Add emotion-based addressing system plan (concise)
This commit is contained in:
Claude-51124
parent
56930f3d0e
commit
fcf90fd56d
@ -1,459 +1,109 @@
|
||||
# 감정 기반 호칭 시스템 구현 계획
|
||||
# 감정 기반 호칭 시스템 구현
|
||||
|
||||
**작성일**: 2025-12-04
|
||||
**작성자**: happybell80
|
||||
**상태**: 계획 단계
|
||||
**상태**: 계획
|
||||
|
||||
---
|
||||
|
||||
## 1. 배경 및 동기
|
||||
## 배경 및 목표
|
||||
|
||||
### 문제 인식
|
||||
- 현재 로빙(Robeing)은 모든 사용자를 "사용자님" 또는 `user.name`으로 획일적으로 호칭
|
||||
- Slack DM에서는 `user['name']`님 형식 사용 (예: "이고은님")
|
||||
- 사용자 감정 상태나 상황에 따른 호칭 차별화 없음
|
||||
- `metadata JSONB` 컬럼 추가로 nickname, position 등 저장 가능해짐
|
||||
- 현재: 모든 사용자를 "사용자님" 또는 `user.name`으로 획일적 호칭
|
||||
- 문제: 감정 상태/상황 무시, `metadata` (nickname, position) 미활용
|
||||
- 목표: 감정 기반 호칭 동적 변경으로 공감 능력 강화, 한국 직장 문화 존중 표현
|
||||
|
||||
### 목표
|
||||
- **감정 상태**에 따라 호칭을 동적으로 변경하여 공감 능력 강화
|
||||
- **직책 정보**를 활용하여 한국 직장 문화의 존중 표현
|
||||
- **휴리스틱 규칙** 기반으로 일관성 및 예측 가능성 보장
|
||||
## 조사 결과 (웹 검색)
|
||||
|
||||
---
|
||||
**한국어 호칭 원칙**:
|
||||
- 친밀한 관계: 별명/애칭 사용
|
||||
- 공식적/부정적 상황: 정식 이름 사용
|
||||
- 출처: 한국어 호칭 연구, UX 라이팅 전략
|
||||
|
||||
## 2. 조사 및 연구
|
||||
**AI 감정 반응**:
|
||||
- 챗GPT emotional rebound 효과: 부정 → 위로, 긍정 → 친근
|
||||
- 출처: 프랑크 바르돌 연구 (m.etnews.com)
|
||||
|
||||
### 웹 검색 결과 요약
|
||||
**직장 문화**: 직책 호칭 최우선 (대표님, 이사님)
|
||||
|
||||
#### 한국어 호칭 원칙
|
||||
- **친밀한 관계**: 별명/애칭 사용
|
||||
- **공식적/부정적 상황**: 성명 사용
|
||||
- **감정이 부정적일 때**: 거리감을 두기 위해 정식 이름 사용하는 경향
|
||||
- 출처: 한국어 호칭 연구, UX 라이팅 전략 ([visualflow.co.kr](https://visualflow.co.kr))
|
||||
## 설계 결정
|
||||
|
||||
#### AI 감정 반응 연구
|
||||
- 챗GPT의 **emotional rebound 효과**: 사용자 감정에 따라 답변 톤 조절
|
||||
- 부정적 말투 → 위로하는 답변
|
||||
- 긍정적 감정 → 친근한 답변
|
||||
- 출처: 프랑크 바르돌 연구 ([m.etnews.com](https://m.etnews.com))
|
||||
### 방식: 휴리스틱 규칙 (Python)
|
||||
|
||||
#### 한국 직장 문화
|
||||
- 직책 호칭이 최우선 (대표님, 이사님, 팀장님 등)
|
||||
- 업무 맥락에서는 이름보다 직책 호칭 선호
|
||||
- 개인적 대화에서는 이름 호칭 가능
|
||||
이유: 일관성, 속도, 예측 가능성, 제어 용이
|
||||
LLM 역할: 결정된 호칭 자연스럽게 사용만
|
||||
|
||||
### 권장 매핑 전략
|
||||
1. **긍정/편안한 감정** (happiness/surprise/neutral) → 별명/애칭(nickname) 사용
|
||||
2. **부정/스트레스 감정** (fear/anger/sadness) → 정식 이름(full name)으로 존중과 위로 표현
|
||||
3. **매우 부정적** → 더 공손한 톤과 함께 정식 이름
|
||||
4. **직책 있음** → 감정 무관하게 직책 호칭 우선
|
||||
### 호칭 결정 규칙
|
||||
|
||||
---
|
||||
| 조건 | 호칭 |
|
||||
|------|------|
|
||||
| `metadata->>'position'` 있음 | "대표님", "이사님" (감정 무관) |
|
||||
