ivada-infra/DOCS
3
0
Fork 0
Code Issues 1 Pull Requests 5 Actions Packages Projects Releases Wiki Activity
DOCS/troubleshooting/251014_coldmail_ir_analysis_scenario.md
happybell80 504bb6f399 docs: 콜드메일 IR 분석 시나리오 완료 문서화 
- 구현 계획 섹션 제거 (모두 완료됨)
- 최종 테스트 및 배포 상태 추가
- 리팩토링 커밋 이력 추가 (6777165, fd89d8d, 28ef36c)

🤖 Generated with [Claude Code](https://claude.com/claude-code)

Co-Authored-By: Claude <noreply@anthropic.com>
2025-10-14 23:28:03 +09:00

3.1 KiB
Raw Blame History

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 (RAG 기반 핵심 내용 추출)
    • 기업 평가 (사업분야, 재무, 기술 우위)
    • 베이지안 밸류에이션 및 신뢰도 계산
  5. Slack Lists에 정리된 보고서 첨부:
    • 회사명, 이메일, IR 파일
    • 밸류에이션, 신뢰도, 핵심 평가
  6. Slack 채널에 요약 메시지 + 피드백 버튼

구현 완료 (2025-10-14)

초기 구현 (우선순위 1)

  • naverworks_file_processor.py:94-135: PDF → skill-rag-file 업로드
  • ir_analyzer.py:86-178: RAG 6회 쿼리 → LLM 요약
  • startup_valuation.py:63-173: 베이지안 VC Method
  • coldmail_briefing.py:204-232,252,257: Slack Lists 파일 첨부
  • coldmail_briefing.py:273-296: Slack 피드백 버튼
  • coldmail_filter.py:29-76: Naive Bayes 학습

우선순위 2,3 (커밋 0ef3489)

  • ir_analyzer.py:155-163: LLM 마크다운 블록 전처리
  • coldmail_briefing.py:145,192-200,302-305: Slack 요약 메시지 포맷

우선순위 4 (커밋 c2ac162)

  • requirements.txt:40-42: langchain==0.3.27, langchain-openai==0.3.35, langgraph==0.6.10
  • coldmail_email_fetcher.py:15-44: 메일 조회 (46줄)
  • coldmail_processor.py:23-191: IR 분석 + Slack 등록 (191줄)
  • workflows/coldmail_workflow.py:17-151: StateGraph (151줄)
  • coldmail_briefing.py:78-115: LangGraph 워크플로우 (114줄, 63% 감소)

리팩토링 (커밋 6777165, fd89d8d, 28ef36c)

  • coldmail_briefing.py:8: 미사용 import 제거
  • requirements.txt:40-42: langchain 버전 고정 (pip backtracking 방지)
  • requirements.txt:20: openai>=1.110.0 (langchain-openai 충돌 해결)

최종 테스트 및 배포 (2025-10-14)

테스트 완료

  • ✅ Priority 2: LLM JSON 파싱 (마크다운 블록 제거) - 4가지 케이스 정상
  • ✅ Priority 3: Slack 메시지 포맷 (IR 분석 결과 포함) - "스타트업A: 120.5억원 (신뢰도 85%)"
  • ✅ Priority 4: LangGraph 워크플로우 - 컴파일 성공, 모든 노드 정상 작동

배포 완료

  • rb8001 컨테이너: healthy 상태
  • openai: 2.3.0 (langchain-openai 호환)
  • langgraph: 0.6.10 설치 완료
  • coldmail_workflow: 정상 로드

분석 결과 예시

굿베이션 (IT 인테리어 플랫폼): 27페이지 → 14 chunks, 밸류에이션 100억원 (30-300억원), 신뢰도 90%

교훈

  • 전체 시나리오 문서 먼저 작성 후 세부 구현
  • LLM 응답은 항상 전처리 (마크다운 블록 제거)
  • LangGraph State는 직렬화 가능한 타입만 (aiohttp.ClientSession은 각 노드에서 생성)
  • DRY 원칙 + 파일 크기 제한(300줄) → 로직 분리로 유지보수성 향상 (316줄 → 46+191+151+114줄)