doc-structurer: 문서 구조화/DB화 스킬

목적

doc-parser에서 추출한 원시 텍스트와 메타데이터를 분석하여, 문서의 성격을 자동 분류하고 핵심 필드를 구조화된 데이터로 변환한다. 이 결과는 notion-sync 스킬이 Notion DB에 저장할 수 있는 형태로 출력된다.

문서 유형 자동 분류

분류 카테고리

분류 로직

문서 분류는 다음 우선순위로 진행한다:

1. 파일명 기반 1차 분류: 파일명에 포함된 키워드로 빠르게 추정
2. 본문 키워드 빈도 분석: 각 카테고리별 키워드 출현 빈도를 계산
3. 문서 구조 패턴 분석: 테이블 비율, 단락 구조, 서식 패턴으로 보정
4. LLM 기반 최종 판별: 위 결과가 모호한 경우 LLM에게 문서 앞부분(500자)을 보여주고 분류 요청

신뢰도 점수: 각 분류에 0.0~1.0 사이의 confidence 점수를 부여한다. 0.7 미만이면 사용자에게 확인을 요청한다.

구조화 필드 추출

상세 필드 정의

모든 문서에서 다음 필드를 추출 시도한다:

{
  "doc_id": "자동 생성 UUID",
  "title": "문서 제목",
  "doc_type": "분류된 문서 유형",
  "doc_type_confidence": 0.95,
  "summary": "3줄 이내 핵심 요약",

  "assignee": "담당자/작성자",
  "organization": "발신 기관/회사",
  "recipient": "수신처",

  "dates": {
    "document_date": "문서 작성일",
    "deadline": "마감일/기한",
    "start_date": "시작일",
    "end_date": "종료일",
    "event_dates": ["행사/일정 관련 날짜들"]
  },

  "priority": "상/중/하",
  "status": "신규",
  "tags": ["자동 생성 태그들"],

  "financial": {
    "total_amount": null,
    "currency": "KRW",
    "line_items": []
  },

  "related_docs": ["관련 문서 참조"],
  "attachments": ["첨부파일 목록"],

  "key_items": ["핵심 사항/안건 목록"],
  "action_items": ["필요 조치사항"],

  "raw_metadata": {
    "filename": "원본 파일명",
    "file_type": "hwpx/docx/pdf",
    "page_count": 3,
    "ocr_applied": false
  }
}

문서 유형별 추출 전략

공문/관공서:

• 문서번호, 수신처, 발신처를 상단에서 추출
• "시행일자", "기한" 등 날짜 패턴 집중 탐색
• 첨부 목록은 "붙임" 키워드 이후에서 파싱

계약서:

• 계약 당사자(갑/을), 계약기간, 계약금액 추출
• 조항별 핵심 내용 요약
• 특약사항 별도 태깅

견적서/청구서:

• 테이블에서 품목, 수량, 단가, 합계 파싱
• 부가세, 총액 자동 계산 검증
• 유효기간 추출

회의록:

• 참석자 목록, 안건, 결정사항, 후속조치 분리 추출
• 일자/장소 정보

날짜 정규화

문서에서 발견되는 다양한 날짜 형식을 YYYY-MM-DD로 통일한다:

관련 문서 연결

같은 폴더 내 문서들 사이의 관계를 탐지한다:

• 파일명 유사도: "계약서_v1.docx"와 "계약서_v2.docx"는 관련 문서
• 본문 참조: 문서 내에서 다른 문서를 언급하는 경우 ("첨부된 견적서 참조")
• 날짜/프로젝트 연관: 동일 프로젝트명이나 기간이 겹치는 문서

우선순위 자동 판정

출력

구조화된 결과는 JSON 배열로 출력하며, notion-sync 스킬에 직접 전달 가능한 형태여야 한다. 사용자에게는 처리된 문서 수, 유형별 분포, 주의가 필요한 항목(낮은 분류 신뢰도, 누락 필드 등)을 요약 보고한다.

다음 단계

구조화된 데이터는 notion-sync 스킬을 통해 Notion 데이터베이스에 저장되고, 날짜 정보가 포함된 항목은 calendar-sync 스킬로 Apple 캘린더에 등록된다.