feat(ai): 인성·자소서 평가위원 추가 (회의적 리뷰 D)

임원면접 품질 감사에서 3/3로 확인된 갭: PERSONALITY/INTEGRATED 면접의 인성·자소서
답변이 기술 축(기술/논리/전달)으로만 채점되어 평가에서 빠짐.

- chain/prompts/personality_evaluation.py(신규): 자소서 경험의 소유·진정성, 지원동기·
  가치관·성장 서사 일관성, 표준 인성 주제 답변의 구체성·STAR를 평가.
- feedback_generation_chain: PERSONALITY_EVALUATOR_LABEL="인성·자소서", PersonalityEvaluator
  Protocol + LlmPersonalityEvaluator + build 체인(첫인상 평가위원 미러).
- feedback_consumer: _evaluate_personality(req) — mode∈{PERSONALITY,INTEGRATED} + 실질
  경험형 답변 있을 때만. 첫인상·직무적합도와 동일하게 panel_breakdown 에 가산(비집계) →
  종합 점수(overall/기술/논리/전달) 불변(저위험). BEHAVIORAL 우선, 없으면 폴백/스킵.
- runner: LlmPersonalityEvaluator 주입.
- 테스트 3건(패널 추가/미해당 스킵/overall_score 불변). 전체 308 passed, flake8 clean.

프론트는 비-SPECIAL 라벨을 '면접관 패널 평가'로 렌더하므로 자동 노출(무변경).

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

Author: i3months

ai/src/ai_server/chain/feedback_generation_chain.py

@@ -16,6 +16,7 @@
     feedback_panel,
     feedback_synthesis,
     job_fit_evaluation,
+    personality_evaluation,
     self_intro_evaluation,
 )
 from ai_server.config.settings import Settings
@@ -351,6 +352,79 @@ def build_self_intro_evaluation_chain(
     return prompt | llm | parser
 
 
+PERSONALITY_EVALUATOR_LABEL = "인성·자소서"
+PERSONALITY_DIMENSION = "자소서 소유·인성 답변 구체성/STAR"
+
+
+def build_personality_evaluation_chain(
+    settings: Settings, core_client: CoreClient | None = None
+) -> Runnable:
+    """인성·자소서 답변(경험형·BEHAVIORAL)을 기술 축과 별개로 평가하는 경량 체인(Flash)."""
+    from langchain_openai import ChatOpenAI
+
+    parser = PydanticOutputParser(pydantic_object=EvaluatorResult)
+    prompt = ChatPromptTemplate.from_messages(
+        [
+            ("system", personality_evaluation.SYSTEM_PROMPT),
+            ("human", personality_evaluation.HUMAN_PROMPT),
+        ]
+    ).partial(format_instructions=parser.get_format_instructions())
+
+    callbacks = []
+    if core_client is not None:
+        callbacks.append(
+            CoreAiLogCallback(
+                core_client=core_client,
+                request_type="generate.feedback.personality",
+                default_model=settings.llm_flash_model,
+            )
+        )
+
+    llm = ChatOpenAI(
+        model=settings.llm_flash_model,
+        temperature=settings.llm_flash_temperature,
+        api_key=settings.llm_api_key or None,
+        base_url=settings.llm_base_url,
+        callbacks=callbacks,
+    )
+    return prompt | llm | parser
+
+
+class PersonalityEvaluator(Protocol):
+    async def evaluate(
+        self,
+        *,
+        job_category: str,
+        mode: str,
+        transcript: str,
+    ) -> EvaluatorResult: ...
+
+
+class LlmPersonalityEvaluator:
+    def __init__(self, chain: Runnable) -> None:
+        self._chain = chain
+
+    async def evaluate(
+        self,
+        *,
+        job_category: str,
+        mode: str,
+        transcript: str,
+    ) -> EvaluatorResult:
+        result = await self._chain.ainvoke(
+            {
+                "job_category": job_category,
+                "mode": mode,
+                "transcript": transcript or "(빈 답변)",
+            }
+        )
+        if not isinstance(result, EvaluatorResult):
+            raise TypeError(
+                f"chain returned {type(result).__name__}, expected EvaluatorResult"
+            )
+        return result
+
+
 class SelfIntroEvaluator(Protocol):
     async def evaluate(
         self,

