# 함수 설계서: `suggestFrame` + `buildFewShotPrompt` + `parseFrameCandidates` (#215)

> **부모 설계서**: ./README.md · **상태**: Approved (v0.2.0)
> **작성**: [AI] Architect · **구현**: `app/lib/domain/ai/suggest_frame.dart`, `few_shot_builder.dart`, `parse_response.dart` · **테스트**: `app/test/domain/ai/{suggest_frame,few_shot_builder,parse_response}_test.dart` (총 27 케이스)

> 본 문서는 도메인 핵심 알고리즘 함수 3개를 묶어 다룬다. 셋 다 순수 함수 (또는 LlmService 만 의존) 로 테스트 가능성을 우선한다.

---

## §A. `suggestFrame` (메인)

### 1. 시그니처

```dart
Future<List<FrameCandidate>> suggestFrame(
  SuggestFrameInput input, {
  required LlmService llm,
  required List<FramePattern> framePatterns,
  FrameValidator validator = const FrameValidator(),
  Duration timeout = const Duration(seconds: 10),
});
```

### 2. 책임 (1줄)

raw text 를 Gemma 4 에 보내 L2/L3 프레임 후보 ≤ 3 개를 받아 반환한다. L0/L1 응답은 자동 폐기.

### 3. 입력

| 파라미터 | 타입 | 제약/검증 | 설명 |
|----------|------|-----------|------|
| `input.rawText` | String | 1 ≤ length ≤ 200, NFC normalize | 사용자 자유 입력 |
| `input.habitType` | enum {build, break} | 필수 | few-shot 매칭 방향 결정 |
| `input.anchorHint` | String? | nullable | optional "아침 양치 후" 등 |
| `llm` | `LlmService` | 추상 인터페이스 (DI) | flutter_gemma 구현체 또는 mock |
| `framePatterns` | `List<FramePattern>` | #204 시드 30개 | few-shot 동적 추출 소스 |
| `validator` | `FrameValidator` | 기본값 OK | `validateFrameLevel` 의 래퍼 |
| `timeout` | Duration | 1~30s | LlmService.generateStructured 의 타임아웃 |

### 4. 출력

- **반환**: `List<FrameCandidate>` — 길이 0~3.
- **부수효과**: 없음 (순수). LlmService 호출은 인자로 받은 의존성을 통해서만.
- **graceful**: 실패 시 throw 하지 않고 빈 리스트 반환. 호출자 (UI provider) 가 메시지 결정.

### 5. 동작 / 알고리즘

```
1. input 경계 검증
   - rawText.trim().length in [1, 200] 아니면 → return [] (호출자에 위임)
   - NFC normalize 이미 안 되어 있으면 적용

2. prompt = buildFewShotPrompt(input, framePatterns)
   - §B 참조

3. JSON schema = FrameCandidate function calling schema (README §6)

4. try:
     json = await llm.generateStructured(prompt, schema).timeout(timeout)
   catch TimeoutException, StateError, FormatException, Exception:
     log meta (latency, error type) — NO prompt body
     return []

5. candidates = parseFrameCandidates(json) — §C 참조

6. validated = candidates.where((c) {
     final result = validator.validate(FrameInput(
       level: c.level,
       framedText: c.framedText,
       originalText: input.rawText,
     ));
     return result.status != FrameStatus.error;  // L0/L1 또는 hard avoid → 폐기
   }).toList()

7. return validated.take(3).toList()
```

### 6. 에러 & 실패 모드

| 조건 | 처리 | 반환 |
|------|------|------|
| `rawText` 빈/200자 초과 | 즉시 반환 | `[]` |
| LlmService timeout | catch → log latency, `error_type=timeout` | `[]` |
| LlmService throw StateError (모델 미로드) | catch → log | `[]` |
| 응답이 malformed JSON | `parseFrameCandidates` 가 FormatException → catch | `[]` |
| 모든 후보가 L0/L1 또는 hard avoid | 정상 흐름. validated 빈 리스트 | `[]` |
| validator 자체 throw | 비정상. catch → log + skip 후보 | 부분 리스트 |

> 모든 예외를 catch — 도메인 함수는 throw 하지 않음 (graceful). 호출자가 빈 리스트 시 UI 메시지 결정.

