,21 +6,16 @@ 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 "Redis Cache<<E>>" as Cache
 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"
-  }
+  (회의록 자동작성 프로세스 내부)
 end note
 
 Controller -> Service: suggestDiscussionTopics(meetingId, transcriptText)
@@ -139,42 +134,30 @@ loop 각 제안마다
       - 생성 시각
       - 제안 신뢰도 점수
       - 회의 진행 시점 (분)
-      - 상태: PENDING
+      - 고유 ID (UUID)
     end note
 
 end
 
-== 제안 저장 ==
+== 임시 캐시 저장 (선택적) ==
 
-loop 각 검증된 제안마다
+Service -> Cache: SET suggestions:discussion:{meetingId}
+activate Cache
+note right
+  Redis에 임시 저장:
+  - Key: suggestions:discussion:{meetingId}
+  - Value: JSON array (제안 목록)
+  - TTL: 2시간 (회의 시간)
 
-    Service -> Repo: saveSuggestion(meetingId, suggestion)
-    activate Repo
+  목적:
+  - 재접속 시 복원용
+  - WebSocket 재연결 대응
+end note
 
-    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
+Cache --> Service: 저장 완료
+deactivate Cache
 
-    DB --> Repo: suggestionId
-    deactivate DB
-
-    Repo --> Service: suggestionId
-    deactivate Repo
-
-end
-
-== 응답 구성 ==
+== 응답 반환 ==
 
 Service -> Service: 응답 데이터 구성
 note right
@@ -187,20 +170,22 @@ note right
         "reason": "제안 이유",
         "priority": "HIGH",
         "relatedAgenda": "관련 안건",
-        "estimatedTime": 10,
-        "canApply": true
+        "estimatedTime": 10
       }
     ],
     "totalCount": 제안 개수,
-    "displayHint": "오른쪽 탭에 표시"
+    "timestamp": "생성 시각"
   }
 end note
 
-Service --> Controller: 논의사항 제안 생성 완료
+Service --> Controller: 논의사항 제안 목록
 deactivate Service
 
-Controller --> Controller: 200 OK 응답 반환
+Controller --> Controller: 이벤트 데이터에 포함하여 반환
 note right
+  TranscriptSummaryCreated 이벤트에
+  discussionSuggestions 필드로 포함
+
   프론트엔드 처리:
   - 오른쪽 "추천" 탭에 표시
   - "적용" 버튼 활성화
@@ -214,48 +199,33 @@ end note
 
 note over Controller
   사용자가 "적용" 버튼 클릭 시:
-  PUT /api/ai/suggestions/{suggestionId}/apply
-end note
+  프론트엔드에서 직접 Meeting Service 호출
 
-Controller -> Service: applySuggestion(suggestionId, meetingId)
-activate Service
+  PUT /api/meetings/{meetingId}/transcript
+  Body: {
+    "addDiscussionSection": {
+      "topic": "논의 주제",
+      "content": ""
+    }
+  }
 
-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
+  Meeting Service에서 회의록에
   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
+- 캐시 저장: 50-100ms
+총 처리 시간: 약 2.5-3.5초
 
-제안 정책:
-- 최대 5개까지만 제안
-- 우선순위 HIGH가 1개 이상
-- 이미 논의한 주제는 제외
-- 제안은 회의 중 언제든 생성 가능
+특징:
+- DB 영구 저장 없음 (임시 데이터)
+- Redis 캐시만 활용 (재접속 복원용)
+- 프론트엔드 메모리에서 관리
+- "적용" 시에만 회의록에 반영
 end note
 
 @enduml