fix(ai): 비개발 직군 면접이 IT 면접관 페르소나로 진행되던 문제

ai/CLAUDE.md

@@ -492,6 +492,26 @@ docker run --env-file .env -p 8000:8000 stackup-ai
 - **실시간 스트리밍 음성 답변 본 구현** (RT3, `api/voice_stream.py`, `voice/stt/{live,mock_live,deepgram_live,live_factory}.py`):
   FastAPI WS `/internal/voice/stream` 수신(RealTime 프록시 경유) → Deepgram Live(`deepgram_live.py`, mock fallback)로 부분/최종 자막 다운 → 발화 종료 시 메트릭 계산 후 `callback.voice` 발행. `VoiceCallbackService`/followup 무변경 재사용. 신규 의존성 `websockets`.
 - 배치 음성 분석(STT/WPM/filler) 모듈은 `voice/stt/whisper_api.py`(+ Deepgram) + `voice/analysis/metrics.py`로 본 구현(`analyze.voice` consumer)
+- **비개발 직군 면접 본 구현 (2026-09-29)**: 서비스 대상이 취준생 전반(개발 8 + 비개발 12 직군)인데
+  **평가 패널만 직군별로 확장돼 있었고 질문·꼬리질문·첫인상·문서분석 프롬프트는 "IT 직군" 페르소나로
+  고정**돼 있었다. 그 상태의 영업·인사 지원자 면접은: IT 렌즈로 이력서가 요약되고 → IT 채용 담당자가
+  → 'CS 기초'·'기술 선택' 카테고리로 질문을 만들고 → IT 면접관이 꼬리질문을 단다. 평가만 직군 맞춤.
+  - **카테고리가 개발 전용인 것이 핵심**이다. 문구만 바꾸면 LLM 은 여전히 `CS_FUNDAMENTAL` 을 고른다.
+    `DOMAIN_KNOWLEDGE`(직무 지식·업무 도구·업계 이해)를 추가하고, 비개발이면 `CS_FUNDAMENTAL`·
+    `TECH_CHOICE` 를 **쓰지 말라고 명시**한다. Core 는 category 를 문자열로만 저장하므로(V9, CHECK 없음)
+    마이그레이션이 없고 프론트 `categoryLabel` 에 라벨만 더하면 된다.
+  - `job_category.py` 에 `ENGINEERING_CATEGORIES`(8개) + `is_engineering()` 을 **직군 목록과 같은 파일**에
+    둔다 — 목록만 늘리고 집합을 빠뜨리면 그 직군이 조용히 반대 취급을 받는다(검증에서 안 튕긴다).
+  - `_format_job_guide` 가 개발/비개발/혼합 3분기 블록을 만들어 `{job_guide}` 로 주입한다. 패널의
+    `_DOMAIN_TECH_GUIDE` 와 같은 이유로 라벨이 아니라 **무엇을 묻고 무엇을 묻지 말지**를 문장으로 준다.
+    직군이 비면 개발을 가정하지 않는다 — 틀렸을 때 비개발 지원자에게 기술 질문이 나가는 쪽이 더 나쁘다.
+  - `followup`·`self_intro` 프롬프트는 **예전부터 `{job_category}` 를 받고 있었는데 쓰지 않았다**
+    (페르소나만 IT 고정). 받은 값을 페르소나에 넣었다.
+  - `document_analysis` 는 업로드 시점이라 직군을 모른다 → 페르소나를 중립화하고 `tech_stack` 의 의미를
+    "개발이면 기술 스택, 아니면 그 직무의 실무 역량·도구·자격"으로 넓혔다(필드명 때문에 없는 기술을
+    지어내지 말라고 명시). 이게 가장 상류다 — 분석 마크다운이 RAG·질문·피드백 전부의 근거다.
+  - 운영 사용 현황은 아직 BACKEND 64 / FRONTEND 39 로 비개발 세션이 **0건**이다 — 라이브 회귀가 아니라
+    미검증 경로를 연 것이다.
 - **멀티 평가위원 패널 본 구현** (`chain/feedback_generation_chain.py: PanelFeedbackGenerator`): 세션에 등장한
   직군(질문 카테고리) 수만큼 기술 평가위원을 동적 생성(`_domain_specs_weighted`) + 논리·전달력 평가위원을
   더해 `asyncio.gather` 로 병렬 채점 → 직군 평가는 질문 등장 빈도로 가중평균해 `technical_accuracy` 산출,

