docs: APScheduler Monday=0 체계 주의사항 추가

troubleshooting/250919_naverworks_slack_02_daily_briefing.md

@@ -29,7 +29,7 @@
 ### 2.1 트리거 방식
 - **스케줄러**: 매일 09:00 KST 자동 실행
 - **위치(현행)**: rb8001/main.py 내 APScheduler 초기화 및 잡 등록
-- **도구**: APScheduler (환경변수 기반 자동 등록 패턴 사용)
+- **도구**: APScheduler (환경변수 기반 자동 등록 패턴 사용, **주의: Monday=0 체계 사용, 평일은 'mon-fri' 권장**)
 
 ### 2.2 처리 흐름 (현행 코드 기준 + 계획)
 1. 스케줄러가 09:00에 rb8001 트리거 (main.py)

troubleshooting/250920_chromadb_collection_naming_unification.md

@@ -0,0 +1,127 @@
+# ChromaDB Collection 명명 규칙 통일
+
+**작성일**: 2025-09-20
+**작성자**: Claude
+**관련 서비스**: rb8001, skill-rag-file
+**이슈**: ChromaDB 컬렉션 명명 규칙 불일치
+
+## 문제 상황
+- rb8001과 skill-rag-file이 서로 다른 명명 규칙 사용
+- 기존: `rb8001_{user_id}`, `rb8001_{team_id}_documents`
+- 일관성 없는 명명으로 관리 어려움
+
+## 해결 방안
+
+### 표준 명명 규칙 정의
+```
+{service}_{identifier}_{type}
+```
+- **service**: 서비스명 (rb8001, skill_rag_file 등)
+- **identifier**: UUID (user_uuid 또는 team_uuid)
+- **type**: 데이터 타입 (memory, documents 등)
+
+### 구현 변경사항
+
+#### 1. rb8001 수정
+**파일**: `/home/admin/ivada_project/rb8001/app/memory/manager.py`
+
+변경 전:
+```python
+self.collection_name = f"{robeing_id}_{user_id}"
+```
+
+변경 후:
+```python
+self.collection_name = f"{robeing_id}_{user_id}_memory"
+collection_metadata = {"service": robeing_id, "user_id": user_id, "type": "memory"}
+```
+
+#### 2. skill-rag-file 수정
+**파일**: `/home/admin/ivada_project/skill-rag-file/app/api/upload.py`
+**파일**: `/home/admin/ivada_project/skill-rag-file/app/api/search.py`
+
+변경 전:
+```python
+collection_name = f"rb8001_{team_id}_documents"
+```
+
+변경 후:
+```python
+collection_name = f"skill_rag_file_{team_id}_documents"
+```
+
+#### 3. 마이그레이션 스크립트
+**파일**: `/home/admin/ivada_project/rb8001/scripts/migrate_chromadb_collections.py`
+
+주요 기능:
+- 기존 컬렉션 백업
+- 새 명명 규칙으로 복원
+- 메타데이터 추가 (service, type)
+- 자동 실행 모드 지원 (`--auto`)
+
+### 테스트 결과
+
+#### rb8001 테스트
+```python
+# 생성된 컬렉션명
+rb8001_test_user_12345_memory
+
+# 메타데이터
+{
+  "service": "rb8001",
+  "user_id": "test_user_12345",
+  "type": "memory"
+}
+```
+
+#### skill-rag-file 테스트
+```python
+# 생성된 컬렉션명
+skill_rag_file_test_team_123_documents
+
+# 메타데이터
+{
+  "service": "skill_rag_file",
+  "type": "documents",
+  "team_id": "test_team_123"
+}
+```
+
+## 배포 절차
+
+1. 코드 수정 및 푸시
+2. 서비스 재시작
+   ```bash
+   # rb8001
+   docker compose down && docker compose up -d --build
+
+   # skill-rag-file
+   cd /home/admin/ivada_project/skill-rag-file
+   docker compose down && docker compose up -d --build
+   ```
+
+3. 권한 수정 (필요시)
+   ```bash
+   sudo chown -R admin:xusers /home/admin/ivada_project/rb8001/chroma_db/
+   sudo chmod -R 775 /home/admin/ivada_project/rb8001/chroma_db/
+   ```
+
+4. 마이그레이션 실행 (기존 데이터가 있는 경우)
+   ```bash
+   python3 scripts/migrate_chromadb_collections.py --auto
+   ```
+
+## 주의사항
+- ChromaDB 버전에 따른 호환성 문제 가능
+- 권한 문제 발생 시 chown/chmod 필요
+- 텔레메트리 관련 경고는 무시 가능
+
+## 교훈
+1. **명명 규칙 표준화의 중요성**: 초기 설계 단계에서 전체 시스템의 명명 규칙을 통일
+2. **메타데이터 활용**: 컬렉션 메타데이터로 서비스, 타입 등 추가 정보 저장
+3. **마이그레이션 준비**: 스키마 변경 시 항상 마이그레이션 스크립트 준비
+4. **권한 관리**: Docker 컨테이너와 호스트 간 파일 권한 일치 필요
+
+## 관련 문서
+- [000000_unresolved_items_matrix.md](../plans/000000_unresolved_items_matrix.md)
+- [250915_skill-rag-file_초기_구축.md](250915_skill-rag-file_초기_구축.md)

