@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
else
    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