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

@@ -3,8 +3,10 @@
 # 2단계 지향: ① 원문 근거(source_quote)와 함께 사실을 구조화 추출 →
 #            ② 추출 결과만 근거로 summary·markdown 생성 (환각 차단).
 SYSTEM_PROMPT = (
-    "당신은 IT 직군 채용을 진행하는 시니어 면접관입니다. "
-    "지원자 자료(이력서·레포 README·기술 블로그 등)를 분석하여 면접 준비에 쓸 "
+    "당신은 채용 면접을 준비하는 시니어 면접관입니다. 지원자의 직군은 개발일 수도 아닐 수도 "
+    "있습니다 — 자료에 드러난 직무를 그대로 따르고 IT 를 가정하지 마세요. "
+    "지원자 자료(이력서·자소서·포트폴리오, 개발 직군이면 레포 README·기술 블로그 등)를 "
+    "분석하여 면접 준비에 쓸 "
     "구조화된 결과를 산출하세요.\n"
     "작업 순서:\n"
     "1) 먼저 자료에서 사실을 구조화 추출합니다(projects·experiences·skills). "
@@ -26,10 +28,14 @@
     "stack, source_quote(원문 인용).\n"
     "2. experiences: 경력/활동. 각 항목에 title, detail, source_quote.\n"
     "3. skills: 핵심 기술. 각 항목에 name, evidence(원문 인용).\n"
-    "4. tech_stack: skills/projects 에서 도출한 핵심 기술 5~15개. 영문 표기.\n"
+    "4. tech_stack: skills/projects 에서 도출한 핵심 역량 5~15개. 개발 직군이면 기술 스택을 "
+    "영문 표기로, 그 외 직군이면 **그 직무의 실무 역량·도구·자격**을 자료의 표기대로 "
+    "넣습니다(예: SAP, GA4, CAD, 원가관리, 노무, 계약검토, 사용자 리서치). 필드 이름이 "
+    "tech_stack 이라고 해서 없는 기술을 지어내지 마세요.\n"
     "5. summary: 위 추출 내용만 근거로 한 2~4문장 한국어 요약.\n"
     "6. markdown: 면접관이 훑어볼 한국어 마크다운. 섹션 구조는 "
-    "'## 개요', '## 주요 경험', '## 기술', '## 추가 메모' 사용. "
+    "'## 개요', '## 주요 경험', '## 기술', '## 추가 메모' 사용"
+    "(개발 직군이 아니면 '## 기술' 대신 '## 역량·도구'). "
     "추출된 projects/experiences/skills 를 반영하되 추측은 넣지 마세요.\n"
     "※ 출처 유형이 COVER_LETTER(자기소개서)이면: 기술 나열보다 **지원동기·가치관·성장 경험·"
     "직무 적합성·핵심 강점/소재**를 우선 추출하세요. experiences 에 자소서 문항별 핵심 주장과 "

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

@@ -2,7 +2,9 @@
 # Flash 모델 + 저지연 (< 3s). 답변을 4축으로 평가하고 가장 약한 축을 파고드는 꼬리질문 1개.
 
 SYSTEM_PROMPT = (
-    "당신은 IT 직군 면접관입니다. 직전 질문에 대한 지원자의 답변을 평가하고, "
+    "당신은 {job_category} 직군의 면접관입니다. 직군이 개발 직군이 아니면 코드·기술 스택이 "
+    "아니라 그 직무의 실무 역량·도구·성과를 기준으로 판단합니다. "
+    "직전 질문에 대한 지원자의 답변을 평가하고, "
     "가장 약한 부분을 파고드는 꼬리질문 1개를 한국어로 만드세요.\n"
     "- 평가 항목:\n"
     "  - specificity (0~5): 답변에 구체적 수치/사례/기술 선택 근거가 있는가.\n"

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

@@ -1,20 +1,25 @@
 # 질문 풀 생성 프롬프트 (US-18)
-# 분석된 이력서/레포 컨텍스트 + 직군 + 면접 모드 → 질문 N개.
+# 분석된 지원자 자료 컨텍스트 + 직군 + 면접 모드 → 질문 N개.
+#
+# 페르소나를 "IT 직군"으로 고정하지 않는다. 서비스 대상이 취준생 전반(개발 8 + 비개발 12 직군)
+# 인데 페르소나만 IT 로 박혀 있으면, 영업·인사·법무 지원자에게 IT 채용 담당자가 기술 스택을
+# 묻는 면접이 나간다. 직군별 차이는 `_format_job_guide` 가 만든 {job_guide} 블록이 담당한다.
 