ai/src/ai_server/chain/prompts/personality_evaluation.py

@@ -0,0 +1,28 @@
+# 인성·자소서 평가 프롬프트 (PERSONALITY/INTEGRATED 모드).
+# 임원면접식 인성/자소서 답변을 기술 축과 별개로 평가한다.
+# 결과는 패널의 '인성·자소서' 평가위원 한 명으로 표시되며, 종합 점수 집계에는 포함되지 않는다.
+
+SYSTEM_PROMPT = (
+    "당신은 IT 직군 임원면접의 **인성·자소서 평가위원**입니다. 지원자의 인성·경험형(자소서 기반) "
+    "질문과 답변만 보고, 기술 정확성이 아니라 **인성·태도·자소서 소유도**를 평가합니다.\n"
+    "- 평가 관점(오직 아래만 봅니다. 기술 정확성 평가 금지):\n"
+    "  · 자소서 소유·진정성: 자소서에 쓴 경험을 본인이 진짜 겪고 이해하는가(구체적 상황·본인 역할·"
+    "결과가 일관되게 드러나는가, 빌린 서사·모호한 총평이 아닌가).\n"
+    "  · 서사 일관성: 지원동기·가치관·성장 스토리가 서로 모순 없이 연결되는가.\n"
+    "  · 표준 인성 주제(리더십·갈등해결·성공/실패·장단점·지원동기·비전 등) 답변의 **구체성**과 "
+    "**STAR(상황·과제·행동·결과)** 충실도 — 추상적 다짐이 아니라 구체 사례·본인 행동·결과가 있는가.\n"
+    "  · 협업·태도: 갈등·실패·관계 상황에서 드러나는 태도가 성숙한가.\n"
+    "- 점수는 0~100 정수. 인성/자소서 답변이 없거나 너무 부실해 판단 불가하면 null.\n"
+    "- 점수 앵커: 90~100 경험 소유·구체성·일관성 모두 뛰어남 / 70~89 무난하나 일부 추상적 / "
+    "50~69 답은 하나 구체 사례·본인 행동이 약함 / 30~49 상투적이거나 모순 / 0~29 거의 무응답.\n"
+    "- strength/weakness 는 각각 한 줄(한국어, 구체적으로). keywords 는 보완 키워드 0~3개(짧은 명사구).\n"
+    "- detail: 답변의 구체적 부분을 인용/지목하며 2~4문장으로 서술(추상적 총평 금지).\n"
+    "- score_rationale: 그 점수를 준 핵심 근거를 한두 문장으로.\n"
+    "- 응답은 반드시 지정된 JSON 스키마를 따른다."
+)
+
+HUMAN_PROMPT = (
+    "지원 직군: {job_category} / 면접 모드: {mode}\n\n"
+    "=== 인성·자소서 관련 질문과 답변 ===\n{transcript}\n\n"
+    "{format_instructions}"
+)

ai/src/ai_server/messaging/consumers/feedback_consumer.py

@@ -9,6 +9,8 @@
 from ai_server.chain.feedback_generation_chain import (
     JOB_FIT_DIMENSION,
     JOB_FIT_EVALUATOR_LABEL,
+    PERSONALITY_DIMENSION,
+    PERSONALITY_EVALUATOR_LABEL,
     ROLE_UNDERSTANDING_DIMENSION,
     ROLE_UNDERSTANDING_LABEL,
     SELF_INTRO_DIMENSION,
@@ -17,6 +19,7 @@
     EvaluatorResult,
     FeedbackGenerator,
     JobFitEvaluator,
+    PersonalityEvaluator,
     SelfIntroEvaluator,
 )
 from ai_server.core.client import CoreClient
@@ -37,6 +40,9 @@
 