### 7. 엣지케이스

- `rawText = "  "` (whitespace) → trim 후 length=0 → `[]`.
- `rawText` 가 코드 / 이모지 / 영어만 → prompt 에 그대로 들어가 모델이 한국어 응답 시도. 결과 품질 낮을 가능성 — AC-10 평가 대상.
- `framePatterns = []` (시드 미로드) → `buildFewShotPrompt` 가 fallback 시스템 prompt 만 사용 — quality 저하 경고.
- `habitType = break` + raw text 가 build 패턴에 가까움 → few-shot 매칭이 약함. 모델이 break 방향으로 frame 시도.
- LlmService 가 같은 호출에 다른 응답 — 정상. cache 없음.

### 8. 복잡도 / 성능

- **호출 빈도**: 사용자가 "AI 제안" 탭한 시점만. throttle 5회/세션.
- **시간**: cold start 1–3초 (모델 로드 포함), warm 0.5–2초. 본 함수 자체 (LlmService 호출 제외) 는 O(N) — N = framePatterns 길이 = 30. 사실상 < 5ms.
- **공간**: prompt string ≈ 2–4KB. JSON response ≈ 1KB.

### 9. 의존성

- 호출 함수: `buildFewShotPrompt` (§B), `parseFrameCandidates` (§C), `validator.validate` (= `validateFrameLevel` 래퍼, #204).
- 외부 API: `LlmService.generateStructured` (인터페이스, 구현체 = `GemmaLlmService`).
- 모델: `FramePattern` (#204 카탈로그), `FrameCandidate` (도메인), `SuggestFrameInput` (도메인).

### 10. 테스트 케이스

- [ ] **정상**: rawText="술 끊고 싶어", habitType=break, mock LlmService 가 valid JSON 3개 반환 → `result.length == 3`, 모두 L2/L3.
- [ ] **L0/L1 폐기**: mock 응답에 L1 1개 + L2 2개 → `result.length == 2`.
- [ ] **timeout**: mock LlmService 가 Future.delayed(15s) → timeout 10s → `[]`.
- [ ] **malformed JSON**: mock 응답 `{"foo": "bar"}` → `parseFrameCandidates` throw → catch → `[]`.
- [ ] **빈 rawText**: `rawText: "  "` → LlmService 미호출, `[]`.
- [ ] **rawText > 200자**: 201자 입력 → `[]`.
- [ ] **framePatterns 비어있음**: → LlmService 호출은 하되 prompt 가 fallback. mock 으로 응답 시 정상 동작 보장.
- [ ] **LlmService throw StateError** (모델 미로드): catch → `[]`.
- [ ] **non-blocking 보장**: 어떤 예외 케이스에서도 throw 하지 않음 (assert no exception thrown).

### 11. 추적성

- 인수조건: #215 AC-6, AC-7, AC-9 (graceful).
- 관련 ADR: ADR-0003 (on-device LLM + function calling + few-shot 동적 추출).

---

## §B. `buildFewShotPrompt`

### 1. 시그니처

```dart
String buildFewShotPrompt(
  SuggestFrameInput input,
  List<FramePattern> framePatterns, {
  int maxFewShot = 5,
});
```

### 2. 책임 (1줄)

`FramePattern` 카탈로그에서 raw text + habit type 키워드 매칭 상위 N개를 추출해 system + few-shot + user 섹션으로 구성된 prompt string 을 반환한다.

### 3. 입력

| 파라미터 | 타입 | 제약/검증 | 설명 |
|----------|------|-----------|------|
| `input` | `SuggestFrameInput` | 검증된 입력 | rawText, habitType, anchorHint |
| `framePatterns` | `List<FramePattern>` | 시드 30 가정 | matching pool |
| `maxFewShot` | int | 1~10 | top-N few-shot 갯수 |

### 4. 출력

- **반환**: prompt string (≈ 2–4KB).
- **부수효과**: 없음 (순수). 입력 인자만으로 결과 결정.