 SYSTEM_PROMPT = (
-    "당신은 IT 직군 채용을 진행하는 시니어 면접관입니다. "
-    "지원자의 **자기소개 답변**을 1차 근거로, 이력서·GitHub 레포 분석 컨텍스트와 "
-    "면접 모드에 맞춰 면접 질문 풀을 생성하세요.\n"
+    "당신은 지원자가 지원한 직군의 채용을 진행하는 시니어 면접관입니다. "
+    "지원자의 **자기소개 답변**을 1차 근거로, 지원자 자료(이력서·자소서·포트폴리오, 개발 직군이면 "
+    "GitHub 레포) 분석 컨텍스트와 면접 모드에 맞춰 면접 질문 풀을 생성하세요.\n"
     "- 실제 면접처럼, 자기소개에서 지원자가 직접 강조한 경험·역량·관심사를 우선 파고듭니다. "
     "자기소개에서 언급된 키워드를 이력서/레포 자료와 교차로 연결해 구체적으로 질문하세요.\n"
     "- 사실에 근거한 질문만. 자료에 없는 내용은 추측하지 않습니다.\n"
-    "- 자료에 명시된 기술 스택과 프로젝트 경험을 적극 인용하세요.\n"
+    "- 자료에 명시된 역량·도구·프로젝트 경험을 적극 인용하세요.\n"
     "- **모든 카테고리(CS_FUNDAMENTAL·BEHAVIORAL 포함)를 지원자의 특정 발화·프로젝트·기술 "
     "선택에 앵커링**하세요. 자료 없이 누구나 답할 수 있는 일반 개념·교과서 문제는 금지. "
     "예) ✗ 'HTTP와 HTTPS의 차이는?' → ✓ '레포의 결제 API를 HTTPS로 전환할 때 인증서·핸드셰이크에서 "
-    "겪은 이슈는?'. 개념을 묻더라도 지원자가 실제 다룬 맥락에 붙여 묻습니다.\n"
+    "겪은 이슈는?' / ✗ '4대보험이란?' → ✓ '이력서의 120명 규모 입퇴사 처리에서 4대보험 취득·상실 "
+    "신고를 어떤 절차로 관리하셨나요?'. 개념을 묻더라도 지원자가 실제 다룬 맥락에 붙여 묻습니다.\n"
     "- 카테고리는 다음 중에서 선택: CS_FUNDAMENTAL, PROJECT_DEEP_DIVE, TECH_CHOICE, "
-    "BEHAVIORAL.\n"
+    "BEHAVIORAL, DOMAIN_KNOWLEDGE. **어느 것을 쓸지는 아래 '직군 지침'이 정합니다.**\n"
     "- 한국어로 작성하되 기술 용어는 영문 원어를 그대로 둡니다.\n"
     "- 질문·근거 텍스트에는 마크다운 서식 기호를 쓰지 마세요 (화면이 plain text 렌더, 스트리밍 표시).\n"
     "- 질문 문장은 **간결하게**: 한두 문장(대략 80자 이내)으로, 장황한 배경 설명이나 "
@@ -57,6 +62,10 @@
     "---\n"
     "{self_introduction}\n"
     "---\n\n"
+    "직군 지침 (이 면접의 직군에 맞춘 규칙 — 위 카테고리 선택은 여기를 따릅니다):\n"
+    "---\n"
+    "{job_guide}\n"
+    "---\n\n"
     "이번 면접의 집중 영역 (약점 집중 재도전일 때만 채워짐):\n"
     "---\n"
     "{focus_areas}\n"
@@ -77,7 +86,8 @@
     "(각 질문이 일반질문 1개의 씨앗이 되고 뒤에 꼬리질문이 붙으므로 같은 주제 반복 금지).\n"
     "2. 각 질문에 적절한 category 를 부여하고, job_category 를 직군({job_categories}) 중 "
     "그 질문이 겨냥하는 **하나**로 지정합니다(직군이 하나면 모두 그 값).\n"
-    "3. 직군({job_categories})·면접 모드({mode}) 에 맞는 비중으로 카테고리 분배:\n"
+    "3. 직군({job_categories})·면접 모드({mode}) 에 맞는 비중으로 카테고리 분배. "
+    "**아래 비중은 개발 직군 기준이고, 비개발 직군이면 위 '직군 지침'의 대체 카테고리를 씁니다**:\n"
     "   - TECHNICAL: CS_FUNDAMENTAL + TECH_CHOICE + PROJECT_DEEP_DIVE 중심.\n"
     "   - PERSONALITY: BEHAVIORAL 중심.\n"
     "   - INTEGRATED: 모두 균형.\n"

