86 lines
4.2 KiB
Markdown
86 lines
4.2 KiB
Markdown
# 콜드메일 처리 시스템 개선
|
|
|
|
**날짜**: 2025-12-16
|
|
**작성자**: Claude
|
|
**관련 파일**:
|
|
- `rb8001/app/services/coldmail_processor.py`
|
|
- `rb8001/app/services/workflows/coldmail_workflow.py`
|
|
- `rb8001/app/router/slack_handler.py`
|
|
|
|
---
|
|
|
|
## 문제
|
|
|
|
1. **신뢰도 판단 부족**: 모든 콜드메일을 동일하게 처리하여 오탐 시 사용자 혼란
|
|
2. **회사명/대표명 추출 불완전**: 제목/발신자 기반 휴리스틱만 사용, 이메일 본문 정보 미활용
|
|
3. **Slack Lists 통합 미흡**: 사용자 확인 없이 자동 등록, IR 분석 결과 업데이트 불가
|
|
4. **JSON 파싱 중복 코드**: 9개 위치에서 유사한 JSON 파싱 로직 반복
|
|
|
|
## 해결
|
|
|
|
### 1. 신뢰도 기반 자동 처리
|
|
- 신뢰도 95% 이상: 자동으로 Slack Lists 등록
|
|
- 신뢰도 95% 미만: 확인 버튼만 전송, 사용자 확인 후 등록
|
|
- `_filter_confidence` 필드를 이메일 객체에 추가하여 워크플로우 전체에서 활용
|
|
|
|
### 2. 회사명/대표명 추출 개선
|
|
- **회사명 추출 로직 강화**:
|
|
- 작은따옴표 패턴 추가 (`'온앤온'` 형태)
|
|
- 일반 이메일 도메인 제외 (gmail.com, naver.com 등)
|
|
- 괄호 패턴 지원 (`[회사명]`, `(회사명)`)
|
|
- **LLM 기반 본문 파싱 추가**: `extract_company_info_from_email_body()` 함수로 이메일 본문에서 정보 추출
|
|
- **우선순위**: LLM 본문 파싱 → IR 분석 → 휴리스틱
|
|
|
|
### 3. Slack 인터랙티브 버튼 연동
|
|
- "맞음"/"아님" 확인 버튼으로 사용자 검증
|
|
- "이 기업을 분석해 드릴까요?" 버튼으로 IR Deck 분석 요청
|
|
- 확인 버튼 클릭 시 `skip_email_detail=True`로 중복 API 호출 방지
|
|
- IR 분석 백그라운드 실행 후 웹 프론트엔드 링크 제공
|
|
|
|
### 4. JSON 추출 유틸리티 함수 도입
|
|
- `app/utils/json_extractor.py` 추가: 범용 JSON 추출 함수
|
|
- 7개 파일, 9개 위치에서 중복 코드 제거 (90줄 절약)
|
|
- 다양한 LLM 응답 형식 자동 처리 (코드 블록, 설명 텍스트 등)
|
|
|
|
## 잘못된 부분 수정 (2025-12-22)
|
|
|
|
### 문제
|
|
- `skip_ir_analysis=True`일 때 IR 분석을 건너뛰면서 `email_metadata`도 저장되지 않음
|
|
- 확인 버튼 클릭 시 첫 처리에서 추출한 정보(company_name, representative_name, date)를 재사용할 수 없어 리스트에 "Unknown", "없음", 날짜 없음으로 등록됨
|
|
|
|
### 해결
|
|
- `ir_valuation_repository.py`: `save_email_metadata_only()` 함수 추가
|
|
- `coldmail_processor.py:490-502`: `skip_ir_analysis=True`일 때도 `email_metadata` 저장 (company_name, representative_name 포함)
|
|
- `coldmail_service.py:75-99`: 확인 버튼 클릭 시 저장된 `email_metadata`에서 정보 불러와서 사용
|
|
|
|
### 올바른 플로우
|
|
1. 이메일 수신 → 베이지안 학습
|
|
2. 신뢰도 95% 이상: `email_metadata` 저장 → 리스트 등록
|
|
3. 신뢰도 95% 이하: 확인 버튼 전송 → "예" 클릭 시 `email_metadata` 저장 → 리스트 등록
|
|
|
|
## 교훈
|
|
|
|
1. **신뢰도 기반 분기**: LLM 필터링 결과의 신뢰도를 활용하여 사용자 개입 최소화
|
|
2. **우선순위 명확화**: 여러 소스에서 정보 추출 시 우선순위 정의 (LLM → IR → 휴리스틱)
|
|
3. **사용자 확인 프로세스**: 불확실한 경우 확인 버튼으로 검증 후 처리
|
|
4. **유틸리티 함수 우선**: 중복 코드는 공통 유틸리티 함수로 추출하여 재사용
|
|
5. **API 호출 최적화**: 이미 조회한 데이터는 재사용 (`skip_email_detail`, `document_id` 재사용)
|
|
6. **저장과 분석 분리**: IR 분석 스킵과 `email_metadata` 저장은 별개 작업. 분석 없이도 메타데이터는 저장해야 함
|
|
|
|
## 개선 필요 사항
|
|
|
|
### 함수 분리 필요
|
|
- `process_coldmail` 함수가 이메일 처리, IR 분석, 리스트 등록을 모두 포함하여 복잡함
|
|
- `skip_ir_analysis` 플래그로 제어하는 대신 함수를 분리하여 워크플로우에서 순차 호출
|
|
- 분리 대상:
|
|
- 이메일 정보 추출 및 `email_metadata` 저장
|
|
- IR 분석
|
|
- 리스트 등록
|
|
- 워크플로우에 IR 분석 노드 추가하여 순차 처리
|
|
|
|
## 관련 문서
|
|
|
|
- JSON 추출 유틸리티: `app/utils/json_extractor.py`
|
|
- 콜드메일 워크플로우: `app/services/workflows/coldmail_workflow.py`
|
|
|