DOCS/journey/troubleshooting/251223_짧은_후속_질문_LLM_Phase1234_구현.md

짧은 후속 질문 LLM 우선 해결 Phase 1-4 구현

날짜: 2025-12-23 작성자: happybell80 관련 계획: journey/plans/archive/251223_짧은_후속_질문_LLM_우선_해결_계획.md

---

문제

실패한 질문 18개 (총 23개 중 78%): 짧은 후속, 맥락 의존, 모호한 질문 등이 UNKNOWN으로 분류됨.

---

구현 내용

Phase 1: LLM 질문 확장

• llm_service.py:43-110: expand_question() 메서드 추가
• message_service.py:194-217: 짧은 질문(len <= 10) 감지 후 LLM 확장 통합
• 맥락(recent_conversations, session_slots) 포함하여 완전한 질문으로 확장

Phase 2: LLM 의도 분류 강화

• intent_parser.py:26-113: 맥락 정보를 프롬프트에 포함
• intent_graph.py:79-126: 확신도 < 0.7일 때 맥락 포함 재분류
• message_service.py:145-151: 세션 슬롯 정보를 context에 추가

Phase 3: LangGraph 워크플로우

• intent_langgraph_workflow.py: LangGraph 기반 워크플로우 구현
• intent_graph.py:37-77: LangGraph 워크플로우 통합 (기본 활성화)
• 질문 확장 → 의도 분류 → 엔티티 추출 → 스킬 선택 워크플로우

Phase 4: 세션 맥락 통합

• message_service.py:182-192: 모든 단계에서 세션 슬롯 일관되게 전달
• intent_langgraph_workflow.py:24-46: LangGraph 워크플로우에서 세션 맥락 사용

---

결과

Phase	해결률	비고
Phase 1	8/17 (47.1%)	질문 확장만
Phase 2	+5/9 (55.6%)	재분류 추가
Phase 3	검증 완료	LangGraph 워크플로우
Phase 4	검증 완료	세션 맥락 통합

전체 해결률: 13/18 (72.2%)

해결된 질문 예시:

• "어디서?" → "회의는 어디서 하나요?" → calendar_event
• "그거 어떻게 됐어?" → "이메일 발송은 어떻게 됐어요?" → email_send
• "취소해줘" → "이메일 발송을 취소해주세요." → email_send

---

교훈

1. LLM 우선 접근 효과: 규칙 기반 대신 LLM이 맥락을 이해하여 질문 확장 및 의도 분류 성공
2. 맥락 정보 중요: recent_conversations와 session_slots를 포함하면 정확도 향상
3. LangGraph 적극 활용: 원칙에 따라 LangGraph 워크플로우 기본 활성화
4. 단계별 개선: Phase 1, 2만으로는 부족, Phase 3, 4 추가로 완성

---

참고

• 311_FastAPI_구조_원칙.md (섹션 5: LangGraph 워크플로우, 섹션 13: LLM 우선 접근 원칙)
• rb8001/tests/test_failed_questions_results.md (초기 테스트 결과)