2.3 KiB
2.3 KiB
로빙 의도 파악 개선 플랜
날짜: 2025-10-17 현재: 정규식 패턴 매칭만 사용
현재 문제
처리 불가 사례
| 질문 | 현재 처리 | 문제 |
|---|---|---|
| "오늘 몇일이야?" | UNKNOWN | 시간 질문 패턴 없음 |
| "리버스마운틴 유사 기업 가치평가해줘" | UNKNOWN | 복잡한 멀티스텝 질문 |
| "아까 말한 그 기업 투자 단계는?" | UNKNOWN | 맥락 참조 불가 |
결론: 단순 명령만 처리 가능, 복합 질문 처리 불가
개선 방향 (3단계 구조)
구현 완료: troubleshooting/251126_happybell80_rb8001_의도_3단계_아키텍처_도입_및_배포.md
완료일: 2025-11-26
커밋: a4738b9 (rb8001)
완료 사항
- ✅ 3단계 스키마 정의:
intent/schemas.py(IntentCategory, IntentGoal, ActionPlan, SkillSequence) - ✅ IntentAnalyzer 구현: LLM 기반 제로샷 의도 분석
- ✅ ActionPlanner 구현: IntentGoal → ActionPlan 변환
- ✅ SkillSelector 구현: ActionPlan → SkillSequence 변환
- ✅ DecisionEngine 통합:
_build_intent_pipeline()메서드 추가, execution_plan에 intent_pipeline 메타데이터 포함 - ✅ TDD 테스트:
tests/test_intent_3step_architecture.py통과
1. 의도 파악 → 추상적 목표 (일정 관리, 정보 검색 등)
2. 행동 계획 → 구체적 행동 (등록, 조회, 삭제 등)
3. 스킬 선택 → 적절한 도구 (calendar_skill 등)
미구현: 하이브리드 시스템
제안 구조
사용자 메시지
↓
1단계: 정규식 FastPath (명확한 패턴)
↓ 실패
2단계: 임베딩 후보 축소 (Top-3)
↓ 확신도 < 0.7
3단계: LLM 제로샷 분류
필요 작업
1. SemanticIntentClassifier 구현
- 파일:
app/services/brain/semantic_classifier.py - intent_prototypes 테이블 활용
- 임베딩 유사도로 Top-3 후보 선택
2. LLM 폴백
- Top-3 후보를 LLM에 전달
- 확신도 < 0.5 시 CLARIFY
3. 성능 최적화
- 정규식: 80% 케이스 (< 10ms)
- 임베딩: 15% 케이스 (< 200ms)
- LLM: 5% 케이스 (1-2s)
참고
troubleshooting/251126_happybell80_rb8001_의도_3단계_아키텍처_도입_및_배포.mdtroubleshooting/251126_intent_3step_db_bayesian_integration.md311_FastAPI_구조_원칙.md