@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" as OpenAI <<external>>
database "Vector DB" as VectorDB <<external>>
database "PostgreSQL" as DB <<external>>

== TranscriptReady 이벤트 수신 ==

note over Controller
Azure Event Hubs로부터
TranscriptReady 이벤트 수신
end note

Controller -> Service: processTranscript(meetingId, transcriptText)
activate Service

Service -> Service: 회의 맥락 정보 조회 준비

== 병렬 처리: 맥락 정보 수집 ==

par 회의 정보 조회
    Service -> Repo: getMeetingContext(meetingId)
    activate Repo
    Repo -> DB: SELECT meeting_info
    activate DB
    DB --> Repo: 회의 정보 반환
    deactivate DB
    Repo --> Service: 회의 맥락 정보
    deactivate Repo
else 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 생성
- 역할 정의
- 변환 규칙 적용
end note

== LLM 기반 회의록 작성 ==

Service -> LLM: generateMinutes(prompt, context)
activate LLM

LLM -> OpenAI: POST /chat/completions
activate OpenAI
note right
model: gpt-4o
temperature: 0.3
max_tokens: 2000
end note

OpenAI -> OpenAI: 텍스트 분석 및 정리

OpenAI --> LLM: 정리된 회의록 내용
deactivate OpenAI

LLM --> Service: 회의록 초안
deactivate LLM

== 회의록 저장 ==

Service -> Service: 회의록 데이터 구조화

Service -> Repo: saveTranscriptDraft(meetingId, content)
activate Repo

Repo -> DB: INSERT INTO ai_transcripts
activate DB
note right
저장 데이터:
- meeting_id
- content (JSON)
- status: DRAFT
end note

DB --> Repo: 저장 완료
deactivate DB

Repo --> Service: transcriptId
deactivate Repo

== 벡터 임베딩 생성 ==

Service -> Vector: createEmbedding(transcriptId, content)
activate Vector

Vector -> OpenAI: POST /embeddings
activate OpenAI
note right
model: text-embedding-3-large
end note

OpenAI --> Vector: 임베딩 벡터
deactivate OpenAI

Vector -> VectorDB: INSERT embedding
activate VectorDB

VectorDB --> Vector: 저장 완료
deactivate VectorDB

Vector --> Service: 임베딩 생성 완료
deactivate Vector

== 이벤트 발행 ==

Service -> Controller: 회의록 생성 완료 응답
deactivate Service

Controller -> Controller: TranscriptSummaryCreated 발행
note right
이벤트 데이터:
- meetingId
- transcriptId
- content
end note

note over Controller, DB
처리 시간:
- 맥락 조회: 100-200ms
- LLM 생성: 3-5초
- 저장: 100-200ms
- 벡터화: 500ms-1초
총: 약 4-7초
end note

@enduml