life-helper/docs/design/204-flutter-bootstrap/fn-validate-frame-level.md

# 함수 설계서: `validateFrameLevel` (#204)

> 부모 설계서: [README.md](./README.md) · 상태: Draft
> 작성: [AI] Architect · 구현: `lib/domain/frame/validate_frame_level.dart::validateFrameLevel` (TBD)
> 테스트: `test/domain/frame/validate_frame_level_test.dart` (TBD)

## 1. 시그니처

```dart
FrameValidationResult validateFrameLevel(
  FrameInput input, {
  required Iterable<FramePattern> knownPatterns, // catalog 에서 미리 load
});

class FrameInput {
  final FrameLevel level;     // L0/L1/L2/L3
  final String? originalText;
  final String framedText;
}

class FrameValidationResult {
  final FrameValidationStatus status;       // accept / warn / reject
  final List<AvoidanceHit> avoidanceHits;   // R7 회피 키워드 검출 결과
  final List<FrameSuggestion> suggestions;  // L2/L3 변환 제안
}

enum FrameValidationStatus { accept, warn, reject }

class AvoidanceHit {
  final String keyword;
  final int startIndex;
  final int endIndex;
  final FramePattern source;
}

class FrameSuggestion {
  final FrameLevel level;    // L2 or L3
  final String text;
  final FramePattern source;
}
```

## 2. 책임

사용자가 입력한 frame 의 (1) level 이 L2/L3 가드를 통과하는지 (R3) 검사하고, (2) framed_text 안의 회피 키워드를 detect 해 변환 제안을 반환한다 (R7).

## 3. 입력

| 파라미터 | 타입 | 제약/검증 | 설명 |
|----------|------|-----------|------|
| `input.level` | `FrameLevel` enum | not null | L0 이면 reject (R3) |
| `input.framedText` | `String` | not empty | 사용자 최종 문장 |
| `input.originalText` | `String?` | nullable | L0 였던 원본 (audit) |
| `knownPatterns` | `Iterable<FramePattern>` | catalog 에서 load | 회피 키워드 사전 |

## 4. 출력

- **반환**: `FrameValidationResult`.
  - status:
    - `reject` — L0/L1 입력. UI 는 모달로 L2/L3 변환 제안 표시 후 사용자 선택.
    - `warn` — L2/L3 이지만 회피 키워드 감지 (예: "안 ..." , "끊기"). UI 는 inline warning + 변환 제안. 사용자가 '계속' 선택 가능.
    - `accept` — 통과.
  - avoidanceHits — UI 가 underline 표시.
  - suggestions — frame_pattern.l2_suggestion / l3_identity 에서 가져온 대체 텍스트.
- **부수효과**: 없음. **순수 함수**.

## 5. 동작 / 알고리즘

```
1. if input.level in (L0, L1):
     suggestions = buildSuggestions(input.framedText, knownPatterns)
     return reject(suggestions, hits=[])

2. hits = detectAvoidanceKeywords(input.framedText, knownPatterns)
3. if hits.isEmpty:
     return accept

4. # L2/L3 인데 회피 키워드 감지 — warn
   suggestions = buildSuggestions(input.framedText, knownPatterns, hits)
   return warn(suggestions, hits)

function detectAvoidanceKeywords(text, patterns) -> List<AvoidanceHit>:
   hits = []
   for p in patterns:
     idx = text.indexOf(p.avoidance_keyword)
     while idx >= 0:
       hits.push(AvoidanceHit(keyword=p.avoidance_keyword, start=idx,
         end=idx+keyword.length, source=p))
       idx = text.indexOf(p.avoidance_keyword, idx+1)
   return hits.distinctBy((h)->(h.start, h.keyword))

function buildSuggestions(text, patterns, hits=null) -> List<FrameSuggestion>:
   relevant = hits != null
     ? hits.map(h => h.source).distinct()
     : patterns.filter(p => text.contains(p.avoidance_keyword))
   return relevant.expand((p) -> [
     FrameSuggestion(L2, p.l2_suggestion, p),
     if (p.l3_identity != null) FrameSuggestion(L3, p.l3_identity, p),
   ]).take(5).toList()  # UI 부담 위해 최대 5 개
```

> 회피 키워드 사전은 `frame_patterns.json` 시드 (~30 항목). 'general' 도메인이 default 매칭 풀, 특정 domain (food/drink/...) 은 habit 의 protocol category 로 필터링 가능 (v2 최적화).

## 6. 에러 & 실패 모드

| 조건 | 처리 | 반환 |
|------|------|------|
| `framedText` empty | reject + suggestions=[] | reject |
| `level` enum 외 값 | 호출자 보장 — 도달 불가 | — |
| `knownPatterns` empty | accept (사전 없으면 R7 skip) | accept |
| 회피 키워드가 다른 단어의 부분 일치 (예: "안전" 안에 "안") | false positive 발생. 본 phase 는 substring 매칭. 단어 경계 처리는 v2 (한국어 형태소 분석 필요). | warn (사용자가 '계속' 선택) |

## 7. 엣지케이스

- "끊기" 가 "끊기는 게 아니라" 안에 포함 → hit. warn. 사용자가 '계속'.
- L3 ("나는 무알콜인 사람이다") + 회피 키워드 "무알콜" — '무X' 패턴이 사전에 있다면 hit. 사용자가 '계속'.
- L2 + 회피 키워드 없음 → accept.
- L0 + 회피 키워드 없음 → reject + L2 일반 제안 ('이걸 대신 해보세요').

## 8. 복잡도 / 성능

- 시간: O(N × M), N = patterns 수 (~30), M = text 길이 (≤ 100). worst ≈ 3000 char ops → < 100 µs.
- 공간: O(hits).
- 호출 빈도: habit 생성 폼에서 입력 변경 시 debounced (300 ms). 무시.

## 9. 의존성

- `FramePattern` 모델 (domain/models).
- `FrameLevel` enum.
- catalog DAO 가 startup 에 patterns 를 한 번 load 해서 Riverpod provider 로 공유.

## 10. 테스트 케이스

- [ ] accept: L2, "기상 직후 햇빛 10 분 받기" → status=accept, hits=[]
- [ ] reject (L0): L0, "햇빛 안 빼먹기" → status=reject, suggestions 포함 L2/L3
- [ ] reject (L1): L1, "햇빛 챙기기" → status=reject (L2 으로 변환 제안)
- [ ] warn: L2, "술 끊기 (조금만)" — "끊기" hit → status=warn, suggestions
- [ ] accept (L3 클린): L3, "나는 아침 햇빛 사람이다" → accept
- [ ] empty framedText → reject
- [ ] empty patterns → accept (회피 검출 skip)
- [ ] 다중 hits: "끊기 안 하기" → 2 개 hits, suggestions ≤ 5

## 11. 추적성

- 인수조건: #204 AC-8 (R3 reject), AC 보강 (R7 warn).
- 관련 메모리: `feedback_positive_framing.md` (L2/L3 강제).
- 관련 schema: `frame_pattern.schema.json`, `habit.schema.json` (frame.level).