Test

[Yooonjeong]

✨ 변경 사항

---

✅ 테스트

---

• 수동 테스트 완료
• 테스트 코드 완료

Summary by CodeRabbit

릴리스 노트

• 버그 수정

  • AI API 오류 발생 시 개선된 오류 처리 메커니즘 추가

• 새로운 기능

  • 검색 결과에 0.90 유사도 임계값 필터 적용으로 검색 정확도 향상

• 최적화

  • 임베딩 캐싱 레이어 제거

_{✏️ Tip: You can customize this high-level summary in your review settings.}

[coderabbitai]

Note

.coderabbit.yaml has unrecognized properties

CodeRabbit is using all valid settings from your configuration. Unrecognized properties (listed below) have been ignored and may indicate typos or deprecated fields that can be removed.

⚠️ Parsing warnings (1)

Validation error: Unrecognized key(s) in object: 'ignored_branch'

⚙️ Configuration instructions

• Please see the configuration documentation for more information.
• You can also validate your configuration using the online YAML validator.
• If your editor has YAML language server enabled, you can add the path at the top of this file to enable auto-completion and validation: # yaml-language-server: $schema=https://coderabbit.ai/integrations/schema.v2.json

📋 요약

임베딩 서비스와 저장소의 동작을 개선하는 변경사항입니다. VertexAiEmbeddingService에서 캐싱 계층을 제거하고, 유사도 임계값(0.90) 필터를 EmbeddingRepository의 쿼리에 추가했으며, 에러 처리를 강화했습니다. SearchRepositoryImpl은 포맷팅 조정만 수행했습니다.

📊 변경 사항

클러스터 / 파일	변경 요약
임베딩 서비스 개선 ticketmate-ai/src/main/java/com/ticketmate/backend/ai/application/service/VertexAiEmbeddingService.java	캐싱 계층 제거; createAndSaveEmbedding(UUID, String, EmbeddingType) 메서드 시그니처 정제; 생성 실패 시 CustomException(ErrorCode.EMBEDDING_API_ERROR) 예외 처리 추가
저장소 임계값 필터 추가 ticketmate-ai/src/main/java/com/ticketmate/backend/ai/infrastructure/repository/EmbeddingRepository.java	CONCERT 및 AGENT 임베딩 쿼리에 유사도 임계값 조건(0.90) 추가; 기존 정렬 및 LIMIT 동작 유지
포맷팅 조정 ticketmate-search/src/main/java/com/ticketmate/backend/search/infrastructure/repository/SearchRepositoryImpl.java	세 메서드의 들여쓰기 및 줄 바꿈 정렬; 함수 동작 변화 없음

🎯 코드 리뷰 소요 시간

🎯 2 (단순) | ⏱️ ~10분

🔗 연관 가능 PR

• 20260105 #713 하이브리드 검색 결과 관련성 필터링 로직 개선 #719: 임베딩 캐시 제거 및 0.90 유사도 임계값 추가와 동일한 코드 수준의 변경사항 포함
• Test #383: 임베딩 서브시스템 수정으로 VertexAiEmbeddingService 동작 변경 및 EmbeddingRepository 쿼리에 유사도 임계값 필터 추가
• 20251218 #687 임베딩 기반 하이브리드 검색 결과 모집 중인 공연으로 제한 #689: 동일한 클래스(VertexAiEmbeddingService, EmbeddingRepository) 수정으로 임베딩 조회/처리 로직 변경

🏷️ 추천 레이블

enhancement

👥 추천 리뷰어

• mr6208
• Chuseok22

🐰 변경을 축하하는 래빗의 시

캐시는 걷어내고 임계값은 올려서 🎯
임베딩의 정확함을 높이네요
에러 처리도 튼튼하게 다듬고
검색의 품질은 쭉쭉 올라와요
한 걸음 더 나은 TicketMate가 되었네! 🐇✨

🚥 Pre-merge checks | ✅ 2 | ❌ 1

❌ Failed checks (1 inconclusive)

Check name	Status	Explanation	Resolution
Title check	❓ Inconclusive	PR 제목 'Test'는 실제 변경 사항과 무관한 너무 일반적이고 모호한 표현입니다.	PR 제목을 변경하여 주요 변경 사항을 명확하게 반영하도록 하세요. 예: 'Improve hybrid search relevance filtering and embedding error handling' 또는 구체적인 기능 설명이 필요합니다.

✅ Passed checks (2 passed)

Check name	Status	Explanation
Description Check	✅ Passed	Check skipped - CodeRabbit’s high-level summary is enabled.
Docstring Coverage	✅ Passed	Docstring coverage is 100.00% which is sufficient. The required threshold is 80.00%.

_{✏️ Tip: You can configure your own custom pre-merge checks in the settings.}

✨ Finishing touches

• 📝 Generate docstrings

---

Thanks for using CodeRabbit! It's free for OSS, and your support helps us grow. If you like it, consider giving us a shout-out.

