life-helper/docs/reference/215-ai-frame-suggest.md

Reference: AI 프레임 제안 (#215 + #218, v0.3.0-dev)

상태: 구현 후 동기화 · 추적성 — Redmine #215 / #218 · 설계서: docs/design/215-gemma-frame-suggest/, docs/design/218-gemma-real-integration/ · ADR-0003 · 태그 v0.2.0 (placeholder) → v0.3.0 (real Gemma 4)

본 문서는 v0.3.0-dev 시점의 실제 코드 사양이다. v0.2.0 의 placeholder 상태는 #218 에서 실 Gemma 4 E2B + flutter_gemma 0.16.5 통합으로 대체됨. 설계 의도/대안은 설계서·ADR 을 참조.

1. 모듈 지도

lib/
  data/ai/
    llm_service.dart        — LlmService 추상 + MockLlmService
    gemma_llm_service.dart  — GemmaLlmService (flutter_gemma 0.16.5 + Gemma 4 E2B 실 구현)
    model_lifecycle.dart    — 다운로드/검증/purge + ModelLifecycle + StorageAdapter
  domain/ai/
    frame_candidate.dart    — FrameCandidate, FrameLevel (enum)
    suggest_frame.dart      — suggestFrame() 메인 함수 + L2:2+L3:1 분포
    few_shot_builder.dart   — buildFewShotPrompt()
    parse_response.dart     — parseFrameCandidates()
  state/
    ai_providers.dart       — Riverpod providers + ModelDownloadController
  ui/
    screens/settings_screen.dart        — AI 도움 토글 + 다운로드 진행률
    widgets/frame_suggestion_dialog.dart — 후보 카드 선택
    screens/habit_create_screen.dart    — _AiSuggestButton (3분기)

2. 도메인 모델

FrameCandidate (lib/domain/ai/frame_candidate.dart)

필드	타입	의미
level	FrameLevel	l0 / l1 / l2 / l3 (출력에는 L2/L3 만 살아남음)
framedText	String	모델이 생성한 한국어 문장 (≤120자)
confidence	double	0.0~1.0 (모델이 반환한 score, 없으면 0.5) — UI 표시 X
sourcePatternId	String?	few-shot 매칭에 쓰인 FramePattern.id

Function-calling 스키마 (kFrameCandidatesSchema)

suggest_frame.dart 상단의 const Map<String, dynamic>. emit_frame_candidates 함수의 parameters. minItems:1 / maxItems:3, 각 item.required = ['level','framed_text'].

3. 핵심 함수

suggestFrame(input, {llm, framePatterns, timeout=10s}) → List<FrameCandidate>

순수에 가까움 (llm + framePatterns 만 의존). 절대 throw 하지 않음. 모든 실패 → const [].

흐름:

1. input.rawText.trim() 길이 검사 (1~200자). 벗어나면 빈 리스트.
2. buildFewShotPrompt(input, framePatterns) 로 prompt 조립.
3. llm.generateStructured(prompt, schema).timeout(10s) 호출. 어떤 예외든 catch → 빈 리스트.
4. parseFrameCandidates(json) 으로 디코드. FormatException catch → 빈 리스트.
5. 각 후보에 validateFrameLevel 적용. reject 인 후보만 드랍.
6. _shapeDistribution(validated, l2Quota:2, l3Quota:1) — L2 먼저 최대 2개 + L3 최대 1개. 부족 시 패딩 X (graceful — 적은 카드).

buildFewShotPrompt(input, framePatterns, {maxFewShot=5}) → String

순수. _tokenize (whitespace + 한국어 punctuation 분리) → _scorePattern (avoidanceKeyword 3점 + domain 1점) → 상위 N개. 매칭 0 이면 시드 앞에서 N개. patterns 비어있으면 시스템 prompt 만 emit.

마지막에 명시 지시: "L2 2개 + L3 1개, 총 3개 후보로 변환. 순서는 L2 → L2 → L3. emit_frame_candidates 함수로 호출."

parseFrameCandidates(json) → List<FrameCandidate>

• 최상위 candidates 없거나 List 아니면 throw FormatException.
• 개별 item 결손 (level/framed_text 미존재, 빈 문자열, >120자) → 조용히 skip.
• level 은 대소문자 무시 매칭.
• confidence 결손 시 0.5 기본값, 범위 밖이면 clamp(0, 1).

4. 데이터 계층

LlmService (abstract)

abstract class LlmService {
  bool get isLoaded;
  Future<void> load();
  Future<void> unload();              // idempotent
  Future<Map<String, dynamic>> generateStructured(String prompt, Map schema);
}

계약:

• load 후 isLoaded == true.
• 미로드 상태에서 generateStructured 호출 → StateError.
• 스키마/응답 깨짐 → FormatException.
• timeout 은 호출자 책임 (suggestFrame 가 10s 적용).