troubleshooting/250920_emotion_system_implementation_plan.md

@@ -0,0 +1,177 @@
+# 감정 시스템 구현 계획 (rb8001)
+
+**작성일**: 2025-09-20
+**작성자**: Claude
+**관련 서비스**: rb8001
+**이슈**: 감정 분석 시스템 미구현
+
+## 현재 상황
+
+### rb8001 감정 시스템 현황
+- **구조만 존재**: base.py, emotion_llm.py 등 파일은 있으나 임시 구현
+- **실제 분석 없음**: 모든 감정에 균등 분포 (1/9) 반환
+- **rb10508 부재**: 이식하려던 rb10508 디렉토리 자체가 없음
+
+### 구현된 부분
+```python
+# /app/core/emotion/base.py
+- EmotionState 클래스 정의
+- 9개 감정: joy, sadness, anger, fear, disgust + anxiety, envy, embarrassment, ennui
+- calculate_entropy() 함수
+- Thompson Sampling 구조
+```
+
+### 미구현 부분
+1. **모델 통합**: klue/bert-base 기반 7클래스 분류기
+2. **ONNX 추론**: 모델 변환 및 최적화
+3. **Temperature Scaling**: 확률 보정
+4. **데이터베이스**: emotion_readings 테이블
+5. **API 엔드포인트**: /v1/emotion/infer 등
+
+## 구현 로드맵
+
+### Phase 1: 기본 감정 분석 (1주)
+1. **Day 1-2: 모델 준비**
+   - klue/bert-base 기반 감정 분류 모델 준비
+   - 7개 클래스: fear, surprise, anger, sadness, neutral, happiness, disgust
+   - ONNX 변환 및 최적화
+
+2. **Day 3-4: 추론 엔진 구현**
+   ```python
+   # /app/core/emotion/inference.py
+   class EmotionInference:
+       def __init__(self, model_path: str):
+           self.session = onnxruntime.InferenceSession(model_path)
+           self.tokenizer = AutoTokenizer.from_pretrained("klue/bert-base")
+           self.temperature = 1.0
+
+       def predict(self, text: str) -> Dict[str, float]:
+           # 토크나이징
+           inputs = self.tokenizer(text, max_length=128, truncation=True)
+           # ONNX 추론
+           logits = self.session.run(None, inputs)[0]
+           # Temperature Scaling
+           probs = softmax(logits / self.temperature)
+           return dict(zip(EMOTION_LABELS, probs))
+   ```
+
+3. **Day 5: DB 스키마 구현**
+   ```sql
+   CREATE TABLE emotion_readings (
+       id UUID PRIMARY KEY,
+       user_id UUID REFERENCES "user"(id),
+       text_hash VARCHAR(64),
+       model_version VARCHAR(20),
+       temperature FLOAT,
+       logits JSONB,
+       probs JSONB,
+       top_label VARCHAR(20),
+       top_p FLOAT,
+       entropy FLOAT,
+       meta JSONB,
+       created_at TIMESTAMP DEFAULT NOW()
+   );
+
+   CREATE INDEX idx_emotion_user_time ON emotion_readings(user_id, created_at);
+   ```
+
+### Phase 2: API 및 통합 (1주)
+
+1. **Day 6-7: API 엔드포인트**
+   ```python
+   # /app/api/emotion.py
+   @router.post("/v1/emotion/infer")
+   async def infer_emotion(text: str, user_id: str):
+       # 감정 분석
+       result = emotion_inference.predict(text)
+       # DB 저장
+       await save_emotion_reading(user_id, text, result)
+       return result
+
+   @router.get("/v1/emotion/timeseries")
+   async def get_emotion_timeseries(user_id: str, start: datetime, end: datetime):
+       # 시계열 데이터 조회
+       readings = await get_readings(user_id, start, end)
+       return aggregate_emotions(readings)
+   ```
+
+2. **Day 8-9: 기존 시스템 통합**
+   - Router에서 감정 분석 호출
+   - 메모리 저장 시 감정 메타데이터 추가
+   - Slack 응답에 감정 정보 포함
+
+3. **Day 10: 시각화**
+   - 감정 그래프 생성 (matplotlib/plotly)
+   - Slack 이미지 업로드
+
+### Phase 3: 고도화 (선택적)
+
+1. **Temperature Calibration**
+   - 검증 데이터셋으로 최적 T 값 찾기
+   - ECE (Expected Calibration Error) 최소화
+
+2. **배치 처리 최적화**
+   - 마이크로배칭
+   - 비동기 처리 큐
+
+3. **감정 공명 시스템**
+   - 과거 감정과 현재 감정 결합
+   - 사용자별 감정 패턴 학습
+
+## 구현 우선순위
+
+### 즉시 구현 가능 (Quick Win)
+1. ✅ 감정 DB 테이블 생성
+2. ✅ 간단한 규칙 기반 감정 분석 (키워드 매칭)
+3. ✅ 감정 저장 및 조회 API
+
+### 중기 목표 (1-2주)
+1. ⏳ BERT 모델 통합
+2. ⏳ ONNX 최적화
+3. ⏳ Temperature Scaling
+
+### 장기 목표 (1개월+)
+1. 📅 사용자별 감정 패턴 학습
+2. 📅 실시간 감정 모니터링 대시보드
+3. 📅 감정 기반 응답 생성
+
+## 리소스 요구사항
+
+### 모델
+- klue/bert-base (400MB)
+- ONNX 변환 모델 (100MB)
+- 추론 시간: CPU 40-80ms, GPU 10-20ms
+
+### 인프라
+- 추가 메모리: 500MB-1GB
+- DB 스토리지: 사용자당 일 100KB
+- 계산 리소스: CPU 2 cores 권장
+
+## 주의사항
+
+1. **프라이버시**
+   - 원문 텍스트는 해시만 저장
+   - 사용자 동의 필요
+   - 삭제 권한 보장
+
+2. **성능**
+   - 캐싱 적극 활용
+   - 배치 처리로 효율화
+   - 비동기 처리 필수
+
+3. **정확도**
+   - 한국어 특화 모델 필요
+   - 지속적인 모니터링
+   - 사용자 피드백 수집
+
+## 결론
+
+"감정시스템 이식"이라는 작업은 실제로는 **새로운 구현**이 필요합니다:
+- rb10508에 구현된 감정 시스템이 없음
+- rb8001에 기본 구조만 있고 실제 기능 없음
+- 처음부터 구현 필요
+
+**권장 사항**:
+1. 단계적 구현 (간단한 키워드 기반 → BERT 모델)
+2. 우선순위: DB 스키마 → API → 모델 통합
+3. 예상 소요 시간: 2-3주 (전체 구현)

