# 깡프로 뉴스 용어 추출 기능 추가 (2025-09-14)

## 요구사항
매일 9시 10분 깡프로 뉴스(네이버 스타트업 헤드라인)에 "오늘 알아둘 용어" 섹션 추가

### 목표 구조
```
오프닝 메시지
↓
출처 링크
↓
헤드라인 목록 (01-50번)
↓
오늘 알아둘 용어 (NEW)
↓
로빙에게 물어보기 CTA (NEW)
↓
클로징 메시지
↓
명언
```

## 현재 상태 분석

### 1. 수정 후 처리 흐름 (startup_news_skill.py 추가)
1. `rb8001/main.py:206` - APScheduler 스케줄 등록
2. `rb8001/main.py:213` - run_headlines_job 호출 (import 변경)
3. `rb8001/app/skills/startup_news_skill.py:run_headlines_job()` - 메인 실행
4. `rb8001/app/skills/startup_news_skill.py:fetch_headlines()` - 내부 메서드
5. `rb8001/app/commands/skill_commands.py:220` - fetch_naver_headlines(json)
6. `skill_news/app/api/news_endpoints.py:46` - POST /naver/startup-headlines
7. `skill_news/app/services/naver_startup_news_service.py:360` - fetch_headlines()
8. `rb8001/app/skills/startup_news_skill.py:extract_terms()` - 용어 추출
9. `rb8001/app/llm/gemini_handler.py:215` - extract_keywords() 호출
10. `rb8001/app/skills/startup_news_skill.py:build_message()` - 메시지 조립
11. `rb8001/app/skills/startup_news_skill.py:send_to_slack()` - 자체 Slack 전송

### 2. 문제점 (구조적)
- **main.py 과부하**: 스케줄/실행/전송 모두 담당 (732줄)
- **역할 혼재**: skill-news가 데이터 수집+Slack 포맷팅까지 담당
- **응집도 낮음**: 하나의 기능이 8개 파일에 분산
- **왕복 낭비**: rb8001→skill-news(포맷)→rb8001(전송)
- **용어 추출 불가**: 완성된 텍스트라 중간 삽입 어려움

## 구현 방안 (최종 선택)

### startup_news_skill.py 신규 생성
```python
# rb8001/app/skills/startup_news_skill.py
import os
import logging
from typing import List, Dict
from slack_sdk import WebClient
from app.core.config import settings
from app.commands.skill_commands import SkillCommands
from app.llm.gemini_handler import GeminiHandler

logger = logging.getLogger(__name__)

async def run_headlines_job(channel_id: str):
    # 1. JSON 포맷으로 헤드라인 수집
    sc = SkillCommands()
    result = await sc.fetch_naver_headlines(fmt="json")
    items = result.get("items", [])

    # 2. 용어 추출 (환경변수 체크)
    extract_terms = os.getenv("HEADLINES_EXTRACT_TERMS", "true").lower() == "true"
    if extract_terms and items:
        # 헤드라인 제목들 추출
        titles = [item["title"] for item in items]

        # LLM으로 용어 추출
        terms_prompt = f"""
        다음 스타트업 뉴스 헤드라인에서 비즈니스맨이 알아둬야 할 핵심 용어 {os.getenv("HEADLINES_TERMS_COUNT", "5")}개를 추출해줘.
        전문용어, 신조어, 트렌드 키워드 위주로.

        헤드라인:
        {chr(10).join(titles[:20])}  # 상위 20개만

        응답 형식: 용어1, 용어2, 용어3
        """

        handler = GeminiHandler()
        terms = await handler.extract_keywords(terms_prompt, max_keywords=5)

    # 3. skill-news에서 slack 포맷 가져오기
    slack_result = await sc.fetch_naver_headlines(fmt="slack")
    text = slack_result.get("text", "")

    # 4. 용어 섹션 삽입 (클로징 전에)
    if extract_terms and terms:
        lines = text.split("\n")
        # 클로징 찾기 (빈 줄 2개 다음)
        insert_idx = -1
        for i in range(len(lines)-2, 0, -1):
            if lines[i] == "" and lines[i-1] == "":
                insert_idx = i
                break

        if insert_idx > 0:
            terms_section = [
                "",
                f"*오늘 알아둘 용어*: {terms}",
                "",
                "궁금한 용어가 있으신가요? *로빙에게 물어보세요!*",
                ""
            ]
            lines[insert_idx:insert_idx] = terms_section
            text = "\n".join(lines)

    # 5. 자체 Slack 전송 (Company-X 봇 토큰 사용 - 같은 채널)
    slack_client = WebClient(token=os.getenv("COMPANYX_SLACK_BOT_TOKEN"))
    slack_client.chat_postMessage(channel=channel_id, text=text)
```

### 환경변수 추가
```bash
# rb8001/.env
HEADLINES_EXTRACT_TERMS=true      # 용어 추출 기능 활성화
HEADLINES_TERMS_COUNT=5           # 추출할 용어 개수
HEADLINES_TERMS_SAMPLE_SIZE=20    # 분석할 헤드라인 개수
```

## 구현 체크리스트
- [x] startup_news_skill.py 생성
- [x] main.py에서 기존 코드 제거 (-50줄)
- [x] Mistral API 통합 (컨텍스트 없는 용어 추출)
- [x] 용어 섹션 위치 조정 (클로징 후, 명언 전)
- [x] 프롬프트 개선 및 번호 제거 처리

## 예상 결과
```
안녕하세요, 로빙입니다. 오늘 스타트업 헤드라인만 모았어요.

출처: 깡프로 스타트업 뉴스

01-50. [헤드라인 목록]

*오늘의 키워드*: 홈런펀드, 식물성콜라겐, GPU클러스터

궁금한 용어가 있으신가요? *로빙에게 물어보세요!*

[클로징 및 명언]
```

## 구현 영향
- **main.py**: -50줄 삭제, +1줄 import (732 → 683줄)
- **startup_news_skill.py**: +150줄 신규 생성
- **gemini_handler.py**: 프롬프트 수정 불필요 (파라미터로 전달)
- 기존 extract_keywords() 함수 활용 (미사용 코드 재활용)

## 교훈
- GeminiHandler.chat()은 사용자 컨텍스트 포함 → 용어 추출 오염
- Mistral API 직접 호출로 순수 텍스트 처리 가능
- 리스트→문자열 변환 시 join() 필수, 타입 체크 중요