광운대 KLAS 수강 과목, 마감 임박 과제, 미수강 온라인 강의 종합 현황을 한 번에 요약 조회합니다.

현재 학기(또는 지정 학기)의 수강 과목 목록(과목명, 과목코드, 담당교수, 분반)을 조회합니다.

전체 과목 또는 특정 과목의 과제 및 제출 마감 일정을 조회합니다.

특정 과목의 온라인 동영상 강의 진도율 및 출석 마감 일정을 조회합니다.

특정 과목의 강의 자료실 게시글과 온라인 강의 콘텐츠에 직접 첨부된 자료(예: 컴퓨터그래픽스의 실습 파일)를 병합한 목록과 첨부파일 ID(atchFileId)를 조회합니다.

강의 자료실 첨부파일을 로컬 디렉토리에 안전하게 다운로드하고 저장 경로 및 해시를 반환합니다.

현재 저장된 KLAS 자격증명 구성 상태와 세션 유효성을 진단합니다 (비밀번호 비노출).

KLAS 세션 쿠키를 강제로 재발급받아 로컬 캐시를 갱신합니다.

개인 수업시간표(과목명, 요일, 교시, 강의실, 교수명)를 조회합니다.

generate_ics=True일 때만 응답에 iCal(.ics) 텍스트를 포함합니다. export_ics_path를 지정하면 응답 크기를 늘리지 않고 홈 디렉토리 하위에 klas_timetable.ics 파일로 저장합니다. semester_start(YYYY-MM-DD)를 지정하면 해당 날짜를 기준으로 반복 일정을 계산하며, 미지정 시 오늘 날짜를 기준으로 합니다. weeks는 반복 주차 수(기본 16주)입니다.

특정 과목의 강의계획서(주차별 진도 계획, 교재, 평가비율)를 상세 조회합니다.

특정 과목의 전자출결(KW출첵) 현황을 조회하고 결석 위험도를 분석합니다.

위험도 계산은 결석 1/3 이상 시 F 처리되는 일반적 학칙을 가정한 참고용이며 학교의 공식 판정을 대체하지 않습니다.

제출 완료되어 채점된 과제의 점수와 교수 피드백 코멘트를 조회합니다 (조회 전용).

task_id는 klax_get_deadlines로 조회한 과제의 식별자를 사용합니다.

오늘/내일 수업 시간표·강의실, 마감 임박 과제 D-Day, 출결 위험 알림을 종합한 일일 학업 브리핑(마크다운)을 생성합니다.

참고용 요약이며 공식 학사 정보를 대체하지 않습니다.

강의계획서 평가비율과 현재 확보 점수를 이용해 목표 총점 달성에 필요한 잔여 평가 평균 점수를 역산합니다.

current_scores는 klax_get_syllabus의 evaluation_ratio와 동일한 키 (midterm/final/assignment/attendance/quiz/etc)를 사용하며, 아직 채점되지 않은 항목은 생략합니다. 공식 성적 예측이 아닌 가정 기반 시뮬레이션입니다.

과목의 강의계획서 주차별 내용과 자료실 게시글 제목을 로컬 검색 인덱스(SQLite FTS)에 색인한 뒤 질의어로 검색하여 출처(과목/유형/제목)가 표시된 결과를 반환합니다.

외부 API나 임베딩 서비스로 전송하지 않는 로컬 전용 검색이며, 다른 과목 자료는 결과에 포함되지 않습니다 (권한 인식 검색).

로컬에 색인된(또는 색인 시도된) 강의자료 목록과 처리 상태(pending/processing/completed/failed/unsupported)를 조회합니다.

KLAS 원격 조회가 아닌 로컬 색인 저장소(SQLite) 조회이며, status를 지정하면 해당 상태로만 필터링합니다.

로컬에 이미 다운로드된 PDF/PPTX 파일을 읽어 페이지/슬라이드 단위로 텍스트를 추출하고 로컬 검색 인덱스에 반영합니다.

KLAS에는 어떤 것도 쓰지 않으며, klax_download_material로 받은 로컬 경로만 처리합니다. 동일 파일 내용(SHA256)이 이미 색인되어 있으면 재처리하지 않고 기존 결과를 반환합니다 (force_reindex=True로 강제 재처리 가능). PyMuPDF/python-pptx 미설치, 스캔본(텍스트 없음), 미지원 확장자는 각각 unsupported/needs_ocr 상태와 사유(error_reason)로 반환됩니다.

색인된 강의자료(PDF/PPTX/HWPX/동영상) 청크를 로컬 FTS로 검색하고 각 결과에 locator, source_url, retrieved_at, freshness를 포함해 반환합니다.

locator 형식은 자료 종류에 따라 다릅니다: PDF는 page:N, PPTX는 slide:N, HWPX는 section:N, 동영상 자막/전사는 time:HH:MM:SS입니다. time: locator가 있는 결과는 klax_get_video_transcript(material_id, start_time, end_time)로 해당 구간 전문을 조회할 수 있습니다. 검색 범위 내에 색인 실패/미지원/처리중 자료가 있으면 partial_failure=True와 사유 목록을 함께 반환해 결과가 불완전할 수 있음을 명시합니다. 외부 API나 임베딩 서비스로 전송하지 않습니다.