구현 2개:

• MockLlmService — enqueueResponse(Map) / enqueueError(Object). callCount, lastPrompt, lastSchema, responseDelay 노출. v1 런타임 기본 주입.
• GemmaLlmService — flutter_gemma 0.16.5 + Gemma 4 E2B 실 구현 (#218). load 는 FlutterGemma.initialize → installModel(modelType: gemma4, fileType: litertlm).fromFile(modelPath).install() → getActiveModel(maxTokens: 2048). generateStructured 는 createChat(modelType: gemma4, supportsFunctionCalls: true, toolChoice: required, tools: [Tool(...)]) + collectFunctionCall(stream, fnName) 로 SDK 의 native function calling 사용. _lazyLlmService (main.dart) 가 ModelLifecycle 의 availability 에 따라 Gemma vs Mock 자동 분기.

ModelLifecycle (lib/data/ai/model_lifecycle.dart)

생성자 의존성: MetaDao meta, ModelConfig config, StorageAdapter? storage, http.Client? httpClient.

메서드	시그니처	비고
checkAvailability	Future<ModelAvailability>	ready / missing / corrupt / downloading. 옵트인 OFF → 항상 missing. SHA mismatch → corrupt. 어떤 I/O 예외든 catch → corrupt.
download	Stream<DownloadProgress>	Range 기반 resume. SHA-256 검증 후 .tmp → final.rename(). 모든 실패는 state: failed 로 emit (throw X).
purge	Future<int>	해제된 byte 수. 파일 + .tmp + meta_kv 4키 (ai_opt_in 제외) 삭제. F2 hardening (#218): File.delete() / temp.delete() / meta.remove() 각각 try/catch 로 감쌈 → 단일 OS 플레이크가 opt-out 을 막지 않음. freed-bytes 는 성공한 삭제만 합산.

StorageAdapter 는 supportDir() + rangeGet(Uri, int) 2개 메서드만 — 테스트가 _FakeStorage 로 주입.

meta_kv 키 5개 (AiMetaKeys)

키	값	의미
ai_opt_in	'true' / 'false'	사용자 옵트인
ai_model_path	절대경로	다운로드 완료 시
ai_model_sha256	hex string	검증 통과 시
ai_download_state	'idle' / 'downloading' / 'paused' / 'completed' / 'failed'	진행 상태
ai_download_bytes	int as string	재시작 시 resume 좌표

→ Drift schema 변경 0. meta_kv 테이블은 #204 에서 이미 존재.

5. 상태 계층 (Riverpod, lib/state/ai_providers.dart)

Provider	타입	책임
modelLifecycleProvider	Provider<ModelLifecycle>	실 URL: https://huggingface.co/litert-community/gemma-4-E2B-it-litert-lm/resolve/main/gemma-4-E2B-it.litertlm, SHA-256 181938105e...39a63c, 2.41GB (#218)
aiSettingsProvider	FutureProvider<bool>	meta_kv 읽어서 옵트인 상태
aiSettingsControllerProvider	Provider<AiSettingsController>	setOptIn(bool) → int(freed)
modelDownloadControllerProvider	StateNotifierProvider<ModelDownloadController, DownloadProgress?>	start / pause / resume / cancel
modelAvailabilityProvider	FutureProvider<ModelAvailability>	lifecycle.checkAvailability()
framePatternsProvider	FutureProvider<List<FramePatternModel>>	Drift → 도메인
llmServiceProvider	Provider<LlmService>	반드시 override — main.dart 가 MockLlmService 주입
frameSuggestionsProvider	FutureProvider.autoDispose.family<List<FrameCandidate>, SuggestFrameInput>	llm.load (실패 시 빈 리스트) → suggestFrame

AiSettingsController.setOptIn(value)

• value=true: meta_kv['ai_opt_in']='true' → invalidate(settings, availability) → ModelDownloadController.start() 호출 (AC2 — 다운로드 스트림 시작).
• value=false: ModelDownloadController.cancel() → ModelLifecycle.purge() → meta_kv['ai_opt_in']='false' → invalidate. 반환: 해제된 byte 수.

ModelDownloadController

• start(): 기존 subscription cancel 후 lifecycle.download().listen(...). 완료 시 modelAvailabilityProvider invalidate.
• pause(): subscription cancel + state 를 paused 로. .tmp 파일 + meta_kv 보존 → 다음 start() 가 Range 로 resume.
• resume() = start() alias.
• cancel(): subscription cancel + state = null (idle).