 _SELF_INTRO_CATEGORY = "SELF_INTRODUCTION"
 _JOB_TAILORED_MODE = "JOB_TAILORED"
+_BEHAVIORAL_CATEGORY = "BEHAVIORAL"
+# 인성·자소서 평가위원이 도는 모드. 이 모드에서만 인성/경험형 답변을 별도 축으로 평가한다.
+_PERSONALITY_MODES = {"PERSONALITY", "INTEGRATED"}
 # 답변별 코칭 RAG 는 해당 화제에 국한된 소수 청크만. 세션 공용 top_k 보다 작게.
 _COACHING_RAG_TOP_K = 3
 # 세션 RAG 질의 상한(문자). 답변 이어붙임이 임베딩 입력 한도를 넘지 않게.
@@ -66,6 +72,7 @@ def __init__(
         rag_top_k: int = 5,
         self_intro_evaluator: SelfIntroEvaluator | None = None,
         job_fit_evaluator: JobFitEvaluator | None = None,
+        personality_evaluator: PersonalityEvaluator | None = None,
         answer_coach: AnswerCoach | None = None,
         coaching_max_answers: int = 30,
         coaching_concurrency: int = 5,
@@ -79,6 +86,7 @@ def __init__(
         self._rag_top_k = rag_top_k
         self._self_intro_evaluator = self_intro_evaluator
         self._job_fit_evaluator = job_fit_evaluator
+        self._personality_evaluator = personality_evaluator
         self._answer_coach = answer_coach
         self._coaching_max_answers = coaching_max_answers
         self._coaching_concurrency = max(1, coaching_concurrency)
@@ -124,26 +132,31 @@ async def handle(self, message: AbstractIncomingMessage) -> None:
 
             # 종합 피드백 + 자기소개 첫인상 + 직무 적합도(직무 맞춤 모드)를 병렬 실행.
             # 첫인상·직무 적합도는 종합 점수(overall)에 미포함 — generator 가 모른 채 계산한 뒤 표시용으로 덧붙인다.
-            result, self_intro_item, job_fit_items, answer_coaching = (
-                await asyncio.gather(
-                    self._generator.generate(
-                        job_category=req.job_category,
-                        mode=req.mode,
-                        total_question_count=req.total_question_count,
-                        end_reason=req.end_reason,
-                        transcript=transcript,
-                        score_basis=score_basis,
-                        rag_context=rag_context,
-                        voice_analysis_summary=voice_analysis_summary,
-                        domain_question_counts=req.domain_question_counts,
-                    ),
-                    self._evaluate_self_intro(req, voice_analysis_summary),
-                    self._evaluate_job_fit(req, transcript, rag_context),
-                    self._coach_answers(req),
-                )
+            (
+                result,
+                self_intro_item,
+                job_fit_items,
+                personality_item,
+                answer_coaching,
+            ) = await asyncio.gather(
+                self._generator.generate(
+                    job_category=req.job_category,
+                    mode=req.mode,
+                    total_question_count=req.total_question_count,
+                    end_reason=req.end_reason,
+                    transcript=transcript,
+                    score_basis=score_basis,
+                    rag_context=rag_context,
+                    voice_analysis_summary=voice_analysis_summary,
+                    domain_question_counts=req.domain_question_counts,
+                ),
+                self._evaluate_self_intro(req, voice_analysis_summary),
+                self._evaluate_job_fit(req, transcript, rag_context),
+                self._evaluate_personality(req),
+                self._coach_answers(req),
             )
             # 빈 평가위원 항목(점수·내용 모두 없음)은 표시하지 않는다 — LLM 부분 응답이 빈 패널로 새는 것 방지.
-            extras = [self_intro_item, *job_fit_items]
+            extras = [self_intro_item, *job_fit_items, personality_item]
             result.panel_breakdown.extend(
                 e for e in extras if e is not None and _panel_has_content(e)
             )
@@ -253,6 +266,42 @@ async def _evaluate_job_fit(
             ),
         ]
 