| 긍정 감정 + position 없음 | `metadata->>'nickname'` → "joann님" |
|
||||
| 부정 감정 + position 없음 | `user.name` → "이고은님" |
|
||||
| nickname 없음 | `user.name` 성 제외 → "고은님" |
|
||||
|
||||
## 3. 설계 의사결정
|
||||
**긍정 감정**: happiness, surprise, neutral
|
||||
**부정 감정**: fear, anger, sadness, disgust
|
||||
**감정 소스**: emotion_readings 최근 10분 평균 (현재 메시지 가중치 2배)
|
||||
|
||||
### 핵심 질문: 휴리스틱 vs LLM 판단?
|
||||
## 구현
|
||||
|
||||
**결정**: **휴리스틱 규칙 기반** ✅
|
||||
|
||||
**이유**:
|
||||
- **일관성**: Python 규칙으로 명확히 정의 → 동일 입력에 동일 출력 보장
|
||||
- **속도**: DB 조회 + 규칙 적용이 LLM 호출보다 빠름
|
||||
- **예측 가능성**: 디버깅 및 테스트 용이
|
||||
- **제어 가능성**: 비즈니스 로직 변경 시 코드만 수정
|
||||
- **LLM 역할**: 결정된 호칭을 자연스럽게 사용하는 것만 담당
|
||||
|
||||
### 사용자 피드백 반영
|
||||
|
||||
#### 호칭 우선순위
|
||||
1. **직책 우선**: `metadata->>'position'` 있으면 감정 무관하게 직책 호칭
|
||||
2. **긍정 감정 + 직책 없음**: `metadata->>'nickname'` 사용
|
||||
3. **부정 감정 + 직책 없음**: `user.name` 정식 이름 사용
|
||||
4. **폴백**: `user.name`에서 성 제외한 이름 (예: "이고은" → "고은")
|
||||
|
||||
#### 감정 데이터 소스
|
||||
- **선택**: `emotion_readings` 테이블에서 최근 10분 평균 감정 사용
|
||||
- **이유**: 단일 메시지 감정은 변동성이 크므로 최근 평균으로 안정화
|
||||
|
||||
#### 호칭 사용 빈도
|
||||
- **선택**: LLM이 context-dependent하게 자연스럽게 판단
|
||||
- **방법**: 시스템 프롬프트에 "사용자를 '{preferred_name}'으로 호칭하세요" 명시
|
||||
- **효과**: 인위적이지 않고 대화 흐름에 맞게 호칭 사용
|
||||
|
||||
#### nickname 없을 때 폴백
|
||||
- `user.name`에서 성 제외하고 이름만 추출 (예: "이고은" → "고은")
|
||||
- 파싱 실패 시 `user.name` 그대로 사용
|
||||
|
||||
#### 짧은 이름 (short_name)
|
||||
- `metadata->>'short_name'` 필드 추가 (수동 입력)
|
||||
- 중립 감정에서 사용 가능 (선택 사항)
|
||||
|
||||
---
|
||||
|
||||
## 4. 호칭 결정 휴리스틱 규칙
|
||||
|
||||
### 의사결정 트리
|
||||
### 1. database.py
|
||||
**추가**: `get_user_preferred_name(user_id, current_emotion) -> str`
|
||||
- user 테이블에서 name, metadata 조회
|
||||
- emotion_readings 최근 10분 평균 계산
|
||||
- 규칙 적용하여 호칭 반환
|
||||
|
||||
### 2. router.py:264-283
|
||||
**추가**:
|
||||
```python
|
||||
def get_user_preferred_name(user_id: str, current_emotion: str) -> str:
|
||||
"""
|
||||
사용자 호칭 결정 함수
|
||||
|
||||
Args:
|
||||
user_id: 사용자 UUID
|
||||
current_emotion: 현재 감정 ('happiness', 'fear', 'neutral' 등)
|
||||
|
||||
Returns:
|
||||
호칭 문자열 (예: "대표님", "joann님", "이고은님", "고은님")
|
||||
"""
|
||||
|
||||
# 1. DB에서 사용자 정보 조회
|
||||
user = db.query("SELECT name, metadata FROM user WHERE id = %s", user_id)
|
||||
position = user.metadata.get('position') # 직책
|
||||
