refactor(search): Phase 2.1 QueryAnalyzer를 async-only 구조로 전환

## 철학 수정 (실측 기반)

gemma-4-26b-a4b-it-8bit MLX 실측:
  - full query_analyze.txt (prompt_tok=2406) → 10.5초
  - max_tokens 축소 무효 (모델 자연 EOS 조기 종료)
  - 쿼리 길이 영향 거의 없음 (프롬프트 자체가 지배)
  → 800ms timeout 가정은 13배 초과. 동기 호출 완전히 불가능.

따라서 QueryAnalyzer는 "즉시 실행하는 기능" → "미리 준비해두는 기능"으로
포지셔닝 변경. retrieval 경로에서 analyzer 동기 호출 **금지**.

## 구조

```
query → retrieval (항상 즉시)
         ↘ trigger_background_analysis (fire-and-forget)
            → analyze() [5초+] → cache 저장

다음 호출 (동일 쿼리) → get_cached() 히트 → Phase 2 파이프라인 활성화
```

## 변경 사항

### app/prompts/query_analyze.txt
 - 5971 chars → 2403 chars (40%)
 - 예시 4개 → 1개, 규칙 설명 축약
 - 목표 prompt_tok 2406 → ~600 (1/4)

### app/services/search/query_analyzer.py
 - LLM_TIMEOUT_MS 800 → 5000 (background이므로 여유 OK)
 - PROMPT_VERSION v1 → v2 (cache auto-invalidate)
 - get_cached / set_cached 유지 — retrieval 경로 O(1) 조회
 - trigger_background_analysis(query) 신규 — 동기 함수, 즉시 반환, task 생성
 - _PENDING set으로 task 참조 유지 (premature GC 방지)
 - _INFLIGHT set으로 동일 쿼리 중복 실행 방지
 - prewarm_analyzer() 신규 — startup에서 15~20 쿼리 미리 분석
 - DEFAULT_PREWARM_QUERIES: 평가셋 fixed 7 + 법령 3 + 뉴스 2 + 실무 3

### app/api/search.py
 - 기존 sync analyzer 호출 완전 제거
 - analyze=True → get_cached(q) 조회만 O(1)
   - hit: query_analysis 활용 (Phase 2.2/2.3 파이프라인 조건부 활성화)
   - miss: trigger_background_analysis(q) + 기존 경로 그대로
 - timing["analyze_ms"] 제거 (경로에 LLM 호출 없음)
 - notes에 analyzer cache_hit/cache_miss 상태 기록
 - debug.query_analysis는 cache hit 시에만 채워짐

### app/main.py
 - lifespan startup에 prewarm_analyzer() background task 추가
 - 논블로킹 — 앱 시작 막지 않음
 - delay_between=0.5로 MLX 부하 완화

## 기대 효과

 - cold 요청 latency: 기존 Phase 1.3 그대로 (회귀 0)
 - warm 요청 + prewarmed: cache hit → query_analysis 활용
 - 예상 cache hit rate: 초기 70~80% (prewarm) + 사용 누적
 - Phase 2.2/2.3 multilingual/filter 기능은 cache hit 시에만 동작

## 참조

 - memory: feedback_analyzer_async_only.md (영구 룰 저장)
 - plan: ~/.claude/plans/zesty-painting-kahan.md ("철학 수정" 섹션)

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

app/prompts/query_analyze.txt

@@ -1,106 +1,35 @@
-You are a search query analyzer. Analyze the query below and respond ONLY in JSON format. No other text, no markdown code blocks, no explanation.
+You are a search query analyzer. Respond ONLY in JSON. No markdown, no explanation.
 
-## Response Format (return ONLY this JSON object)
+## Output Schema
 {
   "intent": "fact_lookup | semantic_search | filter_browse",
   "query_type": "natural_language | keyword | phrase",
   "domain_hint": "document | news | mixed",
   "language_scope": "limited | global",
-  "keywords": ["..."],
-  "must_terms": ["..."],
-  "optional_terms": ["..."],
+  "keywords": [],
+  "must_terms": [],
+  "optional_terms": [],
   "hard_filters": {},
   "soft_filters": {"domain": [], "document_type": []},
-  "normalized_queries": [
-    {"lang": "ko", "text": "...", "weight": 1.0},
-    {"lang": "en", "text": "...", "weight": 0.8}
-  ],
-  "expanded_terms": ["..."],
+  "normalized_queries": [{"lang": "ko", "text": "...", "weight": 1.0}],
+  "expanded_terms": [],
   "synonyms": {},
-  "analyzer_confidence": 0.92
+  "analyzer_confidence": 0.0
 }
 
