revert: ASTRA 이메일 기능 제거 — Datacollect wiki화로 피벗

Revert "feat(astra): 이메일 Settings 패널 섹션" (eb4bef0) Revert "feat(astra): Project Astra 이메일 자산화 Phase 1+2" (7e96e56) 방향 전환: 이메일은 ASTRA에 전용 소스로 넣는 대신 Datacollect가 수집·wiki화해 brain(제2뇌)에 저장하고, ASTRA는 기존 brain 검색으로 그대로 활용한다. Gmail 인증은 Datacollect 소유. /email-status(라이브 현황)는 폐기. gmailApi 파싱 로직은 Datacollect 이전 시 재사용 예정. 타입체크·빌드 통과. Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
2026-06-05 19:15:19 +09:00
parent eb4bef0744
commit 681cfd2393
15 changed files with 6 additions and 892 deletions
@@ -119,8 +119,7 @@ export function assembleContext(chunks: RetrievalChunk[]): string {
        'procedural-memory': '📋 Procedural Memory (반복 절차)',
        'episodic-memory': '📖 Episodic Memory (과거 대화 흐름)',
        'project-scan': '🔍 Project Scan',
-        'recent-knowledge': '📄 Recent Project Knowledge',
-        'email': '📧 이메일 (수집된 메일 근거 — 원문 링크 포함)'
+        'recent-knowledge': '📄 Recent Project Knowledge'
    };

    // Group by source
@@ -26,7 +26,6 @@ import { extractLessonEssence } from './lessonHelpers';
 import { cosineSimilarity } from './embeddings';
 import { applyActionabilityBoost, WorkStateSignals, ActionabilityWeights } from './actionabilityScoring';
 import { applyHierarchicalReweight, classifyQueryLevel, AbstractionLevel, HierarchicalWeights } from './hierarchicalLevel';
-import { loadEmailRecords } from '../features/email/emailStore';

 export { tokenize, expandQuery, scoreTfIdf, scoreTfIdfPreTokenized, extractBestExcerpt } from './scoring';
 export { selectWithinBudget, assembleContext, estimateTokens } from './contextBudget';
@@ -84,8 +83,6 @@ interface RetrievalOptions {
    embeddingModel?: string;
    /** Blend weight: 0 = TF-IDF only, 1 = cosine only. Default 0.5. */
    embeddingBlendAlpha?: number;
-    /** Project Astra — email 소스에서 가져올 최대 메일 수. 기본 6. 0 이면 스킵. */
-    emailLimit?: number;
    /**
     * Actionability — "현재 작업 상태" 신호(최근 슬래시 명령 + 열린 파일) 로 검색 결과 재가중.
     * undefined 면 actionability re-rank 안 함 (legacy 동작).
@@ -154,19 +151,6 @@ export class RetrievalOrchestrator {
        allChunks.push(...memoryChunks);
        fusionLog.push(`Memory search: ${memoryChunks.length} chunks found`);

-        // ── ①-b Email Search (Project Astra) — 수집된 메일에서 근거 검색 ──
-        // 인덱스가 비어 있으면(미수집) 즉시 [] 반환하므로 비용 0.
-        const emailChunks = this.searchEmailIndex(
-            expandedTokens,
-            options.brain,
-            options.emailLimit ?? 6,
-            options.queryEmbedding,
-            options.embeddingModel,
-            options.embeddingBlendAlpha,
-        );
-        allChunks.push(...emailChunks);
-        if (emailChunks.length > 0) fusionLog.push(`Email search: ${emailChunks.length} chunks found`);
-
        // ── ②-b Medium-Term Memory (recent sessions) ──
        const mediumChunks = this.scoreRecentSessions(
            expandedTokens,
@@ -359,84 +343,6 @@ export class RetrievalOrchestrator {
        }
    }