### 5. 동작 / 알고리즘

```
1. tokens = rawText 의 단어 토큰화 (whitespace + 한국어 형태소 lite)
   - 형태소 분석기 비도입. 정규식 split + 길이 ≥ 2 한국어 substring 만 남김

2. scored = framePatterns
   .where((p) => p.habitType == input.habitType || p.habitType == null)
   .map((p) => MapEntry(p, scoreMatch(tokens, p.keywords)))
   .where((e) => e.value > 0)
   .toList()
   ..sort((a, b) => b.value - a.value)

3. selected = scored.take(maxFewShot).toList()
   - scored 빈 리스트면 framePatterns 중 임의 3개 fallback (habit_type 만 일치)

4. prompt 조립:
   <SYSTEM>
   당신은 Huberman 프로토콜 한국어 코치입니다. 사용자의 raw text 를
   L2 (조건부 긍정) 또는 L3 (정체성) 프레임의 한국어 문장으로 변환합니다.
   - L2 예: "스트레스 받을 때 책 한 페이지를 펼친다"
   - L3 예: "나는 글을 읽는 사람이다"
   - L0/L1 (회피/부정) 금지: "안", "끊다", "그만두다"
   - 응답은 반드시 함수 호출 emit_frame_candidates(candidates: [...]) 로.

   <FEW_SHOT>
   for p in selected:
     # 예시 {n}: {p.title}
     L0: {p.level_l0_example}
     L2: {p.level_l2_example}
     L3: {p.level_l3_example}

   <USER>
   habit_type: {input.habitType}
   raw_text: "{input.rawText}"
   anchor_hint: {input.anchorHint ?? "없음"}

   위 raw_text 를 L2/L3 후보 3개로 변환하세요.

5. return prompt
```

> `scoreMatch(tokens, keywords)` = 두 리스트 교집합 크기 + 한국어 substring 부분 매칭 보정. 정확한 점수 공식은 구현 시 단순한 set intersection 으로 시작 — 평가 후 보강.

### 6. 에러 & 실패 모드

| 조건 | 처리 | 반환 |
|------|------|------|
| framePatterns 비어있음 | fallback: system + user 만 (few-shot 섹션 생략) | prompt 단축본 |
| rawText 비어있음 | 호출자 (`suggestFrame`) 가 사전 검증. 본 함수는 어떻게든 prompt 반환 | empty user_input prompt |
| keyword 매칭 0개 | 임의 3개 fallback (habitType 일치 기준) | 정상 prompt |

### 7. 엣지케이스

- 한국어 형태소 분석기 없음 → keyword 매칭 false negative 다수. v1 baseline. v1.1 에서 `mecab-ko` 도입 검토.
- 같은 raw text 가 두 번 들어와도 결정론적 → cache 없음, 매번 같은 prompt 생성.
- `anchorHint` 길이 폭주 (사용자가 100자 입력) → prompt 비대화. UI 단에서 ≤ 50자 제한.

### 8. 복잡도 / 성능

- O(N × M) — N = framePatterns 길이 (30), M = 평균 keyword 갯수 (≈ 3). 사실상 < 5ms.
- prompt string concat — O(L), L = 총 길이 (≈ 4KB).

### 9. 의존성

- `SuggestFrameInput`, `FramePattern` 도메인 모델만.
- Dart core (String, List).
- **외부 의존 0** — 순수 함수.

### 10. 테스트 케이스

- [ ] **정상 매칭**: rawText="술 끊고", patterns 에 술 관련 3개 + 운동 5개 → selected 의 첫 3개가 술 관련.
- [ ] **fallback**: rawText="xyz unknown", 매칭 0 → habit_type=break 인 임의 3개로 fallback.
- [ ] **빈 patterns**: framePatterns=[] → few-shot 섹션 없는 prompt + L2/L3 가이드만.
- [ ] **anchorHint null**: prompt 에 "anchor_hint: 없음" 명시.
- [ ] **maxFewShot=1**: selected.length = 1.
- [ ] **결정론**: 같은 입력 두 번 → 같은 출력 string.
- [ ] **NFC**: rawText 가 NFD form 으로 들어오면 caller 가 normalize 책임 (본 함수는 가정).

