web-page-backend/docs/superpowers/specs/2026-05-20-lotto-active-agent-design.md

LottoAgent 능동성 확장 설계

• 상태: Draft (사용자 리뷰 대기)
• 작성일: 2026-05-20
• 대상 컨테이너: agent-office
• 영향 외부 도메인: lotto-lab (read-only API 소비만)

---

1. 문제 정의

현재 LottoAgent는 매주 월요일 09:05 cron으로 무조건 큐레이션을 1회 실행하고 헤드라인을 텔레그램으로 푸시한다. "결과가 좋지 않은 회차"도 동일하게 발화되며, 정량적 시그널이 평소보다 강할 때 별도로 알리는 능동성이 없다.

사용자 의도: 통계·시뮬레이션·전략 가중치를 에이전트가 스스로 모니터링하다가 "좋은 수치"가 나오면 능동적으로 보고하는 패턴.

2. 의사결정 요약

결정 사항	선택	비고
분석 주기	다중 트리거 혼합	매일 정기 + 시뮬레이션 후 + 회차 후
시그널 종류	3종 — Sim Consensus / Strategy Drift / Confidence	Hot/Cold 변화는 제외 (노이즈)
알림 정책	일일 요약 + 긴급 즉시	2개 동시 발화 OR 단일 z≥2.5 → 긴급
임계치 전략	적응형 (최근 8회 μ + σ)	warmup·보수적 단계 포함
시뮬 강도 조절 (Layer B)	v1 미포함	운영 검증 후 v2에서 도입 검토

3. 아키텍처

3.1 컴포넌트 다이어그램

┌─────────────────────────────────────────────────────────────┐
│  agent-office                                                │
│                                                             │
│  cron (scheduler.py)                                        │
│  ├─ lotto_light_check    매일 09:15                          │
│  ├─ lotto_sim_check      4시간마다 :15                       │
│  ├─ lotto_deep_check     일/수 21:15                         │
│  ├─ lotto_daily_digest   매일 09:25                          │
│  └─ lotto_curate         월요일 09:05 (기존 유지)            │
│                            ↓                                │
│  curator/signals.py (신규)                                  │
│  ├─ evaluate_sim_consensus()   ← lotto_best API             │
│  ├─ evaluate_strategy_drift()  ← strategy/weights API       │
│  ├─ evaluate_confidence()      ← deep_check 시 큐레이션 결과 │
│  └─ adaptive_baseline()        ← μ, σ 갱신                  │
│                            ↓                                │
│  agent_office.db                                            │
│  ├─ lotto_signals (이벤트 이력)                              │
│  └─ lotto_baselines (롤링 8회 윈도우)                        │
│                            ↓                                │
│  notifiers/telegram_lotto.py                                │
│  ├─ send_urgent_signal()       ← 긴급                       │
│  └─ send_signal_summary()      ← 일일 요약                   │
└─────────────────────────────────────────────────────────────┘
              ↑ (HTTP GET, 기존 lotto-lab API 재사용, 변경 없음)
              │
        lotto:8000
        ├─ /api/lotto/best
        ├─ /api/lotto/strategy/weights
        └─ /api/lotto/curator/*

3.2 책임 경계

• lotto-lab: 변경 없음. 기존 GET API만 소비.
• agent-office: 능동 모니터링 layer 전부 담당. DB도 agent_office.db 안에 분리해서 lotto.db와 결합 없음.
• 프론트엔드: Phase 4 별도 (web-ui repo). 본 spec 범위 밖.

4. 시그널 평가 로직

4.1 Sim Consensus Score

best_picks 20개의 점수 5종 (s1..s5) 사용

normalize(s_k) = (s_k - min_k) / (max_k - min_k)  per metric across 20 picks
consensus_i    = geomean( normalize(s1_i), ..., normalize(s5_i) )
sim_signal     = mean( sorted(consensus_i, desc)[:10] )

• 기하평균: 5종 점수가 동시에 높을 때만 강한 시그널. 단일 폭주는 감쇠.
• top-10 평균: 전체 20개 분포에서 강한 후보군의 농도 측정.

4.2 Strategy Drift Score

drift_t = Σ | w_strategy_t - w_strategy_{t-1} |  for each strategy in strategy_weights

• 회차 단위로 비교. 한 전략이 EMA로 큰 폭 이동했을 때 누적값이 큼.
• 시스템이 "지난 회차에서 의미 있게 학습한" 시그널.

4.3 Confidence Score

curator.pipeline.curate_weekly() 반환의 validated.confidence (0~1) 그대로.

