세부 실행계획 문서 제거 - 혼란 방지
This commit is contained in:
parent
a1c7b3b821
commit
8565e03938
@ -1,332 +0,0 @@
|
||||
# 감정 시스템 Phase 1 실행 계획
|
||||
|
||||
작성일: 2025년 8월 12일
|
||||
작성자: Claude (51123 서버)
|
||||
상태: 실행 준비 완료
|
||||
|
||||
## 0. 개발 철학 (절대 준수)
|
||||
|
||||
### 함수형 프로그래밍 100% 원칙
|
||||
- **하드코딩 0% 목표**: 근거없는 하드코딩 값 절대 사용 금지
|
||||
- **모든 설정값은 외부화**:
|
||||
- 환경변수 (.env)
|
||||
- 설정 파일 (config.yaml)
|
||||
- DB에서 동적 로드
|
||||
- **순수 함수 체인**: 부작용 없는 함수 조합
|
||||
- **불변성 유지**: 상태 변경 대신 새 객체 생성
|
||||
|
||||
### 예시
|
||||
```python
|
||||
# ❌ 잘못된 예 (하드코딩)
|
||||
def analyze_emotion(text):
|
||||
if len(text) > 100: # 하드코딩된 값
|
||||
return "neutral"
|
||||
threshold = 0.3 # 하드코딩된 임계값
|
||||
|
||||
# ✅ 올바른 예 (함수형)
|
||||
def analyze_emotion(text: str, config: Dict) -> Dict:
|
||||
max_length = config.get("max_text_length", 512)
|
||||
threshold = config.get("confidence_threshold", 0.3)
|
||||
# 순수 함수로 처리
|
||||
```
|
||||
|
||||
## 1. 현황 분석 결과
|
||||
|
||||
### 1.1 기존 자산
|
||||
- **학습 완료 모델**: training_emotion에 7개 감정 모델 (klue/bert-base)
|
||||
- **모델 성능**: F1 56.3%, Temperature Scaling 1.232
|
||||
- **인프라**: skill-embedding 서비스 운영 중 (FastAPI, ONNX Runtime)
|
||||
- **여유 자원**: CPU 0.05%, 메모리 873MB/2GB
|
||||
|
||||
### 1.2 기술 스택 확인
|
||||
```
|
||||
✅ transformers 4.45.2 설치됨
|
||||
✅ FastAPI 구조 확립
|
||||
✅ ONNX Runtime 지원
|
||||
✅ ChromaDB 메타데이터 저장 가능
|
||||
```
|
||||
|
||||
## 2. 감정 모델 상세
|
||||
|
||||
### 2.1 7개 감정 체계
|
||||
```python
|
||||
emotions = [
|
||||
'fear', # 공포 (즉발적 기본정서)
|
||||
'surprise', # 놀람 (즉발적 기본정서)
|
||||
'anger', # 분노 (즉발적 기본정서)
|
||||
'sadness', # 슬픔 (감정적 반응)
|
||||
'happiness', # 행복 (감정적 반응)
|
||||
'disgust', # 혐오 (감정적 반응)
|
||||
'neutral' # 중립 (균형 상태)
|
||||
]
|
||||
```
|
||||
|
||||
### 2.2 로빙 철학과의 연결
|
||||
- **기본정서 (100ms)**: fear, surprise, anger → 즉발 반응
|
||||
- **사회기능 (500ms)**: sadness, happiness, disgust → 숙고된 반응
|
||||
- **엔트로피 특이점**: 높은 엔트로피 시 창발적 응답
|
||||
|
||||
## 3. 구현 아키텍처
|
||||
|
||||
### 3.1 서비스 확장 (Option A - 선택)
|
||||
```
|
||||
skill-embedding (포트 8515)
|
||||
├── /embed (기존)
|
||||
└── /analyze_emotion (신규)
|
||||
├── 입력: text, user_id (optional)
|
||||
├── 처리: 7개 감정 분석
|
||||
└── 출력: emotions, dominant, entropy, confidence
|
||||
```
|
||||
|
||||
### 3.2 API 설계
|
||||
```json
|
||||
// Request
|
||||
POST /analyze_emotion
|
||||
{
|
||||
"text": "오늘 프로젝트가 실패했어요",
|
||||
"user_id": "optional_for_caching"
|
||||
}
|
||||
|
||||
// Response
|
||||
{
|
||||
"emotions": {
|
||||
"fear": 0.15,
|
||||
"surprise": 0.05,
|
||||
"anger": 0.25,
|
||||
"sadness": 0.35,
|
||||
"neutral": 0.10,
|
||||
"happiness": 0.05,
|
||||
"disgust": 0.05
|
||||
},
|
||||
"dominant": "sadness",
|
||||
"entropy": 2.31,
|
||||
"confidence": 0.35,
|
||||
"processing_time_ms": 87
|
||||
}
|
||||
```
|
||||
|
||||
## 4. 실행 계획
|
||||
|
||||
### Phase 1-A: 기본 통합 (Day 1-2)
|
||||
|
||||
#### 51123 서버 작업
|
||||
```bash
|
||||
# 1. 모델 준비
|
||||
sudo mkdir -p /opt/models/emotion
|
||||
sudo cp -r /path/to/training_emotion/outputs/aihub-7emotions-complete/* \
|
||||
/opt/models/emotion/
|
||||