6. UI 계층

SettingsScreen (lib/ui/screens/settings_screen.dart)

• SwitchListTile — 토글 시 옵트인은 동의 다이얼로그 (저장공간/WiFi/단말 처리 3개 bullet) → setOptIn(true). 옵트아웃은 확인 다이얼로그 → setOptIn(false) → "공간 확보됨 X.X MB" 토스트.
• _DownloadProgressTile — 옵트인 ON + 진행 중일 때만 표시. 상태별 컬러 라벨 + 둥근 LinearProgressIndicator(minHeight:6) + FilledButton.tonalIcon 재개/재시도. _friendlyError() 가 내부 코드를 한국어로 매핑:
  • network:* → "네트워크 연결을 확인하고 다시 시도해주세요."
  • http * → "서버 응답이 올바르지 않습니다."
  • stream:* → "다운로드가 중단되었어요. 다시 시도하면 이어받습니다."
  • sha mismatch → "파일이 손상되었어요. 다시 시도하면 처음부터 받습니다."

_AiSuggestButton (3분기, AC6)

optIn	availability	렌더
false	*	SizedBox.shrink() (숨김)
true	!= ready	TextButton (disabled) + Tooltip("AI 도움을 먼저 켜주세요")
true	ready	TextButton (enabled, tap → FrameSuggestionDialog.show)

FrameSuggestionDialog

AlertDialog 안에 frameSuggestionsProvider(input).when(loading/error/data). data 가 empty 면 "더 구체적으로 입력해주시면 더 좋은 제안을 드릴 수 있어요" + "다시 시도" 버튼. data 가 있으면 _CandidateCard 리스트 — L3 는 scheme.primary 배지, L2 는 scheme.secondary 배지. 탭 시 Navigator.pop(c) 로 FrameCandidate 반환.

7. 테스트 매핑

AC	테스트 파일	케이스 수
AC1	flutter analyze + flutter build apk --debug/release	CI
AC2	test/state/model_download_controller_test.dart	3
AC3, AC8	test/data/ai/model_lifecycle_test.dart	7
AC4	test/domain/ai/suggest_frame_test.dart (분포 3)	3
AC5	test/domain/ai/suggest_frame_test.dart (FrameLevel 사용)	1
AC6	test/ui/ai_suggest_button_visibility_test.dart	4
AC7	test/domain/ai/parse_response_test.dart	8
AC9	test/domain/ai/suggest_frame_test.dart (graceful)	다수
AC10	(별도 이슈 #221 — corpus 품질 평가)	—
#218 AC8	test/data/ai/gemma_llm_service_test.dart (collectFunctionCall 8 + ParallelFCR 2)	10

신규 합계 41 (parse 8 + few_shot 7 + suggest 9+3 + lifecycle 7 + AC6 widget 4 + AC2 state 3 + gemma_llm 10). v0.3.0-dev 시점 전체 81 통과 / analyze 0.

8. 알려진 제약

• #218 AC-6 (디바이스 게이트): 저사양 단말 (RAM < 4GB) 에서는 SettingsScreen 의 AI 토글 disabled + "이 단말에서는 AI 도움을 사용할 수 없어요 (RAM 4GB 이상 필요)" 안내. RAM 조회 = MethodChannel life_helper/device_caps → MainActivity.kt 에서 ActivityManager.MemoryInfo.totalMem. device_info_plus 도 deps 에 있지만 RAM 임계 (4GB) 측정엔 미사용 (해당 패키지는 isLowRamDevice ≈ 1GB 만 제공). iOS 는 #218 범위 밖.
• #218 AC-7 (실 단말 E2E): cold-start ≤ 8s / opt-in→ready→suggestFrame 시나리오는 실 Android 8GB+ 단말 필요. Host CI 는 검증 불가 → 별도 디바이스 랩 단계.
• F1: 설계서 §8.8 / §9 의 "60초 idle 시 unload()" 미구현. #219 별도 이슈 — 단발 호출 후 즉시 unload 가 안전한 기본값.
• #221 AC10 corpus 품질 평가: 30+ 한국어 라이브 입력 corpus 로 L2 ≥ 70% / L3 ≥ 50% 측정. 실 모델 통합 후 별도 이슈.

9. 다음 단계 / 확장 포인트

• #215 follow-up 4 이슈 (#218 다음): #219 60s idle auto-unload (F1), #220 purge hardening (F2), #221 AC10 한국어 corpus 품질 평가 (≥70%), #222 production keystore / Play Store 준비.
• 시나리오 #2~#6 (앵커 추출 / dose variants / if-then / lapse 구조화 / 주간 요약): 모두 LlmService.generateStructured 에 새 schema 추가하는 형태로 확장. 도메인 함수는 lib/domain/ai/ 에 신규 파일.
• 멀티 모델 슬롯 (E2B + E4B): ADR-0004 후보.