# 함수 설계서: `recommendVariant` (#204)

> 부모 설계서: [README.md](./README.md) · 상태: Draft
> 작성: [AI] Architect · 구현: `lib/domain/recommend/recommend_variant.dart::recommendVariant` (TBD)
> 테스트: `test/domain/recommend/recommend_variant_test.dart` (TBD)

## 1. 시그니처

```dart
VariantPick? recommendVariant(
  Habit habit,
  CheckInContext ctx,
);

class CheckInContext {
  final String? location;   // 예: '집', '짐', '출장' — null 가능 (1 탭 진행 중)
  final String? condition;  // 예: '좋음', '보통', '나쁨'
  const CheckInContext({this.location, this.condition});
}

class VariantPick {
  final HabitDoseVariant variant;
  final int score;        // 0 ~ 5
  final String reason;    // 'exact_match' | 'partial' | 'fallback_minimum' | 'fallback_first'
}
```

## 2. 책임

habit 의 dose_variants 중 사용자의 현재 컨텍스트에 가장 잘 맞는 1 개를 점수 함수로 선택해 반환한다. 빈 결과(null) 는 호출자가 별도 처리.

## 3. 입력

| 파라미터 | 타입 | 제약/검증 | 설명 |
|----------|------|-----------|------|
| `habit` | `Habit` | not null. `dose_variants` 가 0 개여도 OK | habit + variants list 보유 |
| `ctx.location` | `String?` | nullable | 사용자 1 탭 결과. null 이면 location 점수 0 |
| `ctx.condition` | `String?` | nullable | 동일 |

## 4. 출력

- **반환**: `VariantPick?` — variants 가 비어있으면 `null`. 아니면 항상 non-null.
- **부수효과**: 없음. **순수 함수**.

## 5. 동작 / 알고리즘

```
1. variants = habit.dose_variants
2. if variants.isEmpty: return null
3. scored = variants.map(v => (v, scoreVariant(v, ctx)))
4. scored.sort((a, b) =>
     b.score.compareTo(a.score) ?? a.v.sortOrder.compareTo(b.v.sortOrder))
5. best = scored.first
6. if best.score > 0:
     reason = best.score >= 4 ? 'exact_match' : 'partial'
     return VariantPick(best.v, best.score, reason)
7. # score = 0 — fallback
8. minimum = variants.firstWhere(v => v.is_minimum, orElse: variants.first)
9. return VariantPick(minimum, 0,
     minimum.is_minimum ? 'fallback_minimum' : 'fallback_first')

function scoreVariant(v, ctx):
  s = 0
  if ctx.location != null && v.context_tags.contains(ctx.location): s += 2
  if ctx.condition != null && v.condition_tags.contains(ctx.condition): s += 2
  if v.is_minimum && ctx.condition == '나쁨': s += 1
  return s
```

> **태그 매칭은 case-sensitive exact string**. 한국어 NFC normalize 는 호출자가 책임 (UI 가 chip 텍스트를 그대로 ctx 에 채워주므로 동일 폼).

## 6. 에러 & 실패 모드

| 조건 | 처리 | 반환 |
|------|------|------|
| `habit.dose_variants` empty | 즉시 null | null |
| `ctx` 둘 다 null | 모든 variants score 0 → fallback 동작 | VariantPick(reason=fallback_*) |
| score 동률 | `sortOrder` (ascending) 로 안정 정렬 | 정해진 1 개 |
| `is_minimum` variant 다수 | 첫 발견 | (sortOrder 순) |

## 7. 엣지케이스

- variants 1 개: 항상 그 1 개 반환 (score 무관).
- 모든 variants 가 동일 score: sortOrder 가장 작은 것.
- ctx.condition = '나쁨' 인데 is_minimum variant 가 없음: 그냥 일반 점수 비교.
- variant 의 context_tags 가 null/빈 배열: location 점수 0.
- 본 함수는 stateless. 동일 입력 → 동일 출력 (테스트 결정성).

## 8. 복잡도 / 성능

- 시간: O(N) (N = variants 개수). 실용 N ≤ 10 → < 50 µs (Dart native).
- 공간: O(N) (scored list).
- 호출 빈도: 체크인 화면에서 location/condition chip 탭 시마다 1 회 (≤ 5 회/체크인). 무시 가능.

## 9. 의존성

- `Habit` 모델 (domain/models).
- `HabitDoseVariant` 모델 (domain/models).
- Drift / DB 미참조 — 순수 함수. (호출자가 미리 hydrate 한 habit 객체를 받음.)

## 10. 테스트 케이스

- [ ] 정상: variants=[gym(ctx=짐), home(ctx=집)], ctx={집,좋음} → home, score=2, reason='partial'
- [ ] exact_match: variants=[gym(ctx=짐,cond=좋음)], ctx={짐,좋음} → gym, score=4, reason='exact_match'
- [ ] fallback_minimum: variants=[main, tiny(is_minimum)], ctx={출장,나쁨} 어떤 태그도 매칭 안 됨 → tiny, score=0, reason='fallback_minimum'
- [ ] fallback_first: variants=[a, b] is_minimum 둘 다 false, ctx 매칭 0 → a (sortOrder 첫 번째), reason='fallback_first'
- [ ] empty: variants=[] → null
- [ ] tie-break: score 동률 → sortOrder 작은 것
- [ ] null ctx: ctx={null,null} → fallback 동작
- [ ] '나쁨' 조건 + tiny variant: variants=[main(cond=좋음), tiny(is_minimum)], ctx={집,나쁨} → tiny, score=1
- [ ] case-sensitive: ctx={'짐'}, tag=['gym'] → 매칭 X

## 11. 추적성

- 인수조건: #204 AC-11.
- 관련 ADR: [ADR-0001](../../adr/0001-dose-variants.md) (R9 무제한 → score 함수 O(N) OK).
- R8 (≤ 60 초): 본 함수 자체는 µs 수준. UI 가 R8 책임.