sudo chown -R admin:admin /opt/models/emotion
|
||||
```
|
||||
|
||||
#### 로컬 개발자 작업
|
||||
```python
|
||||
# 2. emotion_analyzer.py 작성
|
||||
from transformers import AutoModelForSequenceClassification, AutoTokenizer
|
||||
import torch
|
||||
import numpy as np
|
||||
|
||||
class EmotionAnalyzer:
|
||||
def __init__(self, config: Dict):
|
||||
# 하드코딩 없음 - 모든 값은 config에서
|
||||
self.model_path = config["model_path"]
|
||||
self.model = AutoModelForSequenceClassification.from_pretrained(self.model_path)
|
||||
self.tokenizer = AutoTokenizer.from_pretrained(self.model_path)
|
||||
self.temperature = config["temperature_scaling"] # from calibration.json
|
||||
self.emotions = config["emotion_labels"] # from config
|
||||
|
||||
async def analyze(self, text: str) -> dict:
|
||||
inputs = self.tokenizer(text, return_tensors="pt",
|
||||
max_length=512, truncation=True)
|
||||
|
||||
with torch.no_grad():
|
||||
logits = self.model(**inputs).logits
|
||||
probs = torch.softmax(logits / self.temperature, dim=-1)
|
||||
|
||||
emotion_scores = {
|
||||
emotion: float(probs[0][i])
|
||||
for i, emotion in enumerate(self.emotions)
|
||||
}
|
||||
|
||||
dominant = max(emotion_scores, key=emotion_scores.get)
|
||||
entropy = self._calculate_entropy(list(emotion_scores.values()))
|
||||
|
||||
return {
|
||||
"emotions": emotion_scores,
|
||||
"dominant": dominant,
|
||||
"entropy": entropy,
|
||||
"confidence": emotion_scores[dominant]
|
||||
}
|
||||
|
||||
def _calculate_entropy(self, probs):
|
||||
probs = np.array(probs)
|
||||
probs = probs[probs > 0]
|
||||
return -np.sum(probs * np.log(probs))
|
||||
```
|
||||
|
||||
#### 51124 서버 작업
|
||||
```yaml
|
||||
# 3. docker-compose.yml 수정
|
||||
services:
|
||||
skill-embedding:
|
||||
volumes:
|
||||
- /opt/models:/opt/models:ro
|
||||
environment:
|
||||
- EMOTION_MODEL_PATH=/opt/models/emotion
|
||||
```
|
||||
|
||||
### Phase 1-B: 최적화 (Day 3-4)
|
||||
|
||||
#### ONNX 변환
|
||||
```bash
|
||||
# 로컬 개발자
|
||||
python convert_to_onnx.py \
|
||||
--model_path /opt/models/emotion \
|
||||
--output_path /opt/models/emotion-onnx \
|
||||
--optimize
|
||||
```
|
||||
|
||||
#### 캐싱 구현 (설정 기반)
|
||||
```python
|
||||
from functools import lru_cache
|
||||
import hashlib
|
||||
|
||||
class CachedEmotionAnalyzer(EmotionAnalyzer):
|
||||
def __init__(self, config: Dict):
|
||||
super().__init__(config)
|
||||
self.cache_size = config.get("cache_size", 1000)
|
||||
self.cache_ttl = config.get("cache_ttl_seconds", 300)
|
||||
|
||||
@lru_cache(maxsize=None) # maxsize는 동적으로 관리
|
||||
def _analyze_cached(self, text_hash: str):
|
||||
# 실제 분석 로직
|
||||
pass
|
||||
|
||||
async def analyze(self, text: str, user_id: str = None):
|
||||
text_hash = hashlib.md5(text.encode()).hexdigest()
|
||||
cache_key = f"{user_id}:{text_hash}" if user_id else text_hash
|
||||
return self._analyze_cached(cache_key)
|
||||
```
|
||||
|
||||
### Phase 1-C: 통합 (Day 5)
|
||||
|
||||
#### rb10508_micro 연동
|
||||
```python
|
||||
# Slack 메시지 처리 시
|
||||
async def process_slack_message(text: str, user_id: str):
|
||||
# 1. 감정 분석
|
||||
