4b558fadb6
- 51124 서버 확인 명령어 추가 - 51123 서버 확인 결과: 감정 인프라 전무 - PostgreSQL emotion_readings 테이블 없음 - ONNX 감정 모델 파일 없음
187 lines
6.7 KiB
Markdown
187 lines
6.7 KiB
Markdown
# 감정 시스템 구현 계획 (rb8001)
|
|
|
|
**작성일**: 2025-10-02
|
|
**작성자**: Claude & happybell80
|
|
**관련 서비스**: rb8001
|
|
**이슈**: 감정 분석 시스템 미구현
|
|
|
|
## 현재 상황
|
|
|
|
### rb8001 감정 시스템 현황
|
|
- **구조만 존재**: rb8001/app/core/emotion/base.py:16-34, rb8001/app/llm/emotion_llm.py:18-114
|
|
- **실제 분석 없음**: rb8001/app/core/emotion/base.py:46-55 (모든 감정 균등 분포 반환)
|
|
- **rb10508_micro**: rb10508_micro/app/core/emotion/base.py:46-55 (동일 구조)
|
|
|
|
### 서버 확인 결과 (2025-10-02)
|
|
|
|
#### 51124 서버 확인 사항
|
|
```bash
|
|
# 확인 필요
|
|
docker exec rb8001 ls -la /code/app/core/emotion/ # emotion 파일 목록
|
|
docker exec rb8001 cat /code/app/core/emotion/emotion_llm.py # 구현 코드
|
|
docker exec rb8001 ls -la /code/onnx_models/ # ONNX 모델 존재 여부
|
|
docker logs rb8001 --tail 1000 | grep -i emotion # 감정 로그
|
|
curl http://localhost:8001/v1/emotion/infer -X POST -d '{"text":"테스트"}' # API 테스트
|
|
|
|
# 전체 서비스 확인
|
|
for container in rb8001 skill-embedding robeing_monitor skill-rag-file; do
|
|
echo "=== $container ==="
|
|
docker exec $container find /code -name "*emotion*" 2>/dev/null
|
|
done
|
|
```
|
|
|
|
#### 51123 서버 확인 결과
|
|
- **PostgreSQL**: emotion_readings 테이블 없음
|
|
- **모델 파일**: /opt/models에 감정 모델 없음 (sentence-transformer만 존재)
|
|
- **API 엔드포인트**: /v1/emotion/* 엔드포인트 없음 ("Endpoint not found")
|
|
- **Gateway 서비스**: robeing-gateway 실행 중 (포트 8100)
|
|
- **결론**: 51123에 감정 시스템 관련 인프라 전혀 구현되지 않음
|
|
|
|
### 구현된 부분
|
|
```text
|
|
rb8001/app/core/emotion/base.py:16-34 EmotionState 정의 (9개 감정 레이블 포함)
|
|
rb8001/app/core/emotion/base.py:37-44 calculate_entropy[_cached]
|
|
rb8001/app/core/emotion/base.py:128-155 ThompsonSampler
|
|
rb8001/app/llm/emotion_llm.py:25-54 analyze_user_emotion (analyze_emotion 호출)
|
|
rb8001/app/llm/emotion_llm.py:56-89 generate_response_with_emotion (메모리 저장)
|
|
```
|
|
|
|
### 미구현 부분
|
|
1. **모델 통합**: klue/bert-base 기반 7클래스 분류기 (코드 없음)
|
|
2. **ONNX 추론**: 모델 변환 및 최적화 (코드 없음)
|
|
3. **Temperature Scaling**: 확률 보정 (코드 없음)
|
|
4. **데이터베이스**: emotion_readings 테이블 (스키마/마이그레이션 없음)
|
|
5. **API 엔드포인트**: /v1/emotion/infer 등 (엔드포인트 없음)
|
|
|
|
## 구현 로드맵
|
|
|
|
### Phase 1: 기본 감정 분석 (1주)
|
|
1. **Day 1-2: 모델 준비**
|
|
- klue/bert-base 기반 감정 분류 모델 준비
|
|
- 7개 클래스: fear, surprise, anger, sadness, neutral, happiness, disgust
|
|
- ONNX 변환 및 최적화
|
|
|
|
2. **Day 3-4: 추론 엔진 구현**
|
|
```text
|
|
없음: rb8001/app/core/emotion/inference.py (파일 미존재)
|
|
없음: rb8001 내 onnxruntime/transformers 런타임 사용 코드
|
|
참고: training_emotion/train_korean_emotion.py:244-257 (학습용 ORT/Tokenizer)
|
|
