# 콜드메일 IR 자동 분석 시나리오

**날짜**: 2025-10-14
**작성자**: happybell80
**관련 파일**: `rb8001/app/scheduler/jobs/coldmail_briefing.py`

---

## 최종 목표 시나리오

### 평일 오전 9시 5분 자동 실행
1. NAVER WORKS 메일 중 콜드메일 감지 (Naive Bayes)
2. IR 첨부파일(PDF) 다운로드
3. skill-rag-file에 업로드 → 51123 HDD 영구 저장
4. AI 분석 실행:
   - 페이지별 요약 (27페이지 → 핵심 내용)
   - 기업 평가 (사업분야, 재무, 강약점)
   - 베이지안 투자 확률 계산 (0~100%)
5. Slack Lists에 정리된 보고서 첨부:
   - 회사명, 이메일, IR 파일
   - 투자 확률, 밸류에이션, 핵심 평가
6. Slack 채널에 요약 메시지 + 피드백 버튼

---

## 구현 완료 (2025-10-14)

### 파일 처리
- coldmail_briefing.py:75-263: 전체 플로우
- naverworks_file_processor.py:94-135: PDF 다운로드 → skill-rag-file 업로드
- 파일 영속성: SSHFS allow_other 해결 (251014_skill-rag-file_sshfs_allow_other_해결.md)

### AI 분석 기능
- ir_analyzer.py:86-168: extract_ir_metrics() - RAG 6회 쿼리 → LLM 요약
- startup_valuation.py:63-173: valuate_startup() - 베이지안 VC Method

### Slack 통합
- coldmail_briefing.py:176-248: Slack Lists 아이템 생성
- coldmail_briefing.py:221-247: 피드백 버튼 (✅ 맞음 / ❌ 아님)
- coldmail_filter.py:29-76: Naive Bayes 학습 루프

---

## 미구현 및 버그

**버그**: LLM JSON 파싱 (ir_analyzer.py:156 마크다운 블록 처리)
**미구현**: Slack Lists 파일 첨부 (coldmail_briefing.py:207), 분석 결과 메시지 (coldmail_briefing.py:255)

---

## 분석 결과 예시 (굿베이션)

**파일**: 27페이지, 4.7MB → 14 chunks

**기업**: 굿베이션 (IT 인테리어 플랫폼) / 설립 7개월 / 팀 4명 / 자본 2억

**강점**: 시장 문제 인식, IT 차별화, 24조 시장
**약점**: 실적 전무, 소규모 팀, 자본 부족, 경쟁사 존재

**베이지안 투자 확률**: 0%
- 기본: 7.3% (Pre-A 15% × 밸류 70% × 신뢰도 70%)
- 리스크: -35% (실적-30%, 팀-20%, 자본-20%, 기타+15%)

**의견**: 투자 권장 안함 / MVP + 매출 + 인력 보강 시 60%

---

## 구현 계획

### 우선순위 1: LLM JSON 파싱 에러
- ir_analyzer.py:153-156: llm_response 마크다운 블록(```json) 제거
- strip("```json"), strip("```"), strip() 순차 적용

### 우선순위 2: Slack 메시지 포맷
- coldmail_briefing.py:255: summary_text에 IR 분석 결과 추가
- ir_metrics (business_area, revenue), valuation_result (median, probability) 포함

### 우선순위 3: Slack Lists 파일 첨부
- 상세: 251014_slack_lists_file_attachment.md
- coldmail_briefing.py:207: document_id → Slack file_id 변환 필요

### 우선순위 4: LangGraph 적용
- coldmail_briefing.py:76-263 → LangGraph 워크플로우로 전환
- 노드: fetch_emails → filter_coldmail → process_attachments → analyze_ir → create_slack_item → send_feedback
- 조건부 분기: 첨부파일 유무, IR 분석 성공/실패
- 상태 관리: email_data, document_ids, ir_metrics, valuation_result
- 재시도 로직, 에러 핸들링 개선

---

## 교훈

### 전체 시나리오 문서화 중요성
- 개별 기능은 작동하나 최종 목표 불명확
- 교훈: 전체 시나리오 문서를 먼저 작성 후 세부 구현

### LLM 응답 형식 검증 부족
- LLM이 마크다운 블록(```json)으로 응답 → JSON 파싱 실패
- 교훈: LLM 응답은 항상 전처리 필요