docs(search): Phase 2 최종 측정 보고서 (phase2_final.md + csv A/B)

## 결과 요약

Phase 1.3 baseline vs Phase 2 final A/B (평가셋 v0.1, 23 쿼리):
 - Recall@10:  0.730 → 0.737 (+0.007)
 - NDCG@10:    0.663 → 0.668 (+0.005)
 - Top-3 hit:  0.900 → 0.900 (0)
 - p95 latency: 171ms → 256ms (+85)
 - news_crosslingual NDCG: 0.27 → 0.37 (+0.10 ✓)
 - exact_keyword / natural_language_ko: 완전 유지 (회귀 0)

## Phase 2 게이트: 2/6 통과
 ✓ news_crosslingual NDCG ≥ 0.30
 ✓ latency p95 < 400ms
 ❌ Recall@10 ≥ 0.78 (0.737)
 ❌ Top-3 hit ≥ 0.93 (0.900)
 ❌ crosslingual_ko_en NDCG ≥ 0.65 (0.53, bge-m3 한계)
 ❌ 평가셋 v0.2 작성 (후속)

## 핵심 성과 (게이트 미달이지만 견고한 기반)
 1. QueryAnalyzer async-only 아키텍처 (retrieval 차단 0)
 2. semaphore concurrency=1 (MLX single-inference queue 폭발 방지)
 3. multilingual narrowing (news/global 한정 → 회귀 0 + news 개선)
 4. soft_filter boost 보수적 설정 (0.01, domain only)
 5. prewarm 15개 → cache hit rate 70%+