• light_check / sim_check: N/A (LLM 호출 없음)
• deep_check: 직전 큐레이션 confidence를 baseline 윈도우에 push

4.4 Adaptive Baseline

lotto_baselines.window_values = [v_{t-7}, v_{t-6}, ..., v_t]   (FIFO 8)
mu     = mean(window_values)
sigma  = stddev(window_values, ddof=1)
z_now  = (v_now - mu) / sigma

• Cold start: window 크기 < 4 → fire_level='warmup', 발화 X
• 준비 단계: window 4~7 → 임계치 z=2.0 (false positive 줄임)
• 정상 운영: window 8 풀 → z_normal=1.5, z_urgent=2.5

4.5 Trigger × Metric 매트릭스

Trigger	Sim Consensus	Strategy Drift	Confidence
light_check (매일 09:15)	✓ 평가	✓ 회차 변경 시만	—
sim_check (4h마다)	✓ 평가	✓ 회차 변경 시만	—
deep_check (일/수 21:15)	✓ 평가	✓ 회차 변경 시만	✓ (큐레이션 후)
lotto_curate (월 09:05)	—	—	✓ 큐레이션 결과 직접 push

회차 변경 가드: Strategy Drift / Confidence는 회차 단위 메트릭. baseline 윈도우에 push할 때 last_pushed_draw_no를 비교, 동일 회차면 skip. 같은 회차 내에서 값 비교는 가능하지만 baseline 갱신은 회차당 1회만.

if metric in ('drift', 'confidence'):
    if current_draw_no == baselines[metric].last_pushed_draw_no:
        # baseline 윈도우는 그대로, z-score만 현재값으로 비교
        skip_window_update = True

Sim Consensus는 회차 무관 (4시간마다 시뮬 자체가 갱신) → 매 평가 시 window push.

4.6 Fire 결정

fires = [m for m in [sim, drift, conf] if m.z >= LOTTO_Z_NORMAL]
if len(fires) >= 2 or any(m.z >= LOTTO_Z_URGENT for m in fires):
    fire_level = 'urgent'
elif len(fires) == 1:
    fire_level = 'normal'
else:
    fire_level = 'noop'

5. 알림 흐름

5.1 트리거→발송 다이어그램

cron / signal_check
  ↓
signals.evaluate_all()
  ↓
lotto_signals INSERT (all results)
  ↓
fire_level == 'urgent'  →  send_urgent_signal()  →  텔레그램 즉시
fire_level == 'normal'  →  09:25 digest 합류
fire_level == 'noop'    →  기록만

5.2 텔레그램 메시지 폼

Urgent:

🚨 로또 능동 신호

[2026-05-20 16:18]
강한 시그널 2종 동시 발화:
• Sim Consensus 1.84 (μ=1.02, σ=0.21) z=3.9
• Strategy Drift 0.18 (μ=0.06, σ=0.04) z=3.0

요인: gap_focus 전략이 지난 3회차 EMA +22%p
다음 시뮬: 20:05

[자세히 보기] (→ /lotto/agent)

Daily digest (09:25):

📊 로또 일일 요약 (지난 24h)

평가 6회 / 발화 2회
• Sim Consensus  normal  z=1.7  (16:18)
• Confidence     normal  z=1.6  (월 09:05)

전략 가중치 추세 (최근 8회 baseline):
  gap_focus   ↑ +12%
  hot_focus   →  -2%
  pair_bias   ↓ -8%

• 24h 내 발화 0건이면 digest 자체 skip (조용한 날 강제 알림 없음).

5.3 Throttle 규칙

규칙	동작
같은 metric + 같은 fire_level이 6시간 이내 재발화	두 번째는 DB 기록만, 텔레그램 skip
urgent 누적 ≥ 3통/day	4번째부터 normal로 강등 → digest 합류
digest 24h 발화 0건	digest skip
Anthropic / 텔레그램 실패	평가는 success로 기록, 메시지만 60초 후 1회 retry

