@startuml
!theme mono

title AI Service 내부 시퀀스 - 실시간Todo추출

participant "SuggestionController" as Controller
participant "RealtimeTodoService" as Service
participant "LLMClient" as LLM
participant "TranscriptRepository" as TranscriptRepo
database "Azure OpenAI<<E>>" as OpenAI
database "Redis Cache<<E>>" as Cache
database "PostgreSQL<<E>>" as DB

== 실시간 액션아이템 추출 요청 ==

note over Controller
  TranscriptService로부터 호출
  (회의록 자동작성 프로세스 내부)
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 -> Cache: GET action-items:{meetingId}
activate Cache
note right
  이전에 추출한 액션아이템 조회
  (중복 제거용)
end note

Cache --> Service: previousActionItems
deactivate Cache

== 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 정보
      - 고유 ID (UUID)
    end note

end

== 임시 캐시 저장 (선택적) ==

Service -> Cache: APPEND action-items:{meetingId}
activate Cache
note right
  Redis에 임시 저장:
  - Key: action-items:{meetingId}
  - Value: JSON array (제안 목록)
  - TTL: 2시간 (회의 시간)
  - APPEND로 기존 목록에 추가

  목적:
  - 중복 감지용
  - 재접속 시 복원용
end note

Cache --> Service: 저장 완료
deactivate Cache

== 응답 반환 ==

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"
      }
    ],
    "totalCount": 제안 개수,
    "timestamp": "생성 시각"
  }
end note

Service --> Controller: 액션아이템 제안 목록
deactivate Service

Controller --> Controller: 이벤트 데이터에 포함하여 반환
note right
  TranscriptSummaryCreated 이벤트에
  actionItemSuggestions 필드로 포함

  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:
  프론트엔드에서 직접 Meeting Service 호출

  POST /api/meetings/{meetingId}/todos
  Body: {
    "content": "할 일 내용",
    "assignee": "김철수",
    "dueDate": "2025-02-01",
    "priority": "HIGH",
    "relatedSection": "관련 회의록 섹션"
  }

  Meeting Service에서:
  - Todo 생성
  - TodoCreated 이벤트 발행
  - 담당자에게 알림 발송
end note

note over Controller, DB
처리 시간:
- 맥락 조회: 100-200ms
- LLM 패턴 감지: 1-2초
- 검증 및 필터링: 100-200ms
- 캐시 저장: 50-100ms
총 처리 시간: 약 1.5-2.5초

특징:
- DB 영구 저장 없음 (임시 데이터)
- Redis 캐시만 활용
  * 중복 감지용
  * 재접속 복원용
- 프론트엔드 메모리에서 관리
- "적용" 시에만 Todo 생성

차이점 (회의 종료 후 Todo 추출과):
- 실시간: 5초마다 즉시 추출, 임시 제안
- 종료 후: 전체 회의록 기반 종합 추출, 자동 생성
- 실시간은 "후보"로 제시, 사용자 선택
- 종료 후는 "확정" 추출 후 자동 생성
end note

@enduml