+    async def _evaluate_personality(
+        self, req: GenerateFeedbackRequest
+    ) -> PanelBreakdownItem | None:
+        """PERSONALITY·INTEGRATED 모드에서 인성·자소서(경험형) 답변을 기술 축과 별개로 평가.
+        그 외 모드/대상 없음/실패는 None(패널 미표시). 종합 점수엔 미포함."""
+        if self._personality_evaluator is None:
+            return None
+        if (req.mode or "") not in _PERSONALITY_MODES:
+            return None
+        pairs = _collect_coachable_pairs(req.messages)  # 자기소개·빈·짧은확인 제외
+        behavioral = [
+            (q, a) for (q, a) in pairs if (q.category or "") == _BEHAVIORAL_CATEGORY
+        ]
+        # PERSONALITY 인데 카테고리 태깅이 없으면 비자기소개 답변 전체로 폴백. INTEGRATED 는
+        # BEHAVIORAL 이 하나도 없으면 평가할 인성 답변이 없는 것으로 보고 건너뛴다.
+        selected = behavioral or (
+            pairs if (req.mode or "") == "PERSONALITY" else []
+        )
+        if not selected:
+            return None
+        transcript = _qa_transcript(selected)
+        try:
+            ev = await self._personality_evaluator.evaluate(
+                job_category=req.job_category,
+                mode=req.mode,
+                transcript=transcript,
+            )
+        except Exception as exc:  # noqa: BLE001
+            log.warning(
+                "feedback.personality.failed",
+                error=str(exc),
+                session_id=req.session_id,
+            )
+            return None
+        return _to_panel_item(PERSONALITY_EVALUATOR_LABEL, PERSONALITY_DIMENSION, ev)
+
     async def _coach_answers(
         self, req: GenerateFeedbackRequest
     ) -> list[AnswerCoachingItem]:
@@ -427,6 +476,19 @@ def _panel_has_content(item: PanelBreakdownItem) -> bool:
     )
 
 
+def _qa_transcript(
+    pairs: list[tuple[FeedbackMessageItem, FeedbackMessageItem]],
+) -> str:
+    """(질문, 답변) 쌍 목록을 인성 평가위원 입력용 전사 문자열로."""
+    lines: list[str] = []
+    for q, a in pairs:
+        lines.append(f"면접관: {q.content}")
+        if q.expected_signal:
+            lines.append(f"  └ 기대 신호: {q.expected_signal}")
+        lines.append(f"지원자: {a.content}")
+    return "\n".join(lines)
+
+
 def _to_panel_item(
     label: str, dimension: str, ev: EvaluatorResult
 ) -> PanelBreakdownItem:

ai/src/ai_server/messaging/runner.py

@@ -23,12 +23,14 @@
 from ai_server.chain.feedback_generation_chain import (
     LlmAnswerCoach,
     LlmJobFitEvaluator,
+    LlmPersonalityEvaluator,
     LlmSelfIntroEvaluator,
     PanelFeedbackGenerator,
     build_answer_coaching_chain,
     build_feedback_synthesis_chain,
     build_job_fit_evaluation_chain,
     build_panel_evaluator_chain,
+    build_personality_evaluation_chain,
     build_self_intro_evaluation_chain,
 )
 from ai_server.chain.question_generation_chain import (
@@ -261,6 +263,10 @@ def __init__(self, settings: Settings) -> None:
             job_fit_evaluator=LlmJobFitEvaluator(
                 build_job_fit_evaluation_chain(settings, core_client=core_client)
             ),
+            # 인성·자소서 평가(Flash). PERSONALITY·INTEGRATED 에서만 동작, 종합 점수엔 미포함.
+            personality_evaluator=LlmPersonalityEvaluator(
+                build_personality_evaluation_chain(settings, core_client=core_client)
+            ),
             # 질문별 복기(Flash, 답변 수만큼 병렬). 모범 답안+리라이트+한 줄 코칭.
             answer_coach=LlmAnswerCoach(
                 build_answer_coaching_chain(settings, core_client=core_client)