DOCS/journey/plans/251016_ontology_coldmail_implementation.md

온톨로지 기반 Coldmail 필터 구현 계획

날짜: 2025-10-16
목표: 임베딩 한계(파인티처 메일 누락)를 온톨로지 추론으로 해결
상태: Phase 1-1.5 완료, Phase 2-3 미구현

원칙 참조 (구현 전 필수 확인):

• 311_백엔드_구조_원칙.md: 계층 분리, DB는 state 경유
• 312_문서_작성_원칙.md: 핵심만 간결, 파일명:줄번호
• 315_테스트_원칙.md: 테스트는 TDD로 진행 (Red → Green → Refactor)

---

Phase 1: Coldmail 온톨로지 (✅ 완료)

→ 상세: troubleshooting/251014_claude_coldmail_filter_tokenization_issue.md

---

Phase 1.5: 베이지안 학습 (✅ 완료)

→ 상세: troubleshooting/260113_coldmail_ontology_phase1_5_implementation.md

---

남은 작업

Phase 2-3: Neo4j 기억 시스템 및 감정-기억-윤리 (TDD 진행)

• 참고: ../ideas/251016_coldmail_ontology_phase2_3_neo4j_emotion.md
• 필요 작업: Neo4j 기억 시스템, 감정-기억-윤리 삼각형 구현

---

문제 상황 (구체 시나리오)

• 2025-10-14 09:05 Coldmail Daily Briefing에서 IR deck 메일이 Slack에 전송되지 않음
  (올굿즈컴퍼니 IR deck 30.35%, 빅웨이브 IR 행사 7.65%, 투자제안서 검토 28.38% → threshold 미달)
• 원인: 정규식 토큰화 실패(“회사소개서”, “ir에” 등 교착어 처리 불가)로 DB 키워드 매칭 실패
  → 임베딩/온톨로지 기반 추론 필요성 대두
• 현재는 하이브리드(임베딩→LLM→Naive Bayes) + 온톨로지 규칙 + Slack 피드백 학습까지 적용
  (Phase 1/1.5 완료, 남은 것은 Neo4j 기억 시스템 확장)

기대 효과 (UX 중심)

• 누락 감소: 중요한 콜드메일이 브리핑에서 빠지지 않아 “믿고 보는 브리핑” 경험 제공
• 개인화 체감: 맞음/틀림 피드백이 기억에 누적되어 사용자별 패턴 반영 정확도 향상
• 설명 가능성: 규칙·관계·기억 기반 근거로 “왜 콜드메일인지” 설명 가능 → 신뢰도 상승

---

Phase 2-3 상세 작업 (결정 완료)

0) 현재 Neo4j 위치 확인 (기반 코드 재사용)

• 클라이언트: rb8001/app/services/memory/neo4j_client.py:1-200
• 환경변수: rb8001/.env:NEO4J_URI, NEO4J_USER, NEO4J_PASSWORD (기본값 포함)
• 기존 사용처: rb8001/app/services/memory_hybrid_retrieval.py, rb8001/app/services/startup_valuation.py

1) 데이터 구조 (Neo4j)

• 노드: Email, Rule, Company, Topic, User
• 관계: (:Email)-[:MATCHED_RULE]->(:Rule), (:Email)-[:MENTIONS]->(:Company|Topic), (:User)-[:RECEIVED]->(:Email)
• 필수 속성:
  • Email: email_id, subject, sender, received_at, confidence, source(hybrid/ontology)
  • Rule: rule_id, rule_type, confidence
  • Company: name, domain
  • Topic: keyword
  • User: user_id

2) 서비스/레포지토리 구조 (계층 분리)

• state/repositories: rb8001/app/state/repositories/coldmail_memory_repository.py (Neo4j CRUD, 내부에서 Neo4jClient 사용)
• services: rb8001/app/services/coldmail_memory_service.py (기억 저장/조회/요약 로직)
• services: rb8001/app/services/coldmail_ontology_reasoner.py와 연결 (규칙/기억 반영)
• workflows: rb8001/app/services/workflows/coldmail_workflow.py에서 기억 저장 호출

3) 인터페이스 (입출력 고정)

• save_email_memory(user_id, email_payload, matched_rules, topics, companies) -> memory_id
• get_recent_memory(user_id, limit=20) -> List[MemoryItem]
• get_rule_context(rule_id) -> Dict (해당 규칙과 연결된 최근 이메일 요약)

4) 데이터 흐름 (실행 순서)

1. hybrid_coldmail_filter 결과에 matched_rules 포함
2. 콜드메일 확정 시 coldmail_memory_service.save_email_memory() 호출
3. 온톨로지 판단 시 get_rule_context()로 기억 기반 보정

5) DB 스키마 확인/동기화

• Neo4j 실제 스키마 확인 후 Repository/Service 동시 반영
• 스키마 변경 시 ORM/DDL/Repository 동기화 원칙 준수

6) 테스트 (TDD, pytest)

• 파일: rb8001/tests/test_coldmail_memory_repository.py
  • Neo4j 저장/조회/관계 생성 검증
• 파일: rb8001/tests/test_coldmail_memory_service.py
  • save/get 동작, rule context 요약 결과 검증
• UX 검증: “왜 콜드메일인지” 설명 문구 포함 여부 확인

7) 완료 기준

• Neo4j에 콜드메일 기억 저장/조회 성공
• 온톨로지 판단에 기억 보정 값 반영
• Slack 브리핑에서 누락/오판 사례 재현 시 개선 확인

---

참고

• book/300_architecture/311_백엔드_구조_원칙.md
• book/300_architecture/315_테스트_원칙.md
• troubleshooting/251014_claude_coldmail_filter_tokenization_issue.md
• troubleshooting/251016_ontology_filter_validation.md
• troubleshooting/260113_coldmail_ontology_phase1_5_implementation.md
• book/200_core_design/225_온톨로지_기반_지식_표현.md