nickname = user.metadata.get('nickname') # 별명
|
||||
short_name = user.metadata.get('short_name') # 짧은 이름
|
||||
|
||||
# 2. emotion_readings에서 최근 10분 평균 감정 조회
|
||||
recent_emotions = db.query("""
|
||||
SELECT probs FROM emotion_readings
|
||||
WHERE user_id = %s AND created_at > NOW() - INTERVAL '10 minutes'
|
||||
ORDER BY created_at DESC
|
||||
""", user_id)
|
||||
|
||||
avg_emotion = calculate_average_emotion(recent_emotions, current_emotion)
|
||||
|
||||
# 3. 호칭 결정
|
||||
if position:
|
||||
# 직책 있음 → 직책 호칭 우선
|
||||
return f"{position}님"
|
||||
|
||||
# 긍정 감정: happiness, surprise, neutral
|
||||
positive_emotions = ['happiness', 'surprise', 'neutral', 'joy']
|
||||
# 부정 감정: fear, anger, sadness, disgust
|
||||
negative_emotions = ['fear', 'anger', 'sadness', 'disgust']
|
||||
|
||||
if avg_emotion in positive_emotions:
|
||||
# 긍정 → nickname 우선
|
||||
if nickname:
|
||||
return f"{nickname}님"
|
||||
# nickname 없으면 짧은 이름
|
||||
if short_name:
|
||||
return f"{short_name}님"
|
||||
# 둘 다 없으면 이름에서 성 제외
|
||||
return f"{extract_first_name(user.name)}님"
|
||||
|
||||
elif avg_emotion in negative_emotions:
|
||||
# 부정 → 정식 이름 (존중과 위로)
|
||||
return f"{user.name}님"
|
||||
|
||||
else:
|
||||
# 알 수 없는 감정 → 기본값
|
||||
return f"{user.name}님"
|
||||
|
||||
|
||||
def extract_first_name(full_name: str) -> str:
|
||||
"""
|
||||
한국어 이름에서 성 제외하고 이름만 추출
|
||||
예: "이고은" → "고은", "김철수" → "철수"
|
||||
"""
|
||||
if len(full_name) >= 3:
|
||||
return full_name[1:] # 첫 글자(성) 제외
|
||||
return full_name # 2글자 이하면 그대로
|
||||
|
||||
|
||||
def calculate_average_emotion(recent_emotions: List[Dict], current_emotion: str) -> str:
|
||||
"""
|
||||
최근 감정들의 평균을 계산하여 가장 높은 확률의 감정 반환
|
||||
"""
|
||||
if not recent_emotions:
|
||||
return current_emotion
|
||||
|
||||
# 7가지 감정 확률 합산
|
||||
emotion_sum = {
|
||||
'happiness': 0, 'surprise': 0, 'fear': 0,
|
||||
'anger': 0, 'sadness': 0, 'disgust': 0, 'neutral': 0
|
||||
}
|
||||
|
||||
for record in recent_emotions[:10]: # 최근 10개만
|
||||
probs = record['probs']
|
||||
for emotion, prob in probs.items():
|
||||
emotion_sum[emotion] += prob
|
||||
|
||||
# 현재 감정도 가중치 2배로 추가
|
||||
emotion_sum[current_emotion] += 2.0
|
||||
|
||||
# 최댓값 감정 반환
|
||||
return max(emotion_sum.items(), key=lambda x: x[1])[0]
|
||||
# 감정 분석 후
|
||||
preferred_name = await get_user_preferred_name(user_id, user_emotion)
|
