docs: 계획 문서 현실 코드 반영 업데이트

- 251023: Phase 1 완료 상태 반영 (IntentGraph, SemanticIntentClassifier, IntentParserLLM 구현됨)
- 251023: Phase 2 부분 완료 상태 반영 (intent_path_stats 사용 중, intent_decision_log 미구현)
- 251016: Phase 1.5 완료 상태 반영 (베이지안 학습 구현 완료)

journey/plans/251016_ontology_coldmail_implementation.md

@@ -2,7 +2,7 @@
 
 **날짜**: 2025-10-16  
 **목표**: 임베딩 한계(파인티처 메일 누락)를 온톨로지 추론으로 해결  
-**상태**: Phase 1 완료, Phase 1.5/2/3 미구현
+**상태**: Phase 1-1.5 완료, Phase 2-3 미구현
 
 ---
 
@@ -12,11 +12,13 @@
 
 ---
 
-## 남은 작업
+## Phase 1.5: 베이지안 학습 (✅ 완료)
 
-### Phase 1.5: 베이지안 학습 구현
-- **참고**: `plans/archive/260113_coldmail_ontology_phase1_5_bayesian_learning.md`
-- **필요 작업**: DB 스키마, Repository 구현, 온톨로지 Reasoner 수정
+→ 상세: `troubleshooting/260113_coldmail_ontology_phase1_5_implementation.md`
+
+---
+
+## 남은 작업
 
 ### Phase 2-3: Neo4j 기억 시스템 및 감정-기억-윤리
 - **참고**: `ideas/251016_coldmail_ontology_phase2_3_neo4j_emotion.md`
@@ -28,4 +30,5 @@
 
 - `troubleshooting/251014_claude_coldmail_filter_tokenization_issue.md`
 - `troubleshooting/251016_ontology_filter_validation.md`
+- `troubleshooting/260113_coldmail_ontology_phase1_5_implementation.md`
 - `book/200_core_design/225_온톨로지_기반_지식_표현.md`

journey/plans/251023_happybell80_의도_런타임_하이브리드_임베딩_베이지안_동적학습.md

@@ -2,7 +2,7 @@
 
 **날짜**: 2025-10-23
 **목표**: 임베딩 + 베이지안 + 동적학습 통합 의도 파악 시스템
-**상태**: 미구현
+**상태**: Phase 1 완료, Phase 2 부분 완료
 
 ---
 
@@ -12,20 +12,27 @@ FastPath + 임베딩 Top-K + LLM 재분석 + Beta(α,β) 동적 임계치 하이
 
 ---
 
-## Phase 1: 하이브리드 파이프라인
+## Phase 1: 하이브리드 파이프라인 (✅ 완료)
 
-**필요 작업**:
-- `rb8001/app/services/brain/intent_graph.py` (신규): FastPath + SemanticIntentClassifier + LLM 재분석 파이프라인
-- `rb8001/app/services/brain/semantic_classifier.py` (신규): intent_prototypes 테이블 활용, 임베딩 유사도로 Top-K 후보 선택
-- `rb8001/app/services/llm/intent_parser.py` (신규): LLM JSON 파서
+→ 상세: `troubleshooting/251126_intent_3step_db_bayesian_integration.md`
+
+**구현 완료**:
+- `rb8001/app/services/brain/intent_graph.py`: FastPath + SemanticIntentClassifier + LLM 재분석 파이프라인
+- `rb8001/app/services/brain/semantic_classifier.py`: intent_prototypes 테이블 활용, 임베딩 유사도로 Top-K 후보 선택
+- `rb8001/app/services/llm/intent_parser.py`: LLM JSON 파서
 
 ---
 
-## Phase 2: 베이지안 동적 학습
+## 남은 작업
 
-**필요 작업**:
-- `rb8001/app/state/repositories/intent_decision_repository.py` (신규): intent_decision_log 테이블 생성
-- 의도/경로별 성공률 추적 (Beta(α,β))
+### Phase 2: 베이지안 동적 학습 (부분 완료)
+
+**완료**:
+- `intent_path_stats` 테이블 사용 중 (Beta(α,β) 추적)
+- ActionPlanner에서 경로별 성공률 조회 구현
+
+**미구현**:
+- `intent_decision_log` 테이블 생성 및 로깅
 - Thompson Sampling으로 임계치 τ 동적 최적화
 
 ---