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

@@ -3,7 +3,9 @@
 # 결과는 패널의 '첫인상' 평가위원 한 명으로 표시되며, 종합 점수 집계에는 포함되지 않는다.
 
 SYSTEM_PROMPT = (
-    "당신은 IT 직군 면접의 **첫인상 평가위원**입니다. 지원자의 자기소개 답변 한 건만 보고 "
+    "당신은 {job_category} 직군 면접의 **첫인상 평가위원**입니다. 직무적합성은 그 직군의 "
+    "기준으로 봅니다(개발 직군이 아니면 기술 역량이 아니라 해당 직무의 실무 역량). "
+    "지원자의 자기소개 답변 한 건만 보고 "
     "면접 도입부의 첫인상을 평가합니다.\n"
     "- **기술 정확성은 평가하지 않습니다.** 오직 전달력·구조·간결성·직무적합성만 봅니다.\n"
     "  · 전달력/명료성: 메시지가 분명하고 자신감 있게 전달되는가\n"

ai/src/ai_server/chain/question_generation_chain.py

@@ -10,6 +10,7 @@
 from ai_server.chain.prompts.question_generation import HUMAN_PROMPT, SYSTEM_PROMPT
 from ai_server.config.settings import Settings
 from ai_server.core.client import CoreClient
+from ai_server.model.messages.job_category import is_engineering
 from ai_server.model.messages.questions import GeneratedQuestion
 from ai_server.observability.llm_logging_callback import CoreAiLogCallback
 
@@ -122,6 +123,7 @@ async def generate(
                     target_company_name, target_job_description
                 ),
                 "focus_areas": _format_focus_areas(focus_areas),
+                "job_guide": _format_job_guide(job_categories),
                 # 비어 있으면 "(지정 없음)" — 프롬프트가 산업 지침을 무시하도록.
                 "industry": (industry or "").strip() or "(지정 없음)",
             }
@@ -133,6 +135,47 @@ async def generate(
         return result
 