||||
context['preferred_name'] = preferred_name
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 5. 구현 계획
|
||||
|
||||
### 5.1. 파일 수정 목록
|
||||
|
||||
#### A. [`rb8001/app/state/database.py`](../../rb8001/app/state/database.py)
|
||||
**새 함수 추가**:
|
||||
### 3. llm_service.py:131-132
|
||||
**수정**: system_instruction에 호칭 지시 추가
|
||||
```python
|
||||
async def get_user_preferred_name(user_id: str, current_emotion: str) -> str:
|
||||
"""사용자 호칭 결정 (휴리스틱 규칙)"""
|
||||
# 위 의사결정 트리 로직 구현
|
||||
```
|
||||
|
||||
**추가 헬퍼 함수**:
|
||||
- `extract_first_name(full_name: str) -> str`
|
||||
- `calculate_average_emotion(recent_emotions, current_emotion) -> str`
|
||||
|
||||
#### B. [`rb8001/app/router/router.py`](../../rb8001/app/router/router.py)
|
||||
**수정 위치**: `_call_internal_llm()` 메서드 (264-283라인)
|
||||
|
||||
**추가 로직**:
|
||||
```python
|
||||
# Phase 3: 감정 분석 (옵션)
|
||||
if settings.USE_EMOTION_ANALYSIS:
|
||||
try:
|
||||
from app.core.emotion.emotion_classifier import get_classifier
|
||||
emotion_classifier = get_classifier()
|
||||
|
||||
emotion_result = await emotion_classifier.predict_async(message)
|
||||
user_emotion = emotion_result['top_label']
|
||||
emotion_confidence = emotion_result['top_p']
|
||||
|
||||
# context에 추가
|
||||
if context is None:
|
||||
context = {}
|
||||
context['user_emotion'] = user_emotion
|
||||
context['emotion_confidence'] = emotion_confidence
|
||||
|
||||
# ✨ 호칭 결정 로직 추가 ✨
|
||||
from app.state.database import get_user_preferred_name
|
||||
preferred_name = await get_user_preferred_name(user_id, user_emotion)
|
||||
context['preferred_name'] = preferred_name
|
||||
|
||||
logger.info(f"Emotion: {user_emotion}, Preferred name: {preferred_name}")
|
||||
|
||||
except Exception as e:
|
||||
logger.error(f"Emotion analysis failed: {e}")
|
||||
```
|
||||
|
||||
#### C. [`rb8001/app/services/llm/llm_service.py`](../../rb8001/app/services/llm/llm_service.py)
|
||||
**수정 위치**: `process_request()` 메서드 (131-132라인)
|
||||
|
||||
**수정 내용**:
|
||||
```python
|
||||
system_instruction = f"[내부 정보 - 절대 언급 금지] 사용자 감정: {', '.join(emotion_labels)}\n"
|
||||
|
||||
# ✨ 호칭 지시 추가 ✨
|
||||
preferred_name = enhanced_context.get('preferred_name', '사용자')
|
||||
system_instruction += f"사용자를 '{preferred_name}'으로 호칭하세요. "
|
||||
|
||||
system_instruction += f"{strategy} 응답하세요. 감정 분석 결과나 확률은 절대 언급하지 마세요."