6. 데이터 모델

6.1 lotto_signals

CREATE TABLE IF NOT EXISTS lotto_signals (
  id INTEGER PRIMARY KEY AUTOINCREMENT,
  triggered_at TEXT NOT NULL,        -- ISO8601 UTC
  source TEXT NOT NULL,              -- 'light' | 'sim' | 'deep'
  metric TEXT NOT NULL,              -- 'sim_signal' | 'drift' | 'confidence'
  value REAL NOT NULL,
  baseline_mu REAL,
  baseline_sigma REAL,
  z_score REAL,
  fire_level TEXT NOT NULL,          -- 'noop' | 'warmup' | 'normal' | 'urgent'
  notified_at TEXT,                  -- 텔레그램 발송 시각 (NULL=미발송)
  payload TEXT                       -- JSON 부가 정보
);
CREATE INDEX idx_ls_triggered ON lotto_signals(triggered_at DESC);
CREATE INDEX idx_ls_fire ON lotto_signals(fire_level, notified_at);

6.2 lotto_baselines

CREATE TABLE IF NOT EXISTS lotto_baselines (
  metric TEXT PRIMARY KEY,
  window_values TEXT NOT NULL,       -- JSON: [v1..v8]
  mu REAL NOT NULL,
  sigma REAL NOT NULL,
  last_pushed_draw_no INTEGER,       -- 회차 단위 메트릭의 중복 push 방지 (drift, confidence)
  updated_at TEXT NOT NULL
);

마이그레이션: agent-office/app/db.py의 init_db()에 CREATE TABLE IF NOT EXISTS 추가만으로 idempotent. 기존 테이블 영향 없음.

7. API 추가

메서드	경로	설명
GET	/api/agent-office/lotto/signals?days=7	시그널 이력 (timeline, 차트용)
GET	/api/agent-office/lotto/baselines	현재 baseline μ/σ 조회
POST	/api/agent-office/lotto/signal-check	수동 트리거 (디버깅·테스트용)

8. 환경 변수

LOTTO_SIGNAL_WINDOW=8        # baseline 윈도우 크기
LOTTO_Z_NORMAL=1.5           # normal fire 임계치
LOTTO_Z_URGENT=2.5           # urgent fire 임계치
LOTTO_DIGEST_HOUR=9          # digest cron hour (KST)
LOTTO_DIGEST_MIN=25
LOTTO_THROTTLE_HOURS=6       # 같은 메트릭 재발화 throttle
LOTTO_URGENT_DAILY_MAX=3     # urgent 하루 cap

모두 default 있음. .env 미설정 시 default로 동작.

9. 스케줄러 cron

scheduler.add_job(lotto_light_check,  "cron", hour=9, minute=15, id="lotto_light_check")
scheduler.add_job(lotto_sim_check,    "cron", minute=15, hour="0,4,8,12,16,20", id="lotto_sim_check")
scheduler.add_job(lotto_deep_check,   "cron", day_of_week="sun,wed", hour=21, minute=15, id="lotto_deep_check")
scheduler.add_job(lotto_daily_digest, "cron", hour=9, minute=25, id="lotto_digest")
# 기존: lotto_curate (월 09:05) 유지

10. 구현 Phase

Phase	범위	검증
1	DB 마이그레이션 + signals.py (순수 함수, LLM X)	POST /lotto/signal-check로 수동 호출 → z-score 계산 확인
2	cron 4개 + lotto_signals INSERT (텔레그램 X)	24h 가동 → DB에 시그널 누적
3	텔레그램 urgent / digest + throttle	dry-run env로 메시지 검증 후 실제 발송
4	프론트 (web-ui) — /lotto/agent 시그널 timeline UI	별도 PR (본 spec 범위 외)

Phase 1~3이 백엔드 능동성 완성. 각 Phase 끝에 commit + 자동 배포.

11. 비기능 요구

• 백워드 호환: 기존 월요일 큐레이션 cron 변경 없음
• 장애 격리: signals 평가 실패해도 LottoAgent.state는 idle 유지 (try/except + add_log warning)
• 테스트: signals.py의 메트릭 함수는 input/output 순수형 → 단위 테스트 작성 가능
• 관측: agent_logs 테이블 그대로 활용 (별도 로깅 추가 없음)

12. 비목표 (Out of scope)

• 자동 구매·자동 픽 갱신 (보고만)
• 시뮬레이션 강도 자동 조절 (Layer B는 v2)
• 텔레그램 인라인 키보드 (v2에서 자동 액션 도입 시 함께)
• 핫넘버/콜드넘버 시그널 (노이즈 위험, v1 제외)
• 프론트 UI (별도 PR)

13. v2 후속 검토

• Layer B 시뮬 강도 조절 (모호 시그널 시 deep_simulate)
• 사용자 피드백 루프 (텔레그램 [좋아요/별로] 버튼 → 임계치 가중 조정)
• 회차 retrospective 자동 분석 (당첨번호 vs 추천번호 패턴 학습)