- name
- doc-structurer
- description
- 파싱된 문서 텍스트를 분석하여 문서 유형을 자동 분류하고, 핵심 정보를 구조화된 데이터(JSON)로 변환하는 스킬. doc-parser 결과를 받아 후속 처리하는 파이프라인 스킬.
- version
- 1.0.0
- metadata
- openclaw
- requires
- bins
- emoji
- 🏗️
- tags
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
| 카테고리 | 키워드/패턴 | 예시 |
|---|---|---|
| 공문/관공서 | 수신, 발신, 시행, 문서번호, 관인 | 입찰공고, 사업계획 승인 |
| 계약서 | 계약, 갑/을, 조항, 위약금, 계약기간 | 용역계약서, 임대차계약 |
| 제안서 | 제안, 사업개요, 추진전략, 기대효과 | RFP 응답, 기술제안서 |
| 보고서 | 보고, 결과, 분석, 현황, 추진실적 | 월간보고서, 감사보고서 |
| 회의록 | 회의, 참석자, 안건, 결정사항 | 이사회 회의록 |
| 기획서 | 기획, 목적, 일정, 예산, 추진방안 | 사업기획서, 행사기획 |
| 견적서/청구서 | 견적, 단가, 수량, 합계, 부가세 | 견적서, 세금계산서 |
| 증명서/확인서 | 증명, 확인, 발급, 용도 | 재직증명서, 사업자등록증 |
| 기타 | 위 패턴에 해당하지 않음 | 일반 문서 |
분류 로직
문서 분류는 다음 우선순위로 진행한다:
- 파일명 기반 1차 분류: 파일명에 포함된 키워드로 빠르게 추정
- 본문 키워드 빈도 분석: 각 카테고리별 키워드 출현 빈도를 계산
- 문서 구조 패턴 분석: 테이블 비율, 단락 구조, 서식 패턴으로 보정
- 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:
| 입력 형식 | 정규화 |
|---|---|
| 2024년 3월 15일 | 2024-03-15 |
| 2024.03.15 | 2024-03-15 |
| 24/03/15 | 2024-03-15 |
| 3월 15일 (연도 없음) | 현재 연도 적용 후 확인 요청 |
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
| 조건 | 우선순위 |
|---|---|
| 마감일이 3일 이내 | 상 |
| 마감일이 7일 이내 | 중 |
| 마감일이 없거나 7일 초과 | 하 |
| 금액 1억 이상 | 상 (상향) |
| "긴급", "시급" 키워드 포함 | 상 (상향) |
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.