|
||||
```
|
||||
|
||||
#### D. [`DOCS/book/300_architecture/database/tables.md`](../book/300_architecture/database/tables.md)
|
||||
**업데이트 내용**:
|
||||
```markdown
|
||||
### user
|
||||
| 컬럼명 | 타입 | NULL | 설명 |
|
||||
|--------|------|------|------|
|
||||
| id | UUID | NO | PK |
|
||||
| team_id | UUID | NO | FK → team |
|
||||
| email | VARCHAR(255) | NO | UNIQUE |
|
||||
| name | VARCHAR(255) | YES | 사용자 이름 |
|
||||
| username | VARCHAR(64) | YES | |
|
||||
| metadata | JSONB | YES | 사용자 메타정보 (nickname, position, short_name, preferences 등) |
|
||||
| ... | ... | ... | ... |
|
||||
|
||||
**metadata 필드 예시**:
|
||||
```json
|
||||
{
|
||||
"nickname": "joann",
|
||||
"position": "대표",
|
||||
"short_name": "고은",
|
||||
"preferences": {
|
||||
"communication": "direct",
|
||||
"work_style": "flexible"
|
||||
}
|
||||
}
|
||||
### 4. tables.md
|
||||
**추가**: user 테이블 metadata 컬럼 설명
|
||||
```
|
||||
| metadata | JSONB | YES | nickname, position, short_name, preferences |
|
||||
```
|
||||
|
||||
---
|
||||
## 테스트 시나리오
|
||||
|
||||
### 5.2. 구현 순서
|
||||
1. **긍정+직책**: "고마워요" (happiness) + position="대표" → "대표님"
|
||||
2. **긍정+no직책**: "좋은 아침" (happiness) + nickname="joann" → "joann님"
|
||||
3. **부정+no직책**: "힘들어요" (sadness) + name="이고은" → "이고은님"
|
||||
4. **중립**: "날씨는?" (neutral) + name="김종태" → "종태님"
|
||||
|
||||
1. ✅ **metadata 컬럼 추가 및 테스트 데이터 입력** (완료)
|
||||
- 이고은 계정: nickname="joann", position="CEO"
|
||||
- 김종태 계정: 테스트 데이터
|
||||
## 검증
|
||||
|
||||
2. 🔲 **database.py에 호칭 결정 함수 추가**
|
||||
- `get_user_preferred_name()`
|
||||
- `extract_first_name()`
|
||||
- `calculate_average_emotion()`
|
||||
|
||||
3. 🔲 **router.py에 호칭 결정 로직 통합**
|
||||
- 감정 분석 직후 호칭 결정
|
||||
- `context['preferred_name']` 설정
|
||||
|
||||
4. 🔲 **llm_service.py에 시스템 지시사항 추가**
|
||||
- `system_instruction`에 호칭 명시
|
||||
|
||||
5. 🔲 **tables.md 문서 업데이트**
|
||||
- metadata 컬럼 설명 추가
|
||||
|
||||
6. 🔲 **테스트 시나리오 실행**
|
||||
- 4가지 시나리오 검증
|
||||
|
||||
---
|
||||
|
||||
## 6. 테스트 시나리오
|
||||
|
||||
### 시나리오 1: 긍정 감정 + 직책 있음
|
||||
**입력**:
|
||||
- 사용자: 이고은 (metadata: position="대표", nickname="joann")
|
||||
- 메시지: "고마워요! 오늘 일정 알려주세요"
|
||||
- 감정: happiness (0.8)
|
||||
|
||||
**예상 결과**:
|
||||
- 호칭: "대표님"
|
||||
- 응답 예시: "대표님, 오늘 일정을 확인해 드리겠습니다..."
|
||||
|
||||
---
|
||||
|
||||
### 시나리오 2: 긍정 감정 + 직책 없음
|
||||
**입력**:
|
||||
- 사용자: 테스트 계정 (metadata: nickname="joann", position=null)
|
||||
- 메시지: "좋은 아침이에요!"
