- happybell80/김종태: 유일하게 성공 (HTTP 200)
- 0914eagle/전희재: refresh_token revoked (재인증 필요)
- cdctfm/HanYong: token 없음 (신규 인증 필요)
- 슬랙 메시지 모순: 실패했는데 이메일 표시는 캐시/더미 데이터
- is_equipped=true이지만 실제 토큰 상태와 불일치
🤖 Generated with Claude Code
Co-Authored-By: Claude <noreply@anthropic.com>
- gmail_token 테이블 3건 데이터 확인 (0건 아님)
- 0914eagle, happybell80: refresh_token 보유 (갱신 가능)
- cdctfm: 토큰 없음 (재인증 필요)
- 3명 전원 access_token 만료 상태
🤖 Generated with Claude Code
Co-Authored-By: Claude <noreply@anthropic.com>
- gmail_token은 단수형이 맞음 (DB와 일치)
- auth-server가 gmail_tokens/gmail_token 혼용 중
- Email 문제는 데이터 부재가 원인 (테이블명 아님)
🤖 Generated with Claude Code
Co-Authored-By: Claude <noreply@anthropic.com>
- Gateway 크론잡과 APScheduler 중복 제거
- 환경변수 DAILY_SUMMARY_SCHEDULE 설정
- 9시 단일 실행으로 통일
- 보안 취약점 개선사항 포함
🤖 Generated with Claude Code
Co-Authored-By: Claude <noreply@anthropic.com>
- Email Skill HTTP 500 오류 분석 (3명 사용자 영향)
- gmail_token vs gmail_tokens 테이블명 불일치 문제 파악
- Cron 인증 취약점 확인 (401 에러 주석 처리됨)
- 해결방안 제시: 테이블명 수정, Cron 인증 강화
🤖 Generated with Claude Code
Co-Authored-By: Claude <noreply@anthropic.com>
완료된 문서 (6개):
- 250812_auth_db_테이블_단순화_방안.md
- 250819_gmail_item_detailed_tasks.md
- 250819_gmail_item_implementation_plan.md
- 250823_4pm_email_briefing_demo_plan.md
- 250815_로빙_사랑기반_윤리시스템_단계별_구현계획.md
- 250828_slack_integration_level3_plan.md
진행 중 문서 (10개 유지)
- Documented 8 test cases for DB table structure changes
- Verified rb8001 and skill-email database access
- Identified table name discrepancies between docs and actual DB
- Confirmed all code changes were successfully applied
- gmail_tokens: username 컬럼 및 token_data(JSON) 병행 사용 명시
- users: provider/provider_id vs oauth_provider/oauth_id 차이 명시
- workspace_members: role 타입 차이 (Enum vs String) 명시
- slack_user_mapping: 완전한 제약조건 (UNIQUE, FK) 명시
- 위험 요소에 모델 불일치 상세 내용 추가
- 작성일 형식 수정 (2025-09-10 → 250910)
- users 테이블: picture vs avatar_url 모델 차이 명시
- slack_user_mapping: slack_workspace_id 컬럼 추가
- slack_workspaces: company_id → workspace_id 마이그레이션 충돌 명시
- conversation_logs: rb8001과 robeing-monitor 모델 차이 명시
- 개별 로빙 DB 추측 내용 제거
- 위험 요소에 모델 불일치 항목 추가
- Snips 학습 기반 → 제로샷 의도 설명 기반 전환
- Hong et al.(SIGDIAL 2024) 연구 반영
- 다국어 임베딩(mpnet) + 후보 축소 방식 적용
- 의도 설명만 수정하면 즉시 반영되는 유연한 구조
- LLM 호출 90% 절감 예상
🤖 Generated with [Claude Code](https://claude.ai/code)
Co-Authored-By: Claude <noreply@anthropic.com>