emotion_result = await call_emotion_api(text, user_id)
|
||||
|
||||
# 2. ChromaDB 메타데이터 추가
|
||||
metadata = {
|
||||
"user_id": user_id,
|
||||
"timestamp": datetime.now().isoformat(),
|
||||
"emotions": emotion_result["emotions"],
|
||||
"dominant_emotion": emotion_result["dominant"],
|
||||
"emotional_entropy": emotion_result["entropy"]
|
||||
}
|
||||
|
||||
# 3. 응답 톤 조정
|
||||
response_tone = adjust_tone_by_emotion(emotion_result["dominant"])
|
||||
|
||||
return generate_response(text, tone=response_tone)
|
||||
```
|
||||
|
||||
## 5. 성능 목표 및 측정
|
||||
|
||||
### 5.1 목표 지표
|
||||
- **응답시간**: < 200ms (캐시 미스), < 50ms (캐시 히트)
|
||||
- **정확도**: 체감 정확도 > 70%
|
||||
- **메모리**: < 1.5GB 총 사용량
|
||||
- **처리량**: > 10,000 요청/일
|
||||
|
||||
### 5.2 측정 방법
|
||||
```bash
|
||||
# 성능 테스트
|
||||
curl -w "@curl-format.txt" \
|
||||
-X POST http://localhost:8515/analyze_emotion \
|
||||
-H "Content-Type: application/json" \
|
||||
-d '{"text":"테스트 메시지"}'
|
||||
|
||||
# 부하 테스트
|
||||
locust -f tests/load_test.py --users 10 --spawn-rate 2
|
||||
```
|
||||
|
||||
## 6. 리스크 관리
|
||||
|
||||
### 6.1 잠재 위험
|
||||
| 위험 요소 | 영향도 | 대응 방안 |
|
||||
|---------|-------|----------|
|
||||
| 모델 크기 (442MB) | 중 | ONNX 변환으로 150MB로 축소 |
|
||||
| 메모리 부족 | 중 | 모델 공유, 캐싱 최적화 |
|
||||
| 낮은 정확도 (56.3%) | 낮 | confidence 임계값 설정 |
|
||||
| Cold start | 낮 | 서비스 시작 시 프리로드 |
|
||||
|
||||
### 6.2 폴백 전략 (설정 기반)
|
||||
```yaml
|
||||
# config.yaml
|
||||
fallback:
|
||||
confidence_threshold: 0.3 # DB나 실험으로 결정된 값
|
||||
entropy_threshold: 2.8 # 데이터 분석으로 도출된 값
|
||||
default_emotion: "neutral" # 기본값
|
||||
skip_on_error: true # 오류 시 동작
|
||||
```
|
||||
- confidence < threshold일 때 neutral로 분류
|
||||
- 엔트로피 > threshold일 때 "복잡한 감정" 표시
|
||||
- 오류 시 감정 분석 스킵하고 진행
|
||||
|
||||
## 7. 작업 분담
|
||||
|
||||
### 51123 서버 (시스템 관리)
|
||||
- [ ] 모델 파일 /opt/models 배치
|
||||
- [ ] 배포 파이프라인 설정
|
||||
- [ ] 시스템 모니터링
|
||||
- [ ] 문서화
|
||||
|
||||
### 로컬 개발자 (코드 구현)
|
||||
- [ ] emotion_analyzer.py 작성
|
||||
- [ ] FastAPI 엔드포인트 추가
|
||||
- [ ] ONNX 변환 스크립트
|
||||
- [ ] rb10508_micro 연동
|
||||
|
||||
### 51124 서버 (서비스 운영)
|
||||
- [ ] Docker 이미지 빌드
|
||||
- [ ] 서비스 배포
|
||||
- [ ] 로그 모니터링
|
||||
- [ ] 성능 측정
|
||||
|
||||
## 8. 검증 계획
|
||||
|
||||
### 8.1 단위 테스트
|
||||
```python
|
||||
def test_emotion_analysis():
|
||||
analyzer = EmotionAnalyzer()
|
||||
result = analyzer.analyze("정말 기쁜 하루였어요!")
|
||||
assert result["dominant"] == "happiness"
|
||||
assert result["confidence"] > 0.5
|
||||
```
|
||||
|
||||
### 8.2 통합 테스트
|
||||
- Slack 메시지 → 감정 분석 → ChromaDB 저장
|
||||
- 다양한 감정 텍스트 100개 테스트
|
||||
- 응답 시간 측정
|
||||
|
||||
## 9. 다음 단계 (Phase 2 준비)
|
||||
|
||||
- 감정 기반 대화 전략 수립
|
||||
- 장기 감정 패턴 분석
|
||||
- 사용자별 감정 프로파일
|
||||
- 멀티모달 감정 분석 (이미지, 음성)
|
||||
|
||||
## 10. 성공 기준
|
||||
|
||||
✅ Phase 1 완료 조건:
|
||||
1. 7개 감정 분석 API 정상 작동
|
||||
2. 평균 응답시간 < 200ms
|
||||
3. rb10508_micro 통합 완료
|
||||
4. ChromaDB 메타데이터 저장 확인
|
||||
5. 100개 테스트 케이스 통과
|
||||
|
||||
---
|
||||
|
||||
**시작일**: 2025년 8월 13일 (예정)
|
||||
**완료일**: 2025년 8월 17일 (목표)
|
||||
Loading…
x
Reference in New Issue
Block a user