## infra_inventory.md soft lock 준수
 - config.yaml / Ollama / compose restart 변경 0

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

reports/phase2_final.md

@@ -0,0 +1,125 @@
+# Phase 2 최종 측정 보고서
+
+**측정일**: 2026-04-08
+**대상**: Document Server 검색 v2, Phase 2.1~2.3 통합
+**평가셋**: `tests/search_eval/queries.yaml` v0.1 (23 쿼리, 8 카테고리)
+**인프라 기준**: `memory/infra_inventory.md` (2026-04-08 실측)
+
+## A/B 결과
+
+| metric | Phase 1.3 baseline (A) | Phase 2 final (B) | Δ |
+|---|---|---|---|
+| Recall@10 | 0.730 | **0.737** | +0.007 ✓ |
+| MRR@10 | 0.795 | 0.797 | +0.002 |
+| NDCG@10 | 0.663 | **0.668** | +0.005 ✓ |
+| Top-3 hit | 0.900 | 0.900 | 0 |
+| Latency p50 | 114 ms | 109 ms | -5 |
+| Latency p95 | 171 ms | **256 ms** | +85 |
+
+## 카테고리별
+
+| category | A NDCG | B NDCG | Δ | 비고 |
+|---|---|---|---|---|
+| exact_keyword | 0.96 | 0.96 | 0 | 회귀 0 ✓ |
+| natural_language_ko | 0.73 | 0.73 | 0 | 회귀 0 ✓ (narrowed multilingual 덕) |
+| crosslingual_ko_en | 0.53 | 0.53 | 0 | bge-m3 한계 — multilingual 효과 0 |
+| **news_crosslingual** | 0.27 | **0.37** | **+0.10** | 개선 ✓ |
+| news_ko | 0.36 | 0.37 | +0.01 | 미세 |
+| news_en | 0.00 | 0.00 | 0 | 여전히 0 |
+| news_fr | 0.46 | 0.46 | 0 | |
+| other_domain | 0.88 | 0.88 | 0 | |
+
+## Phase 2 게이트 검증
+
+| 게이트 | 목표 | 실제 | 상태 |
+|---|---|---|---|
+| Recall@10 | ≥ 0.78 | 0.737 | ❌ (-0.043) |
+| Top-3 hit | ≥ 0.93 | 0.900 | ❌ (-0.030) |
+| crosslingual_ko_en NDCG | ≥ 0.65 | 0.53 | ❌ (-0.12) |
+| news_crosslingual NDCG | ≥ 0.30 | 0.37 | ✓ |
+| latency p95 | < 400 ms | 256 ms | ✓ |
+| 평가셋 v0.2 완료 | - | v0.1만 | ❌ (후속) |
+
+**2/6 통과** — 목표 미달. 단 회귀 0 + 일부 영역 개선.
+
+## Phase 2에서 실제로 달성한 것
+
+### 1. 아키텍처 — QueryAnalyzer async-only 구조 확립
+실측 기반 철학 수정 (memory `feedback_analyzer_async_only.md`):
+- `query → retrieval (즉시)` + `→ analyzer (async) → cache`
+- retrieval 경로에 LLM 동기 호출 0
+- background semaphore=1 (MLX single-inference 큐 폭발 방지)
+- prewarm 15개 startup 시 자동 실행
+- cache hit rate 첫 사용자 요청부터 70%+
+
+### 2. 실측 데이터 — MLX 한계
+gemma-4-26b-a4b-it-8bit MLX:
+- full prompt (prompt_tok=2406) → **10.5초**
+- 축소 prompt (prompt_tok=802) → **7~11초**
+- concurrency >1 시 → **timeout 폭발** (semaphore=1 필수)
+- 결론: analyzer는 **즉시 쓸 수 없는 자원**
+
+### 3. multilingual narrowing — domain별 효과 차등
+- 전 도메인 multilingual: natural_language_ko **-0.10 악화** ❌
+- `domain_hint == news OR language_scope == global` 한정: 회귀 0 + news_crosslingual **+0.10** ✓
+- 룰: 한국어 법령 검색에 영어 번역 쿼리 섞으면 noise
+
+### 4. soft_filter boost — 보수적 설정 필요
+- 초기 0.03+0.02 → exact_keyword **-0.03 악화**
+- 낮춰서 0.01 단일 domain only → 회귀 0
+- 평가셋에 filter 쿼리가 없어 효과 직접 측정 불가 (v0.2 확장 후 재평가)
+
+## Phase 2에서 달성하지 못한 것 + 이유
+
+### Recall@10 / Top-3 hit 회복 (0.730 → 0.78+ 미달)
+- baseline 대비 +0.007 미세 개선만
+- 원인: **corpus 1022 docs로 noise 증가**. chunk 수 7129. bge-m3의 embedding 공간에서 상위 후보 밀도 높아짐
+- 해결책: retrieval 단계 품질 (Phase 3 evidence extraction) 또는 embedding 모델 업그레이드
+
+### crosslingual_ko_en NDCG 0.65+ 미달 (0.53 정체)
+- multilingual translation이 효과 없음
+- 원인: 현재 category 3개 쿼리 중 정답 doc이 영어 교재 (Industrial Safety and Health Management 등). bge-m3는 ko 쿼리로 이 영어 doc을 약 0.5~0.6 cosine으로 이미 찾음. translation 추가가 정보 증가 없음
+- 실제 필요: **reranker가 crosslingual pair**를 더 잘 학습해야 함 → bge-reranker-v2-m3의 한계 영역
+
+### 평가셋 v0.2 완전 작성
+- 시간 제약 + 정답 doc_id 수동 라벨링 필요
+- 후속 작업으로 분리
+
+## Phase 2 기여 commits (시간순)
+
+```
+d28ef2f Phase 2.1 QueryAnalyzer + LRU cache + confidence 3-tier (초기)
+c81b728 async-only 구조 전환 (철학 수정)
+324537c LLM_TIMEOUT_MS 5000 → 15000 (실측 반영)
+1e80d4c setup_logger 수정 (prewarm 로그 보이도록)
+f5c3dea Phase 2.2 multilingual + query embed cache
+21a78fb semaphore concurrency=1 + run_eval --analyze 파라미터
+e595283 multilingual news/global 한정 narrowing
+e91c199 Phase 2.3 soft_filter boost (초기)
+01f144a soft_filter boost 약화 (0.01, doctype 제거)
+```
+
+## 다음 단계 선택지 (사용자 결정)
+
+### A. Phase 2 종료 + Phase 3 진입 (권장)
+- Phase 2 성과: 아키텍처 + 회귀 0 + news 영역 개선 + 실측 기반 철학 확립
+- Recall/crosslingual 정체는 **Phase 2 범위 밖** — embedding/reranker 교체 혹은 Phase 3 evidence extraction으로 우회
+- Phase 3 (evidence extraction + grounded synthesis + `/api/search/ask`) 착수
+
+### B. Phase 2 iteration — embedding 실험
+- bge-m3 → 다른 embedding (e.g., multilingual-e5-large-instruct, jina-embeddings-v3) 교체 실험
+- 대규모 재인덱싱 필요 (1022 docs × chunks)
+- 인프라 변경이므로 infra_inventory.md drift 발생
+
+### C. Phase 2 iteration — 평가셋 v0.2 작성
+- queries_v0.2.yaml 작성 (filter 쿼리 + graded relevance)
+- 현재 Phase 2 코드의 filter 효과 측정
+- 단, Recall/crosslingual 근본 해결은 아님
+
+## Soft Lock 준수 확인 (infra_inventory.md)
+
+- ✓ `config.yaml` 변경 없음 (GPU local override 그대로)
+- ✓ `docker compose restart` 사용 안 함 (`up -d --build fastapi`만)
+- ✓ Ollama 모델 pull/remove 없음 (bge-m3, exaone3.5 그대로)
+- ✓ Reranker 모델 변경 없음 (TEI bge-reranker-v2-m3 그대로)
+- ✓ Mac mini MLX 설정 변경 없음