Text Processor — 텍스트 처리 풀 파이프라인
대량 텍스트의 전처리→분류→추출→감성분석→구조화→보고서를 에이전트 팀이 협업하여 수행한다.
실행 모드
에이전트 팀 — 5명이 SendMessage로 직접 통신하며 교차 검증한다.
에이전트 구성
| 에이전트 | 파일 | 역할 | 타입 |
|---|---|---|---|
| preprocessor | .claude/agents/preprocessor.md |
텍스트 전처리, 노이즈 제거 | general-purpose |
| classifier | .claude/agents/classifier.md |
주제/의도 분류, 태깅 | general-purpose |
| extractor | .claude/agents/extractor.md |
개체명, 키워드, 관계, 요약 추출 | general-purpose |
| sentiment-analyzer | .claude/agents/sentiment-analyzer.md |
감성/감정/의견 분석 | general-purpose |
| report-writer | .claude/agents/report-writer.md |
최종 보고서, 품질 검증 | general-purpose |
워크플로우
Phase 1: 준비 (오케스트레이터 직접 수행)
- 사용자 입력에서 추출한다:
- 텍스트 소스: 파일 경로, 포맷, 문서 수, 언어
- 분석 목적: 무엇을 알고 싶은가 (분류, 감성, 키워드 등)
- 도메인 정보 (선택): 업종, 텍스트 유형(리뷰/뉴스/SNS/문서)
- 분류 체계 (선택): 사용자 정의 분류 카테고리
_workspace/디렉토리와_workspace/structured_data/하위 디렉토리를 생성한다- 입력을 정리하여
_workspace/00_input.md에 저장한다 - 기존 파일이 있으면
_workspace/에 복사하고 해당 Phase를 건너뛴다 - 요청 범위에 따라 실행 모드를 결정한다
Phase 2: 팀 구성 및 실행
| 순서 | 작업 | 담당 | 의존 | 산출물 |
|---|---|---|---|---|
| 1 | 전처리 | preprocessor | 없음 | 01_preprocessing_result.md |
| 2a | 분류 | classifier | 작업 1 | 02_classification_result.md |
| 2b | 추출 | extractor | 작업 1 | 03_extraction_result.md |
| 3 | 감성분석 | sentiment-analyzer | 작업 1, 2a, 2b | 04_sentiment_result.md |
| 4 | 보고서 | report-writer | 작업 2a, 2b, 3 | 05_final_report.md |
작업 2a(분류)와 2b(추출)는 병렬 실행한다. 감성분석은 분류와 추출 결과를 활용하여 측면별 분석의 정확도를 높인다.
팀원 간 소통 흐름:
- preprocessor 완료 → classifier, extractor, sentiment-analyzer에게 정제 텍스트와 메타데이터 전달
- classifier 완료 → extractor에게 주제 분류 결과 전달 (주제별 맞춤 추출), sentiment-analyzer에게 분류 전달
- extractor 완료 → sentiment-analyzer에게 개체 목록 전달 (개체별 감성 분석)
- sentiment-analyzer 완료 → report-writer에게 결과 전달
- report-writer는 모든 산출물을 교차 검증. 불일치 시 해당 에이전트에 수정 요청 (최대 2회)
Phase 3: 통합 및 최종 산출물
_workspace/내 모든 파일과structured_data/디렉토리를 확인한다- 보고서의 필수 수정이 모두 반영되었는지 확인한다
- 최종 요약을 사용자에게 보고한다
작업 규모별 모드
| 사용자 요청 패턴 | 실행 모드 | 투입 에이전트 |
|---|---|---|
| "텍스트 분석해줘", "풀 파이프라인" | 풀 파이프라인 | 5명 전원 |
| "분류만 해줘", "카테고리 분류" | 분류 모드 | preprocessor + classifier |
| "감성분석만 해줘", "리뷰 감성" | 감성 모드 | preprocessor + sentiment-analyzer |
| "키워드 추출", "개체명 인식" | 추출 모드 | preprocessor + extractor |
| "요약해줘", "텍스트 요약" | 요약 모드 | preprocessor + extractor(요약 기능) |
| "보고서 써줘" (기존 분석 있음) | 보고서 모드 | report-writer 단독 |
기존 파일 활용: 사용자가 이미 전처리된 텍스트나 분류 결과 등을 제공하면, 해당 파일을 _workspace/의 적절한 위치에 복사하고 해당 단계의 에이전트는 건너뛴다.
데이터 전달 프로토콜
| 전략 | 방식 | 용도 |
|---|---|---|
| 파일 기반 | _workspace/ 디렉토리 |
마크다운 산출물 |
| 구조화 데이터 | _workspace/structured_data/ |
JSON/CSV 프로그래밍 활용 데이터 |
| 메시지 기반 | SendMessage | 핵심 정보 전달, 수정 요청 |
에러 핸들링
| 에러 유형 | 전략 |
|---|---|
| 인코딩 오류 | chardet 자동 감지 → UTF-8 강제 변환, 손실 기록 |
| 대용량 텍스트(>10만 문서) | 배치 처리, 샘플 분석 후 전체 적용 |
| 다국어 혼재 | 언어별 세그먼트 분리 후 개별 처리 |
| NER 도메인 미스매치 | 패턴 기반 추출 보완, 커스텀 사전 생성 제안 |
| 에이전트 실패 | 1회 재시도 후 실패 시 해당 산출물 없이 진행 |
| 보고서 불일치 발견 | 해당 에이전트에 수정 요청 (최대 2회) |
테스트 시나리오
정상 흐름
프롬프트: "고객 리뷰 1000건을 분석해서 제품별 만족도와 불만 사항을 뽑아줘" 기대 결과:
- 전처리: 리뷰 텍스트 정규화, 중복 제거, 통계 산출
- 분류: 제품 카테고리별, 리뷰 의도별(칭찬/불만/문의/제안) 분류
- 추출: 제품명, 기능명, 핵심 키워드, 리뷰별 요약
- 감성: 전체 감성 분포, 제품별·기능별 감성(ABSA), 불만 패턴
- 보고서: 제품별 만족도 순위, 주요 불만 Top 5, 개선 권고안
기존 파일 활용 흐름
프롬프트: "이미 전처리된 텍스트 데이터가 있는데 감성분석만 해줘" + 전처리 파일 첨부 기대 결과:
- 기존 전처리 결과를
_workspace/01_preprocessing_result.md로 복사 - 감성 모드: preprocessor 건너뛰고 sentiment-analyzer만 투입
- classifier, extractor, report-writer는 투입하지 않음
에러 흐름
프롬프트: "이 CSV 파일의 댓글을 분석해줘" (다국어 혼재, 이모지 다수, 짧은 텍스트) 기대 결과:
- preprocessor가 언어별 세그먼트 분리, 이모지 처리 전략 결정
- classifier가 짧은 텍스트 분류 신뢰도 저하를 명시
- sentiment-analyzer가 이모지의 감성 정보를 활용
- report-writer가 다국어·짧은 텍스트의 분석 한계를 보고서에 기록
에이전트별 확장 스킬
| 스킬 | 경로 | 강화 대상 에이전트 | 역할 |
|---|---|---|---|
| nlp-preprocessing-toolkit | .claude/skills/nlp-preprocessing-toolkit/skill.md |
preprocessor, extractor | 토큰화, 한국어 형태소 분석, 임베딩 선택, 벡터화 |
| sentiment-lexicon-builder | .claude/skills/sentiment-lexicon-builder/skill.md |
sentiment-analyzer | 감성 사전 구축, ABSA, 부정어/강도 보정, 이모지 매핑 |