name: migrate-worklogs
description: CSV에서 worklog를 DB로 증분 마이그레이션. User/Project/WorkType을 의미론적으로 추론하여 매핑. 날짜 범위 지정 가능.
argument-hint: [-1d|-7d|-20d] [--dry-run|--execute]
disable-model-invocation: true
allowed-tools: Bash(python *), Read, Grep, Glob
CSV Worklog Migration Skill
CSV 백업 데이터에서 worklog를 PostgreSQL로 증분 마이그레이션합니다.
기존 DB에 이미 데이터가 있으므로 날짜 기반으로 필터링하여 신규 레코드만 추가합니다.
사용법
/migrate-worklogs -7d --dry-run
/migrate-worklogs -1d --execute
/migrate-worklogs -20d
Arguments
| 옵션 | 설명 |
|---|
-1d, -7d, -20d | 날짜 범위 (기본: -7d) |
--from YYYY-MM-DD | 시작 날짜 |
--to YYYY-MM-DD | 종료 날짜 |
--dry-run | 분석만 수행 (기본) |
--execute | 실제 DB 적용 |
워크플로우
Step 1: CSV 분석
$CSV_BACKUP_PATH/tb_worklog.csv 로드 (기본: .env의 CSV_BACKUP_PATH)- 날짜 범위로 필터링
- 중복 체크 (이미 DB에 있는 레코드 제외)
Step 2: 매핑 추론
User, Project, WorkType을 의미론적으로 추론:
User 매핑 (4단계)
- Person.id → email (db_users.csv) → DB UUID
- 영문 이름 Jaro-Winkler >= 0.9
- 한글 이름 포함 검사
- LLM 추론 (최후 수단)
Project 매핑 (5단계)
- Project.Id → IO code (db_projects.csv) → DB UUID
- IO code 정확 일치
- Priority 키워드 (OQC, GEN3+, TUMALO 등)
- Description 키워드 추출
- Default project fallback (General/Non-Project)
WorkType 매핑 (4단계)
- Worktype.Id → Legacy 매핑 테이블
- Title 정확 일치
- 274개 키워드 매칭
- Description AI 추론
Step 3: 리포트 생성
매핑 결과를 리포트로 출력:
- 성공/실패 건수
- 추론된 매핑 목록
- 저신뢰도 항목 경고
Step 4: 사용자 확인
--execute 옵션 시 사용자 확인 후 DB 적용
실행 방법
cd backend
source ../.venv/bin/activate
python -m scripts.ai_migrate_worklogs $ARGUMENTS
환경 변수 (.env)
| 변수 | 설명 | 기본값 |
|---|
DATABASE_URL | PostgreSQL 연결 (localhost 사용 시 주석 해제) | db:5432 |
CSV_BACKUP_PATH | CSV 백업 폴더 경로 | backups/latest |
MIGRATION_REPORT_PATH | 리포트 저장 경로 | backend/reports |
주의사항
과거 실패 케이스 방지
- GEN3 vs GEN3+: Priority 기반으로 GEN3+ 우선 매칭
- LEGACY 프로젝트: 888888 시리즈 명시적 제외
- z [Closed]: 프로젝트명에 포함된 경우 제외
컬럼 매핑
| CSV 컬럼 | 처리 |
|---|
Createdby.Id | Person.id → email → UUID (2단계 lookup) |
Project.Id | CSV 내부 ID → IO code → UUID |
Worktype.Id | Legacy 매핑 테이블 참조 |
SuddenWork? | "TRUE"/"FALSE" → Boolean |
중복 방지
4-key 복합키로 중복 체크: (user_id, project_id, date, hours)
참고 문서
