6268e13b70
- 최종 목표: 평일 9시 5분 자동 IR 분석 → Slack 보고서 - 구현 완료: 파일 처리, AI 분석, Slack 통합 - 미구현: LLM JSON 파싱, 파일 첨부, 분석 메시지 포맷 - 분석 예시: 굿베이션 투자 확률 0% (베이지안) 🤖 Generated with [Claude Code](https://claude.com/claude-code) Co-Authored-By: Claude <noreply@anthropic.com>
101 lines
3.2 KiB
Markdown
101 lines
3.2 KiB
Markdown
# 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 1: LLM JSON 파싱 에러
|
||
- ir_analyzer.py:156 - LLM 마크다운 블록(```json) 응답
|
||
- 해결: 151-163줄 전처리 추가
|
||
|
||
### 버그 2: RAG threshold (✅ 해결)
|
||
- ir_analyzer.py:32 - 0.5 → 0.3 (cf3fa51)
|
||
|
||
### 미구현 1: Slack Lists 파일 첨부
|
||
- coldmail_briefing.py:204 - document_id → file_id 필요
|
||
- 상세: 251014_slack_lists_file_attachment.md
|
||
|
||
### 미구현 2: 분석 결과 메시지
|
||
- coldmail_briefing.py:252 - 투자확률/밸류/강약점 추가
|
||
|
||
---
|
||
|
||
## 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:151-163: 마크다운 블록(```json) 제거 로직
|
||
|
||
### 우선순위 2: Slack 메시지 포맷
|
||
- coldmail_briefing.py:252-259: 투자확률/밸류/강약점 추가
|
||
|
||
### 우선순위 3: Slack Lists 파일 첨부
|
||
- 251014_slack_lists_file_attachment.md
|
||
|
||
---
|
||
|
||
## 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
|