색인된 강의자료(material_id) 또는 로컬 동영상 경로의 자막/STT 전사를 타임코드 구간으로 조회합니다.

material_id_or_video_id가 로컬 색인 저장소(SQLite)에 존재하면 저장된 time:HH:MM:SS 청크를 사용하고, 존재하지 않으면 로컬 동영상 경로로 간주해 같은 파일명의 자막(.vtt/.srt) 또는 로컬 STT(faster-whisper/whisper)로 즉시 전사를 시도합니다. start_time/end_time(HH:MM:SS 또는 MM:SS)을 지정하면 해당 구간과 겹치는 청크만 반환합니다. STT 라이브러리 미설치 시 unsupported 상태와 사유를 반환하며, 원격 URL 다운로드나 외부 클라우드 API는 호출하지 않습니다.

klax_search_learning_materials 결과의 chunk_id로 원문 발췌 전체(페이지/슬라이드 텍스트)와 출처를 조회합니다.

과제 설명(task_id) 또는 로컬에 색인된 강의자료(material_id)에서 제출 요구사항으로 보이는 문장만 규칙 기반으로 추려 locator/출처가 표시된 체크리스트를 만듭니다.

생성형 요약이나 완성 답안을 만들지 않으며, 원문 줄을 그대로 보존한 결정론적 구조화입니다. task_id와 material_id 중 최소 하나를 지정해야 합니다.

로컬에 색인된 강의자료 청크(chunk_id)의 본문에서 결정론적 규칙으로 객관식 퀴즈 1개를 생성합니다.

정답/해설은 채점 전 노출을 막기 위해 반환하지 않으며, klax_submit_quiz_answer로 제출해야 확인할 수 있습니다. 생성된 퀴즈는 로컬 학습 저장소(study.db)에 저장되고, 채점 시 자동으로 망각곡선 복습 큐에 등록됩니다. 생성형 요약이 아닌 원문 정의/빈칸 추출 기반입니다.

생성된 퀴즈(quiz_id)에 대한 답안(user_answer, options 배열의 인덱스)을 채점합니다.

채점 결과(정답 여부, 정답 인덱스, 해설)를 반환하고, 결과에 따라 에빙하우스 망각곡선 기반 복습 큐(review_queue)의 간격을 SM-2 변형 알고리즘으로 자동 갱신합니다.

오늘 기준으로 복습해야 할 망각곡선 복습 큐 항목을 조회합니다 (로컬 저장소 조회, KLAS 호출 없음).

course_id를 지정하면 해당 과목으로만 필터링합니다. 항목이 비어 있으면 오늘 복습할 대상이 없다는 뜻입니다.

마감 임박 과제와 오늘 복습해야 할 망각곡선 큐 항목을 결합한 향후 7일 학습 계획을 생성합니다.

과제는 마감 하루 전 날짜에, 복습 항목은 7일에 걸쳐 분산 배치됩니다. 마감일을 해석할 수 없는 과제는 unscheduled_assignments로 별도 표시되며 임의로 날짜를 추정하지 않습니다.

과제 설명문에서 핵심 개념/요구사항을 분해하고, 색인된 교안(PDF/PPTX)에서 가장 관련 높은 슬라이드를 매핑합니다.

소크라테스식 점진적 힌트 사다리(Hint Ladder, 1~3단계)를 통해 학생의 개념 이해도를 점검하고 유도합니다.

PDF 교안 파일 내부의 클릭 가능한 하이퍼링크(Hyperlink Annotation) 및 본문 텍스트에 포함된 URL 링크를 페이지별로 추출합니다.

PDF 교안 내 링크를 추출하고, 해당 슬라이드 맥락과 외부 웹페이지 내용을 실시간 페칭/이해하여

개념 연결(Conceptual Bridge), 시험/과제 실전 활용법을 담은 종합 학습 가이드를 생성합니다.

모델이 교안 원문을 읽고 작성한 구조화된 note JSON을, 출처 locator 검증 후 로컬 단일 HTML 학습 노트로 저장합니다.

note 필수 필드: title, overview, sections[]. 각 섹션에는 title, explanation, why_it_matters, source_locators(page:N/slide:N 등)가 필요합니다. 이 도구는 LLM/API를 호출하지 않고 HTML만 렌더링하며, locator가 색인 자료에 없으면 저장을 거부합니다.

색인 완료된 로컬 강의자료를 재사용해, 출처와 페이지/슬라이드 locator가 보존된 단일 HTML 학습 가이드를 생성합니다.

먼저 klax_download_material과 klax_index_learning_material로 자료를 로컬 색인해야 합니다. KLAS에는 쓰지 않으며, output_path는 홈 디렉토리 하위의 .html 파일이어야 합니다.