troubleshooting/250920_user_identification_uuid_implementation.md

@@ -0,0 +1,153 @@
+# 사용자 식별 체계 UUID 통합 구현
+
+**작성일**: 2025-09-20
+**작성자**: Claude
+**관련 서비스**: rb8001, skill-email, skill-rag-file
+**이슈**: 서비스 간 사용자 식별자 불일치 (UUID vs Slack ID)
+
+## 문제 상황
+- 서비스마다 다른 사용자 식별자 사용 (UUID, Slack ID, Google ID 등)
+- skill-email이 Slack ID만 지원하여 UUID 기반 시스템과 호환 불가
+- ChromaDB 컬렉션 명명 규칙 불일치
+
+## 현재 시스템 구조 분석
+
+### 데이터베이스 구조
+```sql
+-- user 테이블 (이미 UUID 사용 중)
+- id: UUID (Primary Key)
+- oauth_id: VARCHAR (Slack ID, Google ID 등)
+- oauth_provider: VARCHAR (slack, google 등)
+- email: VARCHAR
+
+-- gmail_token, naverworks_token 테이블
+- user_id: UUID (user 테이블 참조)
+- token_data: JSONB
+- is_equipped: BOOLEAN
+```
+
+### 서비스별 현황
+1. **rb8001**: UUID 받아서 필요시 Slack ID로 변환
+2. **skill-email**: Slack ID만 지원 → UUID 지원 추가 필요
+3. **skill-rag-file**: UUID 지원
+4. **ChromaDB**: 서비스별 다른 명명 규칙
+
+## 구현 내용
+
+### 1. skill-email UUID 지원 추가
+
+#### DBCredentialsProvider 수정
+**파일**: `/home/admin/ivada_project/skill_email/services/db_credentials_provider.py`
+
+```python
+def get_credentials(self, user_id: str) -> Optional[Credentials]:
+    # UUID 형식 검증
+    import re
+    is_uuid = bool(re.match(r'^[0-9a-f]{8}-[0-9a-f]{4}-[0-9a-f]{4}-[0-9a-f]{4}-[0-9a-f]{12}$', user_id.lower()))
+
+    if is_uuid:
+        # UUID로 직접 조회
+        query = """
+            SELECT gt.token_data, gt.oauth_config, gt.scopes, gt.expiry
+            FROM gmail_token gt
+            WHERE gt.user_id = %s AND gt.is_equipped = true
+        """
+    else:
+        # Slack ID로 조회 (하위 호환성)
+        query = """
+            SELECT gt.token_data, gt.oauth_config, gt.scopes, gt.expiry
+            FROM gmail_token gt
+            JOIN "user" u ON gt.user_id = u.id
+            WHERE u.oauth_id = %s AND gt.is_equipped = true
+        """
+```
+
+#### NaverWorksProvider (이미 UUID 지원)
+**파일**: `/home/admin/ivada_project/skill_email/services/naverworks_provider.py`
+- 이미 UUID와 username 모두 지원하도록 구현되어 있음
+
+### 2. ChromaDB Collection 명명 규칙 통일
+
+표준 명명 규칙: `{service}_{identifier}_{type}`
+
+#### rb8001 변경
+**파일**: `/home/admin/ivada_project/rb8001/app/memory/manager.py`