|
||||
- 감정: happiness (0.7)
|
||||
|
||||
**예상 결과**:
|
||||
- 호칭: "joann님"
|
||||
- 응답 예시: "joann님, 좋은 아침입니다! 오늘도 활기찬 하루 되세요..."
|
||||
|
||||
---
|
||||
|
||||
### 시나리오 3: 부정 감정 + 직책 없음
|
||||
**입력**:
|
||||
- 사용자: 이고은 (metadata: nickname="joann", position=null로 임시 변경)
|
||||
- 메시지: "너무 힘들어요... 도와주세요"
|
||||
- 감정: sadness (0.75)
|
||||
|
||||
**예상 결과**:
|
||||
- 호칭: "이고은님"
|
||||
- 응답 예시: "이고은님, 힘든 상황이시군요. 제가 도와드릴 수 있는 부분이 있을까요?..."
|
||||
|
||||
---
|
||||
|
||||
### 시나리오 4: 중립 감정 + nickname 없음
|
||||
**입력**:
|
||||
- 사용자: 김종태 (metadata: position=null, nickname=null, name="김종태")
|
||||
- 메시지: "오늘 날씨 어때?"
|
||||
- 감정: neutral (0.6)
|
||||
|
||||
**예상 결과**:
|
||||
- 호칭: "종태님" (name에서 성 제외)
|
||||
- 응답 예시: "종태님, 오늘 날씨를 확인해 드리겠습니다..."
|
||||
|
||||
---
|
||||
|
||||
## 7. 검증 방법
|
||||
|
||||
### 로그 확인
|
||||
**로그**:
|
||||
```bash
|
||||
# rb8001 로그에서 호칭 결정 로그 확인
|
||||
docker logs rb8001 --tail 100 | grep "Preferred name"
|
||||
|
||||
# 예상 출력:
|
||||
# Emotion: happiness, Preferred name: 대표님
|
||||
# Emotion: sadness, Preferred name: 이고은님
|
||||
```
|
||||
|
||||
### DB 쿼리
|
||||
**DB**:
|
||||
```sql
|
||||
-- 최근 10분 감정 평균 확인
|
||||
SELECT
|
||||
user_id,
|
||||
AVG((probs->>'happiness')::float) as avg_happiness,
|
||||
AVG((probs->>'sadness')::float) as avg_sadness,
|
||||
AVG((probs->>'fear')::float) as avg_fear
|
||||
FROM emotion_readings
|
||||
WHERE created_at > NOW() - INTERVAL '10 minutes'
|
||||
GROUP BY user_id;
|
||||
|
||||
-- 사용자 metadata 확인
|
||||
SELECT id, name, metadata->>'nickname' as nickname, metadata->>'position' as position
|
||||
FROM "user"
|
||||
WHERE email = 'goeun@ro-being.com';
|
||||
-- 최근 10분 감정 평균
|
||||
SELECT user_id, AVG((probs->>'happiness')::float) FROM emotion_readings
|
||||
WHERE created_at > NOW() - INTERVAL '10 minutes' GROUP BY user_id;
|
||||
```
|
||||
|
||||
### API 테스트
|
||||
**API**:
|
||||
```bash
|
||||
# JWT 토큰으로 메시지 전송
|
||||
curl -X POST http://192.168.219.52:8001/api/message \
|
||||
-H "Authorization: Bearer $JWT_TOKEN" \
|
||||
-H "Content-Type: application/json" \
|
||||
-d '{"text": "고마워요!"}'
|
||||
|
||||
# 응답에 "대표님" 또는 "joann님" 포함 확인
|
||||
