feat: Hybrid 부하 판단 — health latency baseline + 조건부 inference

- model_adapter: measure_inference_latency() (max_tokens=1, 최소 부하)
- backend_registry:
  - health latency baseline 학습 (초기 5회 max, 이후 EMA)
  - get_load_status(): inference 우선, health/queue 보조
  - cache 30s + cooldown 10s + asyncio.Lock으로 자기증폭 루프 방지
  - 조건: health > baseline*3 또는 사용자 명시 요청 시에만 ping
- worker:
  - "system_status" 액션 — 사용자 상태 조회 시 force_measure
  - _build_system_status() 응답 빌더 (health/baseline/ping/queue)
  - route busy 안내를 get_load_status 기반으로 변경

Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>

nanoclaude/services/worker.py

@@ -87,6 +87,39 @@ def _parse_classification(raw: str) -> dict:
     return {"action": "direct", "response": cleaned, "prompt": ""}
 
 
+async def _build_system_status(force_measure: bool = True) -> str:
+    """시스템 상태 메시지 생성. force_measure=True면 inference latency 1회 측정."""
+    from services import job_queue as jq_module
+    health = backend_registry.health_summary()
+    lines = ["🤖 시스템 상태:", ""]
+
+    for role in ("classifier", "reasoner"):
+        info = health.get(role)
+        if not info:
+            continue
+        load = await backend_registry.get_load_status(role, force_measure=force_measure)
+        connected = "정상" if info["healthy"] else "연결 안 됨"
+        load_str = load["load"]
+
+        baseline = load["health_baseline_ms"]
+        ratio = (load["health_ms"] / baseline) if baseline > 0 else 1.0
+
+        line1 = f"{info['name']}: {connected} — {load_str}"
+        line2 = f"  health {load['health_ms']:.0f}ms (baseline {baseline:.0f}ms, {ratio:.1f}배)"
+        if load["measured"]:
+            line3 = f"  ping {load['inference_ms']:.0f}ms"
+        else:
+            line3 = "  ping: 측정 안 함"
+        lines.append(line1)
+        lines.append(line2)
+        lines.append(line3)
+        lines.append("")
+
+    queue = jq_module.job_queue.stats if jq_module.job_queue else {"pending": 0, "active": 0}
+    lines.append(f"내 작업 큐: 처리 중 {queue.get('active', 0)}건, 대기 {queue.get('pending', 0)}건")
+    return "\n".join(lines)
+
+
 async def _send_callback(job: Job, text: str) -> None:
     """Synology callback이면 전송 + response_sent 플래그."""
     if job.callback == "synology":
@@ -149,26 +182,10 @@ def _pre_route(message: str) -> dict | None:
         if query:
             return {"action": "tools", "tool": "document", "operation": "search", "params": {"query": query}}
 
-    # 시스템 상태 질문
+    # 시스템 상태 질문 — 마커만 반환 (worker에서 비동기 조회)
     if any(k in msg for k in ["추론 모델", "gemma", "젬마", "서버 상태", "시스템 상태"]) or \
        (any(k in msg for k in ["상태", "젬마", "gemma"]) and any(k in msg for k in ["돌아", "일하", "작동", "상태", "건강", "살아", "대기", "큐", "밀려", "바빠", "느려", "많"])):
-        health = backend_registry.health_summary()
-        from services import job_queue as jq_module
-        queue = jq_module.job_queue.stats if jq_module.job_queue else {"pending": 0, "active": 0}
-        lines = []
-        for role, info in health.items():
-            status = "✅ 정상" if info["healthy"] else "❌ 연결 안 됨"
-            line = f"• {info['name']} ({role}): {status} ({info['latency_ms']:.0f}ms)"
-            lines.append(line)
-        # 큐 정보
-        active = queue.get("active", 0)
-        pending = queue.get("pending", 0)
-        if active > 0 or pending > 0:
-            lines.append(f"\n작업 현황: 처리 중 {active}건, 대기 {pending}건")
-        else:
-            lines.append(f"\n작업 현황: 유휴 상태 (대기 없음)")
-        status_text = "\n".join(lines)
-        return {"action": "direct", "response": f"현재 시스템 상태야:\n{status_text}", "prompt": ""}
+        return {"action": "system_status", "response": "", "prompt": ""}
 
     # pending_draft 확인 응답
     if msg in ("확인", "예", "yes", "ㅇㅇ", "응", "네", "좋아", "ok"):
@@ -249,7 +266,15 @@ async def run(job: Job) -> None:
         if job.status == JobStatus.cancelled:
             return
 
-        if action == "tools":
+        if action == "system_status":
+            # === SYSTEM STATUS: 부하 상태 조회 (사용자 명시 요청 → ping 측정) ===
+            await state_stream.push(job.id, "processing", {"message": "시스템 상태 확인 중..."})
+            status_text = await _build_system_status(force_measure=True)
+            collected.append(status_text)
+            await state_stream.push(job.id, "result", {"content": status_text})
+            conversation_store.add(user_id, "assistant", status_text)
+
+        elif action == "tools":
             # === TOOLS: 도구 실행 ===
             tool_name = classification.get("tool", "")
             operation = classification.get("operation", "")
@@ -335,12 +360,14 @@ async def run(job: Job) -> None:
             rewritten_message = (route_prompt or job.message)[:MAX_PROMPT_LENGTH]
             job.rewritten_message = rewritten_message
 
-            # Gemma busy 안내 (큐에 다른 작업이 있으면)
-            from services import job_queue as jq_module
-            if jq_module.job_queue:
-                q = jq_module.job_queue.stats
-                if q.get("active", 0) > 1 and job.callback == "synology":
-                    await send_to_synology(f"⏳ 추론 모델이 현재 다른 작업도 처리 중이라 조금 걸릴 수 있어... (대기 {q.get('pending', 0)}건)", raw=True)
+            # Gemma busy 안내 (Hybrid 부하 판단 — inference 강제 측정 안 함)
+            if job.callback == "synology":
+                load = await backend_registry.get_load_status("reasoner", force_measure=False)
+                if load["load"] in ("바쁨", "매우 바쁨"):
+                    await send_to_synology(
+                        f"⏳ 추론 모델이 현재 바쁜 상태야({load['load']}). 좀 걸릴 수 있어...",
+                        raw=True
+                    )
 
             if job.callback != "synology":
                 await state_stream.push(job.id, "rewrite", {"content": rewritten_message})