+- 변경 전: `rb8001_{user_id}`
+- 변경 후: `rb8001_{user_id}_memory`
+
+#### skill-rag-file 변경
+**파일**: `/home/admin/ivada_project/skill-rag-file/app/api/upload.py`, `search.py`
+- 변경 전: `rb8001_{team_id}_documents`
+- 변경 후: `skill_rag_file_{team_id}_documents`
+
+### 3. 환경 변수 설정
+
+#### skill-email 설정
+**파일**: `/home/admin/ivada_project/skill_email/.env`
+```env
+TOKEN_PROVIDER=database  # api에서 database로 변경
+POSTGRES_CONNECTION_STRING=postgresql://robeings:robeings@192.168.219.45:5432/main_db
+```
+
+## 테스트 결과
+
+### UUID 조회 테스트
+```bash
+# UUID로 이메일 조회
+curl "http://localhost:8501/messages?user_id=53529291-5050-4daa-89fb-008b546feb63&limit=1&provider=gmail"
+# 결과: 성공 (토큰 만료 시 적절한 에러 메시지)
+
+# Slack ID로 이메일 조회 (하위 호환성)
+curl "http://localhost:8501/messages?user_id=100176844464607664427&limit=1&provider=gmail"
+# 결과: 성공 (동일하게 작동)
+```
+
+### ChromaDB Collection 테스트
+```python
+# rb8001 컬렉션
+collection_name = "rb8001_test_user_12345_memory"  # ✅
+
+# skill-rag-file 컬렉션
+collection_name = "skill_rag_file_test_team_123_documents"  # ✅
+```
+
+## 주의사항
+
+1. **TOKEN_PROVIDER 설정**: skill-email에서 `database` 사용 필수
+   - `api`: robeing-monitor 경유 (UUID 미지원)
+   - `database`: 직접 DB 조회 (UUID 지원)
+
+2. **토큰 만료 처리**: Gmail 토큰이 자주 만료되므로 refresh 로직 필요
+
+3. **하위 호환성**: Slack ID 조회는 계속 지원하여 기존 시스템 영향 최소화
+
+## 남은 작업
+
+### 우선순위 높음
+1. ✅ ChromaDB 명명 규칙 통일 완료
+2. ✅ skill-email UUID 지원 완료
+3. ⏳ robeing-monitor UUID 지원 추가 (TOKEN_PROVIDER=api 사용 시)
+
+### 우선순위 중간
+1. 전체 시스템 통합 테스트
+2. 토큰 자동 갱신 메커니즘 구현
+3. 성능 최적화 (UUID 변환 캐싱)
+
+## 교훈
+
+1. **설계 단계에서 일관된 식별자 체계 정의 필수**
+   - 처음부터 UUID를 primary identifier로 설계
+   - 외부 ID는 매핑 테이블로 관리
+
+2. **하위 호환성 유지 전략**
+   - UUID/Slack ID 자동 감지 로직 구현
+   - 점진적 마이그레이션 지원
+
+3. **환경 변수 활용**
+   - Provider 선택을 환경 변수로 제어
+   - 배포 환경별 유연한 설정 가능
+
+## 관련 문서
+- [250831_unified_id_system_implementation_roadmap.md](../plans/250831_unified_id_system_implementation_roadmap.md)
+- [250920_chromadb_collection_naming_unification.md](250920_chromadb_collection_naming_unification.md)
+- [000000_unresolved_items_matrix.md](../plans/000000_unresolved_items_matrix.md)