### 11. 추적성

- 인수조건: #215 AC-6 (few-shot 동적 추출), AC-10 (한국어 품질).
- 관련 ADR: ADR-0003 (SoT few-shot 동적 추출 원칙).

---

## §C. `parseFrameCandidates`

### 1. 시그니처

```dart
List<FrameCandidate> parseFrameCandidates(Map<String, dynamic> json);
```

### 2. 책임 (1줄)

function calling JSON 응답을 `FrameCandidate[]` 으로 변환한다. 형식 위반 시 `FormatException`.

### 3. 입력

| 파라미터 | 타입 | 제약/검증 | 설명 |
|----------|------|-----------|------|
| `json` | `Map<String, dynamic>` | function calling 응답 | `{"candidates": [...]}` 구조 가정 |

### 4. 출력

- **반환**: `List<FrameCandidate>` — 0~3 길이.
- **부수효과**: 없음 (순수).

### 5. 동작 / 알고리즘

```
1. raw = json['candidates']
   - null 또는 not List → throw FormatException("candidates missing")

2. result = []
3. for each item in raw:
   - levelStr = item['level'] as String? ?? throw FormatException
   - level = FrameLevel.parse(levelStr) — L0/L1/L2/L3 enum
     - 알 수 없는 값 → skip (log)
   - framedText = item['framed_text'] as String? ?? throw FormatException
     - trim, length in [1, 120] 아니면 skip
   - confidence = (item['confidence'] as num?)?.toDouble() ?? 0.5
     - clamp(0.0, 1.0)
   - sourcePatternId = item['source_pattern_id'] as String?  // optional
   - result.add(FrameCandidate(level, framedText, confidence, sourcePatternId))

4. return result
```

> L0/L1 폐기는 본 함수가 아닌 호출자 `suggestFrame` 에서 `validateFrameLevel` 로 수행. parseFrameCandidates 는 형식 검증만.

### 6. 에러 & 실패 모드

| 조건 | 처리 | 반환/예외 |
|------|------|-----------|
| json 에 candidates 키 없음 | throw | FormatException("candidates missing") |
| candidates not List | throw | FormatException("candidates not array") |
| item 에 level 누락 | throw | FormatException(...)  |
| level 값이 enum 외 ("L99") | item skip + log | 부분 리스트 |
| framed_text 길이 위반 | item skip + log | 부분 리스트 |
| confidence not number | 0.5 fallback | 정상 진행 |

### 7. 엣지케이스

- `candidates: []` → 빈 리스트 반환 (예외 아님).
- 4개 이상 후보 반환 → 모두 파싱. `suggestFrame` 에서 take(3).
- 동일한 framed_text 가 2개 → 중복 그대로 반환. dedup 은 호출자 선택.
- Unicode 이모지 포함 → 허용 (length 카운트는 grapheme 가 아닌 UTF-16 길이).

### 8. 복잡도 / 성능

- O(N) — N = candidates 길이 (보통 3).
- 사실상 < 1ms.

### 9. 의존성

- `FrameCandidate`, `FrameLevel` 도메인 모델.
- Dart core (Map, List).

### 10. 테스트 케이스

- [ ] **정상**: 3 valid items → length 3.
- [ ] **candidates 누락**: `{"foo": "bar"}` → throw FormatException.
- [ ] **candidates not list**: `{"candidates": "string"}` → throw.
- [ ] **L0 + L2 + L3 mix**: 모두 파싱 (L0 폐기는 호출자 책임).
- [ ] **알 수 없는 level "L99"**: skip → length 2 (3 중 2).
- [ ] **framed_text 길이 120 초과**: skip.
- [ ] **confidence 누락**: 0.5 fallback.
- [ ] **confidence -0.1**: clamp 0.0.
- [ ] **빈 candidates list**: `[]` → 빈 리스트 반환 (예외 X).
- [ ] **이모지 포함**: 정상 파싱.

### 11. 추적성

- 인수조건: #215 AC-7 (function calling JSON 파싱 + L0/L1 폐기 결합).
- 관련 ADR: ADR-0003 (function calling 강제).