migrate-worklogs

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      # 최근 7일 분석 (기본)
/migrate-worklogs -1d --execute      # 어제 데이터 실제 적용
/migrate-worklogs -20d               # 최근 20일 분석

Arguments

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)

1. Person.id → email (db_users.csv) → DB UUID
2. 영문 이름 Jaro-Winkler >= 0.9
3. 한글 이름 포함 검사
4. LLM 추론 (최후 수단)

Project 매핑 (5단계)

1. Project.Id → IO code (db_projects.csv) → DB UUID
2. IO code 정확 일치
3. Priority 키워드 (OQC, GEN3+, TUMALO 등)
4. Description 키워드 추출
5. Default project fallback (General/Non-Project)

WorkType 매핑 (4단계)

1. Worktype.Id → Legacy 매핑 테이블
2. Title 정확 일치
3. 274개 키워드 매칭
4. 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)

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

중복 방지

4-key 복합키로 중복 체크: (user_id, project_id, date, hours)

참고 문서

• 매핑 규칙 상세
• 기존 동기화 스크립트
• Fuzzy 매칭 서비스
• 키워드 매핑