-    // ─── Email Search (Project Astra) ───
-
-    /**
-     * 수집된 이메일 인덱스({brainPath}/memory/email_index.json)에서 TF-IDF 로 근거 메일을
-     * 찾는다. 브레인 파일 검색과 *동일한* scoreTfIdfPreTokenized 를 써서 일관성 유지.
-     * 각 청크는 messageId/permalink 메타를 실어 답변이 원문 메일로 점프할 수 있게 한다.
-     * Phase 1 은 키워드(TF-IDF)만 — 임베딩 블렌드는 Phase 2.
-     */
-    private searchEmailIndex(
-        expandedTokens: string[],
-        brain: BrainProfile,
-        limit: number,
-        queryEmbedding?: number[],
-        embeddingModel?: string,
-        embeddingBlendAlpha?: number,
-    ): RetrievalChunk[] {
-        if (limit <= 0) return [];
-        try {
-            const records = loadEmailRecords(brain.localBrainPath);
-            if (records.length === 0) return [];
-            const scored = scoreTfIdfPreTokenized(
-                expandedTokens,
-                records.map((r) => ({
-                    tokens: r.tokens,
-                    titleTokens: r.subjectTokens,
-                    lastModified: r.date,
-                    conflictCount: 0,
-                })),
-            );
-
-            // (Phase 2) 하이브리드 블렌드 — 브레인 검색과 동일 공식. 같은 모델로 임베딩된
-            // 레코드만 코사인 가산, 없으면 순수 TF-IDF 유지(graceful fallback).
-            if (queryEmbedding && embeddingModel && (embeddingBlendAlpha ?? 0) > 0) {
-                const alpha = Math.max(0, Math.min(1, embeddingBlendAlpha!));
-                const maxTfidf = scored.reduce((m, s) => s.score > m ? s.score : m, 0) || 1;
-                for (const s of scored) {
-                    const rec = records[s.index];
-                    if (!rec.embedding || rec.embeddingModel !== embeddingModel) continue;
-                    const cos = cosineSimilarity(queryEmbedding, rec.embedding);
-                    const tfidfNorm = s.score / maxTfidf;
-                    s.score = (1 - alpha) * tfidfNorm + alpha * Math.max(0, cos);
-                }
-            }
-
-            const ranked = scored.filter((x) => x.score > 0).sort((a, b) => b.score - a.score).slice(0, limit);
-            const out: RetrievalChunk[] = [];
-            for (const s of ranked) {
-                const r = records[s.index];
-                const dateStr = new Date(r.date).toISOString().slice(0, 10);
-                const title = `메일: "${r.subject || '(제목 없음)'}" (${dateStr}, from ${r.from})`;
-                const body = summarizeText(r.bodyText || r.snippet || '', 700);
-                const content = `${body}${r.permalink ? `\n[원문 링크] ${r.permalink}` : ''}`;
-                out.push({
-                    id: `email-${r.messageId}`,
-                    source: 'email' as const,
-                    title,
-                    content,
-                    score: s.score,
-                    tokenEstimate: estimateTokens(content),
-                    metadata: {
-                        category: 'email',
-                        lastUpdated: r.date,
-                        queryCoverage: s.queryCoverage,
-                        emailMessageId: r.messageId,
-                        emailThreadId: r.threadId,
-                        emailFrom: r.from,
-                        emailSubject: r.subject,
-                        emailDate: r.date,
-                        emailPermalink: r.permalink,
-                    },
-                });
-            }
-            return out;
-        } catch {
-            return [];
-        }
-    }
-
    // ─── Memory Layer Search ───

    private searchMemoryLayers(
@@ -607,8 +513,7 @@ export class RetrievalOrchestrator {
            'medium-term-memory': 0.78, // recent sessions: useful when the user references "last time / yesterday"
            'episodic-memory': 0.7,
            'project-scan': 0.6,
-            'recent-knowledge': 0.75,
-            'email': 0.9            // 메일은 직접 근거 — 브레인 노트와 동급으로 취급
+            'recent-knowledge': 0.75
        };

        for (const chunk of chunks) {
@@ -16,8 +16,7 @@ export type RetrievalSource =
    | 'procedural-memory'  // Procedural Memory
    | 'episodic-memory'    // Episodic Memory
    | 'project-scan'       // Local Project Path scan
-    | 'recent-knowledge'   // Recent Project Knowledge record
-    | 'email';             // Project Astra — 수집된 Gmail/이메일
+    | 'recent-knowledge';  // Recent Project Knowledge record

 export type ConflictSeverity = 'NONE' | 'LOW' | 'MEDIUM' | 'HIGH';

@@ -44,15 +43,6 @@ export interface RetrievalChunk {
        isLesson?: boolean;
        /** 'lesson' | 'playbook' | 'qa-finding' when isLesson is true. */
        lessonKind?: string;
-
-        // --- Email (Project Astra) — 출처 추적: 원문 메일로 점프 ---
-        emailMessageId?: string;
-        emailThreadId?: string;
-        emailFrom?: string;
-        emailSubject?: string;
-        emailDate?: number;
-        /** 원문 메일 딥링크. */
-        emailPermalink?: string;
    };
 }