 
+# 직군 지침. 개발/비개발은 묻는 것이 다르고, 특히 **카테고리 자체가 개발 전용**이다
+# (CS_FUNDAMENTAL·TECH_CHOICE). 이걸 주지 않으면 영업·인사 지원자에게 'CS 기초' 질문이 나간다.
+# 라벨만 넘기면 LLM 이 제각각 해석하므로, 패널 평가의 `_DOMAIN_TECH_GUIDE` 와 같이
+# **무엇을 묻고 무엇을 묻지 말지**를 문장으로 못 박는다.
+_ENGINEERING_GUIDE = (
+    "개발 직군입니다. 기술 스택·설계 선택·트러블슈팅을 중심으로 묻고, "
+    "CS_FUNDAMENTAL·TECH_CHOICE·PROJECT_DEEP_DIVE 를 적극 활용합니다. "
+    "DOMAIN_KNOWLEDGE 는 쓰지 않습니다."
+)
+_NON_ENGINEERING_GUIDE = (
+    "비개발 직군입니다.\n"
+    "- 코드·아키텍처·기술 스택을 묻지 않습니다. **CS_FUNDAMENTAL·TECH_CHOICE 를 쓰지 마세요.**\n"
+    "- 대신 DOMAIN_KNOWLEDGE(직무 지식·업무 도구·업계 이해)와 PROJECT_DEEP_DIVE(담당 업무·"
+    "성과), BEHAVIORAL 을 씁니다.\n"
+    "- '역량·도구'는 그 직군의 실무를 뜻합니다 — 예: 마케팅이면 퍼포먼스 지표·GA4, 재무면 결산·"
+    "세무, 생산·품질이면 공정·불량률, 법무면 계약 검토, 디자인이면 사용자 리서치, "
+    "인사면 채용·평가·노무.\n"
+    "- 성과는 숫자로 확인합니다(전환율·불량률·원가 절감·처리 건수·리드타임 등).\n"
+    "- 자료에 GitHub 레포가 없는 것이 정상입니다. 없는 자료를 전제로 묻지 마세요."
+)
+_MIXED_GUIDE = (
+    "개발 직군과 비개발 직군이 함께 지정됐습니다. **질문마다 그 질문이 겨냥하는 직군의 규칙을 "
+    "따릅니다** — 개발 직군 질문에만 CS_FUNDAMENTAL·TECH_CHOICE 를 쓰고, 비개발 직군 질문에는 "
+    "DOMAIN_KNOWLEDGE 를 씁니다.\n\n"
+    "[개발] " + _ENGINEERING_GUIDE + "\n\n[비개발] " + _NON_ENGINEERING_GUIDE
+)
+
+
+def _format_job_guide(job_categories: list[str] | None) -> str:
+    cats = [c for c in (job_categories or []) if c]
+    if not cats:
+        # 직군이 비는 경로는 없지만, 비면 개발을 가정하지 않는다 — 가정이 틀렸을 때
+        # 비개발 지원자에게 기술 질문이 나가는 쪽이 반대보다 나쁘다.
+        return _NON_ENGINEERING_GUIDE
+    eng = [c for c in cats if is_engineering(c)]
+    non = [c for c in cats if not is_engineering(c)]
+    if eng and non:
+        return _MIXED_GUIDE
+    return _ENGINEERING_GUIDE if eng else _NON_ENGINEERING_GUIDE
+
+
 def build_question_generation_chain(
     settings: Settings, core_client: CoreClient | None = None
 ) -> Runnable:

ai/src/ai_server/model/messages/job_category.py

@@ -32,3 +32,25 @@
     "LEGAL",
     "PUBLIC",
 ]
+
+
+# 개발 직군 집합. 위 목록과 **같은 파일**에 두는 이유는 이 파일의 존재 이유와 같다 —
+# 직군을 늘릴 때 목록만 고치고 이 집합을 빠뜨리면, 그 직군은 조용히 비개발로 취급돼
+# 기술 질문이 사라지거나 반대로 영업 지원자에게 CS 기초가 나간다(검증에서 튕기지 않으므로
+# 아무도 모른다). `tests/test_job_category.py` 가 두 목록의 합집합을 고정한다.
+ENGINEERING_CATEGORIES = frozenset(
+    {
+        "FRONTEND",
+        "BACKEND",
+        "INFRA",
+        "DBA",
+        "MOBILE",
+        "DATA_AI",
+        "SECURITY",
+        "QA",
+    }
+)
+
+
+def is_engineering(job_category: str | None) -> bool:
+    return (job_category or "").upper() in ENGINEERING_CATEGORIES

ai/src/ai_server/model/messages/questions.py

@@ -12,6 +12,10 @@
     "PROJECT_DEEP_DIVE",
     "TECH_CHOICE",
     "BEHAVIORAL",
+    # 비개발 직군용. CS_FUNDAMENTAL·TECH_CHOICE 가 개발 전용이라 그 자리를 대신한다
+    # (직무 지식·업무 도구·업계 이해). Core 는 category 를 문자열로만 저장하므로
+    # 마이그레이션이 필요 없고, 프론트는 categoryLabel 에 라벨이 있다.
+    "DOMAIN_KNOWLEDGE",
 ]
 CallbackKind = Literal["POOL", "FOLLOWUP"]
 GenerationStatus = Literal["OK", "FAILED"]