-H "Authorization: Bearer $JWT" -d '{"text": "고마워요!"}'
|
||||
```
|
||||
|
||||
---
|
||||
## 관련 문서
|
||||
|
||||
## 8. 예상 효과
|
||||
|
||||
### 사용자 경험 개선
|
||||
- **공감 능력**: 감정 상태에 맞는 호칭으로 감정적 공명 강화
|
||||
- **개인화**: nickname 활용으로 친밀감 향상
|
||||
- **문화적 적합성**: 한국 직장 문화의 직책 호칭 존중
|
||||
|
||||
### 기술적 이점
|
||||
- **일관성**: 휴리스틱 규칙으로 예측 가능한 동작
|
||||
- **확장성**: 규칙 추가/수정 용이 (코드 레벨)
|
||||
- **성능**: DB 조회 기반으로 빠른 응답 (LLM 호출 불필요)
|
||||
|
||||
---
|
||||
|
||||
## 9. 향후 개선 방향
|
||||
|
||||
### 단기 (1-2주)
|
||||
- [x] 기본 호칭 시스템 구현
|
||||
- [ ] A/B 테스트: 사용자 만족도 비교 (호칭 on/off)
|
||||
- [ ] 로그 분석: 호칭 사용 빈도 및 패턴 파악
|
||||
|
||||
### 중기 (1-2개월)
|
||||
- [ ] 시간대별 호칭 변화 (아침/저녁 인사 차별화)
|
||||
- [ ] Intent 기반 호칭: 업무(직책) vs 잡담(이름)
|
||||
- [ ] 사용자 피드백 수집 (Slack 이모지 반응)
|
||||
|
||||
### 장기 (3-6개월)
|
||||
- [ ] 강화학습: 사용자 반응 학습하여 호칭 선호도 자동 조정
|
||||
- [ ] 다국어 지원: 영어권 사용자 호칭 전략 (Mr./Ms./First name)
|
||||
- [ ] 음성 인터페이스: 발화 시 억양/톤 조절
|
||||
|
||||
---
|
||||
|
||||
## 10. 관련 문서
|
||||
|
||||
- [[tables.md]](../book/300_architecture/database/tables.md) - user 테이블 스키마
|
||||
- [[230_감정윤리_필터_LLM후처리와_정체성]](../book/200_core_design/230_감정윤리_필터_LLM후처리와_정체성.md) - 감정 분석 철학
|
||||
- [[311_FastAPI_구조_원칙]](../book/300_architecture/311_FastAPI_구조_원칙.md) - 코드 작성 원칙
|
||||
- [[251016_emotion_integration_plan]](251016_emotion_integration_plan.md) - 감정 시스템 통합 계획
|
||||
|
||||
---
|
||||
|
||||
## 교훈 및 인사이트
|
||||
|
||||
### 설계 과정에서 배운 점
|
||||
1. **휴리스틱 vs AI**: 명확한 규칙이 있는 경우 휴리스틱이 더 효과적 (일관성, 속도, 디버깅)
|
||||
2. **문화적 맥락**: 한국어 호칭 체계는 단순 번역이 아닌 사회문화적 이해 필요
|
||||
3. **감정 안정화**: 단일 메시지 감정은 변동성 크므로 최근 평균 사용이 안정적
|
||||
|
||||
### 주의할 점
|
||||
- **프라이버시**: 직책/별명 정보 노출 주의 (로그, 에러 메시지)
|
||||
- **폴백 처리**: DB 조회 실패, 감정 분석 실패 시 안전한 기본값 ("사용자님")
|
||||
- **테스트 커버리지**: 엣지 케이스 (빈 문자열, NULL, 특수문자) 처리 필수
|
||||
|
||||
---
|
||||
|
||||
**다음 단계**: 이 계획을 바탕으로 `database.py`, `router.py`, `llm_service.py` 수정 시작
|
||||
- [[tables.md]](../book/300_architecture/database/tables.md)
|
||||
- [[230_감정윤리_필터]](../book/200_core_design/230_감정윤리_필터_LLM후처리와_정체성.md)
|
||||
- [[311_FastAPI_구조_원칙]](../book/300_architecture/311_FastAPI_구조_원칙.md)
|
||||
|
||||
|
||||
Loading…
x
Reference in New Issue
Block a user