❤️ Share

• X
• Mastodon
• Reddit
• LinkedIn

_{Comment @coderabbitai help to get the list of available commands and usage tips.}

[coderabbitai]

Actionable comments posted: 0

🧹 Nitpick comments (3)

ticketmate-ai/src/main/java/com/ticketmate/backend/ai/application/service/VertexAiEmbeddingService.java (2)

19-20: 사용되지 않는 import 문이 있습니다.

캐싱 레이어가 제거되었지만 @Cacheable과 @Caching import가 여전히 남아있습니다. 이 import들을 제거해 주세요.

♻️ 제안된 수정

-import org.springframework.cache.annotation.Cacheable;
-import org.springframework.cache.annotation.Caching;

---

33-41: Javadoc이 현재 구현과 일치하지 않습니다.

Line 36의 "TTL 없이 영구 캐시 적용" 설명은 캐싱이 제거된 현재 구현과 맞지 않습니다. Javadoc을 업데이트해 주세요.

📝 제안된 수정

  /**
   * Vertex AI 임베딩 요청
   * 검색용 임베딩 생성/조회
-  * TTL 없이 영구 캐시 적용
+  * DB 조회 후 없으면 새로 생성하여 저장
   *
   * @param targetId      공연/대리인 ID (검색어의 경우 null)
   * @param text          임베딩 생성할 텍스트 (공연&대리인: plain-text 조합, 검색어: 입력 키워드)
   * @param embeddingType CONCERT, AGENT, SEARCH
   */

ticketmate-ai/src/main/java/com/ticketmate/backend/ai/infrastructure/repository/EmbeddingRepository.java (1)

26-36: 임베딩 유사도 임계값을 설정으로 외부화하고 적절한 값으로 조정하세요.

현재 0.90의 L2 거리 임계값은 Vertex AI 정규화 벡터 기준으로 코사인 유사도 약 0.64~0.65에 해당하는 매우 느슨한 기준입니다. 이는 "관련 주제" 수준의 매칭이므로, 공연 검색의 정확성이 낮을 수 있습니다.

권장사항:

1. 같은 의도의 검색 결과를 얻으려면 L2 ≈ 0.632 (코사인 0.80) 정도로 조정하는 것을 검토하세요.
2. application.yml에 임베딩 유사도 임계값을 설정으로 외부화하여 코드 변경 없이 튜닝할 수 있도록 하세요.
3. CONCERT와 AGENT 임베딩에 다른 임계값이 필요한지 검토하세요 (현재는 동일하게 0.90 사용).

# application.yml
embedding:
  similarity-threshold:
    concert: 0.632  # 같은 의도 매칭
    agent: 0.632

📜 Review details

Configuration used: Path: .coderabbit.yaml

Review profile: CHILL

Plan: Pro

📥 Commits

Reviewing files that changed from the base of the PR and between b9e1332 and c8194dd.

📒 Files selected for processing (3)

• ticketmate-ai/src/main/java/com/ticketmate/backend/ai/application/service/VertexAiEmbeddingService.java
• ticketmate-ai/src/main/java/com/ticketmate/backend/ai/infrastructure/repository/EmbeddingRepository.java
• ticketmate-search/src/main/java/com/ticketmate/backend/search/infrastructure/repository/SearchRepositoryImpl.java

⏰ Context from checks skipped due to timeout of 90000ms. You can increase the timeout in your CodeRabbit configuration to a maximum of 15 minutes (900000ms). (1)

• GitHub Check: deploy

🔇 Additional comments (3)

ticketmate-search/src/main/java/com/ticketmate/backend/search/infrastructure/repository/SearchRepositoryImpl.java (1)

48-147: 포맷팅/공백 조정만 포함된 변경 사항입니다.

AI 요약에서 언급한 대로, 이 파일의 모든 변경 사항은 포맷팅/공백 조정입니다. 쿼리 로직, 프로젝션, 조인, where 절 및 fetch 로직은 변경되지 않았습니다.

ticketmate-ai/src/main/java/com/ticketmate/backend/ai/application/service/VertexAiEmbeddingService.java (1)

73-84: 에러 처리 개선이 잘 되었습니다.

Vertex AI API 호출 실패 시 로깅과 함께 CustomException을 던지도록 개선되었습니다. 이를 통해 호출자가 적절히 에러를 처리할 수 있습니다.

ticketmate-ai/src/main/java/com/ticketmate/backend/ai/infrastructure/repository/EmbeddingRepository.java (1)

45-49: CONCERT 쿼리와 일관된 임계값 적용이 좋습니다.

AGENT 임베딩 쿼리에도 동일한 0.90 임계값이 적용되어 일관성이 유지됩니다. 위에서 언급한 대로 임계값 외부화 시 두 쿼리 모두에 적용해 주세요.