현재 추론 경로: rb8001/app/core/emotion/base.py:63-85 (analyze_emotion[_cached])
|
|
현재 LLM 연동: rb8001/app/llm/emotion_llm.py:25-54 (analyze_user_emotion)
|
|
토크나이저/ONNX 세션 초기화 위치: 없음 (프로덕션 코드 기준)
|
|
EMOTION_TEMPERATURE 사용: rb8001/app/core/emotion/base.py:14 (상수 로드)
|
|
Temperature Scaling 적용: 없음 (확률 보정 미적용)
|
|
모델 파일 경로 상수: 없음
|
|
레이블 상수(7클래스): 없음
|
|
추론 입력 전처리: 없음
|
|
추론 출력 후처리: 없음
|
|
배치 추론 엔트리포인트: 없음
|
|
에러 처리/재시도: 없음
|
|
로깅 위치: rb8001/app/llm/emotion_llm.py:49 (분석 결과 로그)
|
|
```
|
|
|
|
3. **Day 5: DB 스키마 구현**
|
|
```text
|
|
없음: emotion_readings 테이블 (코드/마이그레이션 미존재)
|
|
확인: DOCS/ideas/emotion_graph_implementation.md:215,232 (문서 내 예시 스키마)
|
|
확인: DOCS/ideas/250916_로빙_감정_분석_시스템_구현_계획.md:11 (테이블 부재 명시)
|
|
rb8001 내 관련 SQL/알렘빅 파일: 없음
|
|
rb8001/app/llm/emotion_llm.py:73-83 (감정 메타데이터 메모리 저장만 수행)
|
|
로우 저장 경로: 없음 (DB 연동 미구현)
|
|
인덱스 생성 위치: 없음
|
|
작성자/버전 필드: 없음
|
|
엔트로피 저장: 없음
|
|
메타 JSONB 저장: 없음
|
|
생성시각 컬럼: 없음
|
|
해시 컬럼: 없음
|
|
모델 버전 컬럼: 없음
|
|
```
|
|
|
|
### Phase 2: API 및 통합 (1주)
|
|
|
|
1. **Day 6-7: API 엔드포인트**
|
|
```text
|
|
없음: rb8001 내 /v1/emotion/* 라우트
|
|
확인: rg 검색 결과 엔드포인트 미발견
|
|
관련 파일: rb8001/main.py (감정 관련 API 없음)
|
|
현재 사용 경로: rb8001/app/llm/llm_service.py:119-134 (내부 호출만 존재)
|
|
robeing-gateway/app/main.py (프록시에 감정 API 없음)
|
|
robeing-monitor (감정 API 없음)
|
|
```
|
|
|
|
2. **Day 8-9: 기존 시스템 통합**
|
|
- Router에서 감정 분석 호출
|
|
- 메모리 저장 시 감정 메타데이터 추가
|
|
- Slack 응답에 감정 정보 포함
|
|
|
|
3. **Day 10: 시각화**
|
|
- 감정 그래프 생성 (matplotlib/plotly)
|
|
- Slack 이미지 업로드
|
|
|
|
### Phase 3: 고도화 (선택적)
|
|
|
|
1. **Temperature Calibration**
|
|
- 검증 데이터셋으로 최적 T 값 찾기
|
|
- ECE (Expected Calibration Error) 최소화
|
|
|
|
2. **배치 처리 최적화**
|
|
- 마이크로배칭
|
|
- 비동기 처리 큐
|
|
|
|
3. **감정 공명 시스템**
|
|
- 과거 감정과 현재 감정 결합
|
|
- 사용자별 감정 패턴 학습
|
|
|
|
## 구현 우선순위
|
|
|
|
### 즉시 구현 가능 (Quick Win)
|
|
1. ✅ 감정 DB 테이블 생성
|
|
2. ✅ 간단한 규칙 기반 감정 분석 (키워드 매칭)
|
|
3. ✅ 감정 저장 및 조회 API
|
|
|
|
### 중기 목표 (1-2주)
|
|
1. ⏳ BERT 모델 통합
|
|
2. ⏳ ONNX 최적화
|
|
3. ⏳ Temperature Scaling
|
|
|
|
### 장기 목표 (1개월+)
|
|
1. 📅 사용자별 감정 패턴 학습
|
|
2. 📅 실시간 감정 모니터링 대시보드
|
|
3. 📅 감정 기반 응답 생성
|
|
|
|
## 리소스 요구사항
|
|
|
|
### 모델
|
|
- klue/bert-base (400MB)
|
|
- ONNX 변환 모델 (100MB)
|
|
- 추론 시간: CPU 40-80ms, GPU 10-20ms
|
|
|
|
### 인프라
|
|
- 추가 메모리: 500MB-1GB
|
|
- DB 스토리지: 사용자당 일 100KB
|
|
- 계산 리소스: CPU 2 cores 권장
|
|
|
|
## 주의사항
|
|
|
|
1. **프라이버시**
|
|
- 원문 텍스트는 해시만 저장
|
|
- 사용자 동의 필요
|
|
- 삭제 권한 보장
|
|
|
|
2. **성능**
|
|
- 캐싱 적극 활용
|
|
- 배치 처리로 효율화
|
|
- 비동기 처리 필수
|
|
|
|
3. **정확도**
|
|
- 한국어 특화 모델 필요
|
|
- 지속적인 모니터링
|
|
- 사용자 피드백 수집
|
|
|
|
## 결론
|
|
|
|
rb10508_micro의 감정 시스템을 rb8001로 이식 또는 skill-embedding으로 분리 필요:
|
|
- rb10508_micro에 Bayesian 기반 감정 시스템 구현됨
|
|
- rb8001에 기본 구조만 있고 실제 기능 없음
|
|
- 이식 또는 독립 스킬화 검토 필요
|