ivada-infra/DOCS
3
0
Fork 0
Code Issues 1 Pull Requests 5 Actions Packages Projects Releases Wiki Activity

감정 시스템 문서 업데이트 - skill-embedding 기반 아키텍처

Browse Source 
- rb8001이 직접 ONNX 실행하지 않고 skill-embedding 호출
- 작업 순서 및 구현 상태 업데이트
This commit is contained in:
happybell80 2025-10-02 11:19:25 +09:00
parent 6101ed77a9
commit 3c1cd2aa6e
1 changed files with 18 additions and 14 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

32
troubleshooting/20251002_emotion_system_implementation.md
View File

@ -71,11 +71,11 @@ done
- rb8001/app/core/emotion/monitoring.py (감정 모니터링) - rb8001/app/core/emotion/monitoring.py (감정 모니터링)
- rb8001/app/llm/emotion_llm.py (analyze_user_emotion, generate_response_with_emotion) - rb8001/app/llm/emotion_llm.py (analyze_user_emotion, generate_response_with_emotion)
### 미구현 항목 ### 미구현 항목 (2025-10-02 업데이트)
- rb8001/app/core/emotion/emotion_classifier.py (rb10508_micro에서 복사 필요) - ✅ rb8001/app/core/emotion/emotion_classifier.py (skill-embedding 호출로 구현)
- ONNX 모델 마운트 (docker-compose.yml 볼륨 설정 없음) - ✅ ONNX 모델은 skill-embedding이 처리 (rb8001 마운트 불필요)
- emotion_readings 테이블 (없음) - ✅ emotion_readings 테이블 (51123 서버에서 생성 완료)
- /v1/emotion/* API 엔드포인트 (없음) - ✅ /v1/emotion/* API 엔드포인트 (구현 완료)
### ONNX 모델 현황 ### ONNX 모델 현황
- **모델 위치** (51124 서버): /home/admin/ivada_project/onnx_models/aihub-7emotions/ - **모델 위치** (51124 서버): /home/admin/ivada_project/onnx_models/aihub-7emotions/
@ -183,15 +183,19 @@ done
## 작업 순서 ## 작업 순서
1. Docker 볼륨 마운트: rb8001 docker-compose.yml에 `../onnx_models:/code/onnx_models:ro` 추가 1. skill-embedding 서비스에 감정 분석 추가:
2. 의존성 추가: rb8001/requirements.txt에 `onnxruntime==1.18.1`, `transformers==4.45.2` 추가 - emotion_service.py: ONNX 모델 로드 및 추론
3. 추론 모듈 복사: rb10508_micro/app/core/emotion/emotion_classifier.py → rb8001/app/core/emotion/ - routers/emotion.py: API 엔드포인트 (/emotion)
4. EmotionAwareLLM 연결: rb8001/app/llm/emotion_llm.py:25 - main.py: 라우터 include
5. LLMService 톤 조절: rb8001/app/llm/llm_service.py:133 2. rb8001에서 skill-embedding 호출:
6. DB 스키마 준비: 51123 서버에서 robeing_metrics DB에 emotion_readings 테이블 생성 - emotion_classifier.py: HTTP 클라이언트로 skill-embedding 호출
7. DB 클라이언트: rb8001/app/state/database.py 활용 또는 신규 파일 생성 - 환경변수: SKILL_EMBEDDING_URL=http://localhost:8515
8. API 라우터 생성: rb8001/app/router/emotion_endpoint.py 생성 후 main.py에 include 3. EmotionAwareLLM 연결: rb8001/app/llm/emotion_llm.py:25
9. 집계 쿼리 구현: time_bucket 기반 4. LLMService 톤 조절: rb8001/app/llm/llm_service.py:133
5. DB 스키마 준비: 51123 서버에서 robeing_metrics DB에 emotion_readings 테이블 생성
6. DB 클라이언트: rb8001/app/state/database.py 활용 또는 신규 파일 생성
7. API 라우터 생성: rb8001/app/router/emotion_endpoint.py 생성 후 main.py에 include
8. 집계 쿼리 구현: time_bucket 기반
## 모니터링/성능 ## 모니터링/성능