from openai import OpenAI

client = OpenAI(base_url="https://api.oxlo.ai/v1", api_key="YOUR_OXLO_API_KEY")
...

SHIFT_REPORT = """
Shift: A-2
Date: 2024-05-14
...

SYSTEM_PROMPT = """
You are a manufacturing quality control analyst. Read the shift report and
produce a JSON object with exactly these keys:
...

import json

def classify_defect(report_text: str) -> dict:
...
```

raw = raw.split("\n", 1)[1].rsplit("```\n", 1)[0].strip()

...

## Step 5: JSON 모드를 사용한 구조화된 출력 (structured output) 추가

파이프라인을 프로덕션 수준 (production-grade)으로 만들기 위해, JSON 모드 (JSON mode)를 활성화합니다. 이를 통해 모델이 유효한 JSON을 출력하도록 강제하고, 코드 블록 구분자(fence)를 제거하기 위한 편법(hack)을 없앨 수 있습니다. 또한, 에이전트가 깨끗한 보고서를 어떻게 처리하는지 보여주기 위해 두 번째 예시를 추가합니다.

```
import json

CLEAN_REPORT = """
...
```

## Step 6: 일주일 치 데이터 배치 처리 (Batch process) 및 심각한 문제 플래그 지정

실제 업무에서는 매주 월요일마다 보고서 폴더를 전달받습니다. 이 루프는 리스트를 처리하고, 심각도 (severity)를 집계하며, 즉각적인 주의가 필요한 사항을 드러냅니다. Oxlo.ai는 토큰 (token) 단위가 아닌 요청 (request) 단위로 비용을 청구하기 때문에, 수십 개의 긴 교대 근무 로그를 처리하는 비용은 짧은 핑 (ping) 하나를 보내는 비용과 동일합니다. 이는 보고서가 여러 페이지에 달할 때 매우 유용합니다.

```
WEEKLY_REPORTS = [
    SHIFT_REPORT,
    CLEAN_REPORT,
...
```

## 실행하기

모든 내용을 `qc_agent.py`에 저장하고 `python qc_agent.py`를 실행합니다. 주간 요약을 실행했을 때 다음과 같은 결과를 볼 수 있습니다:

```
Report 1: severity=major, line=Line 3
Report 2: severity=none, line=None
Report 3: severity=critical, line=Line 2
...
```

에이전트는 압출기 줄무늬 (extruder streaking) 현상을 major로, 깨끗한 교대 근무를 none으로, 유압 프레스 (hydraulic press)를 중단 권고와 함께 critical로 정확하게 플래그 지정했습니다. 유지보수 이력에 대해 더 깊은 추론 (reasoning)이 필요한 경우, 다른 코드를 변경할 필요 없이 Oxlo.ai에서 모델을 `deepseek-v3.2` 또는 `kimi-k2.6`으로 교체하면 됩니다.

## 다음 단계

파싱된 JSON을 SQLite 또는 TimescaleDB 테이블에 입력하여, 시간 경과에 따라 라인 및 스테이션별 결함률 (defect rates)의 추세를 파악할 수 있습니다. 또한 `production_halt_recommended` 플래그를 Slack 웹훅 (webhook)이나 PagerDuty 알림에 연결하여, 보고서가 수신함에 도착한 후 몇 초 이내에 관리자에게 알림이 가도록 설정할 수도 있습니다.
```