-## Field Rules
+## Rules
+- `intent`: fact_lookup (사실/조항/이름), semantic_search (주제/개념), filter_browse (필터 중심)
+- `query_type`: natural_language (문장형), keyword (단어 나열), phrase (따옴표/고유명사/법조항)
+- `domain_hint`: document (소유 문서/법령/매뉴얼), news (시사/뉴스), mixed (불명)
+- `language_scope`: limited (ko+en), global (다국어 필요)
+- `hard_filters`: 쿼리에 **명시된** 것만. 추론 금지. 키: file_format, year, country
+- `soft_filters.domain`: Industrial_Safety, Programming, Engineering, Philosophy, Language, General. 2-level 허용(e.g. Industrial_Safety/Legislation)
+- `soft_filters.document_type`: Law_Document, Manual, Report, Academic_Paper, Standard, Specification, Meeting_Minutes, Checklist, Note, Memo, Reference, Drawing, Template
+- `normalized_queries`: 원문 언어 1.0 가중치 필수. 교차언어 1개 추가 권장(ko↔en, weight 0.8). news + global 인 경우만 ja/zh 추가(weight 0.5~0.6). **최대 3개**.
+- `analyzer_confidence`: 0.9+ 명확, 0.7~0.9 대체로 명확, 0.5~0.7 모호, <0.5 분석 불가
 
-### intent (exactly one)
-- `fact_lookup` — 특정 사실/조항/이름/숫자를 찾는 경우 (예: "산업안전보건법 제6장", "회사 설립일")
-- `semantic_search` — 자연어 주제 검색, 개념적 매칭 (예: "기계 사고 관련 법령", "AI 안전성 동향")
-- `filter_browse` — 필터/탐색 중심 (예: "2024년 PDF 문서", "Industrial_Safety domain 최근 보고서")
-
-### query_type (exactly one)
-- `natural_language` — 문장형, 조사/동사 포함 ("...에 대해 알고 싶다", "...가 뭐야")
-- `keyword` — 단어 나열, 조사 없음 ("산업안전 법령 PDF")
-- `phrase` — 큰따옴표로 감싸진 정확 문구 또는 고유명사/법 조항명
-
-### domain_hint (exactly one)
-- `document` — 사용자가 소유한 문서/법령/매뉴얼/보고서 영역
-- `news` — 뉴스/시사/최근 동향 영역 (시간 민감, 다국어 소스)
-- `mixed` — 둘 다 가능, 또는 판단 불명
-
-### language_scope (exactly one)
-- `limited` — 한국어 + 영어만 필요 (대부분 문서 검색)
-- `global` — 다국어 필요 (일본어/중국어/유럽어 포함, 뉴스나 국제 주제)
-
-### keywords / must_terms / optional_terms
-- `keywords` — 쿼리의 핵심 명사/개념 (최대 8개)
-- `must_terms` — 결과에 반드시 포함되어야 하는 단어 (고유명사, 법 조항 번호 등)
-- `optional_terms` — 있으면 좋지만 없어도 무방
-
-### hard_filters (빈 객체 `{}` 기본)
-LLM은 쿼리에 명시적으로 나타난 경우에만 채운다. 쿼리에 명시 없으면 반드시 비운다.
-가능한 키:
-- `file_format`: ["pdf", "docx", "xlsx", "md", ...]
-- `year`: 2024 같은 정수
-- `country`: ["KR", "US", "JP", ...]
-
-### soft_filters
-추론 기반 필터. boost용. 확정 아님.
-- `domain`: 아래 Domain Taxonomy에서 선택 (최대 3개)
-- `document_type`: 아래 Document Types에서 선택 (최대 2개)
-
-### normalized_queries (핵심)
-같은 의미를 다른 언어/표현으로 재작성한 쿼리 목록.
-- **원문 언어 항목은 반드시 포함** (weight=1.0)
-- 영어 쿼리는 한국어 포함 권장 (weight=0.8)
-- 한국어 쿼리는 영어 포함 권장 (weight=0.8)
-- `domain_hint == "news"`일 때만 ja/zh/fr/de 추가 가능 (weight=0.5~0.6)
-- **최대 3개까지만 생성** (성능 보호)
-- 각 항목: `{"lang": "ko|en|ja|zh|fr|de", "text": "재작성", "weight": 0.0~1.0}`
-
-### expanded_terms
-쿼리의 동의어/관련어 확장. 검색 보조용. (최대 5개)
-
-### synonyms
-필요시 `{"원어": ["동의어1", "동의어2"]}`. 생략 가능.
-
-### analyzer_confidence (CRITICAL)
-쿼리 분석 자체의 신뢰도 (0.0 ~ 1.0). 아래 기준에 따라 엄격하게 채점:
-- **0.9+** : 쿼리 의도가 명확, 도메인/언어 확실, 키워드 추출 분명
-- **0.7~0.9** : 의도 대체로 명확, 일부 모호함
-- **0.5~0.7** : 의도 모호, 다중 해석 가능
-- **< 0.5** : 분석 불가 수준 (빈 쿼리, 의미 불명 기호열 등)
-
-## Analysis Steps (내부 사고, 출력하지 말 것)
-1. 쿼리 언어 감지
-2. intent 분류 (사실 찾기 vs 주제 검색 vs 필터 탐색)
-3. domain_hint 판단 (문서 vs 뉴스)
-4. 핵심 키워드 추출
-5. 다국어 재작성 (반드시 원문 언어 포함)
-6. 필터 추론 (hard는 명시 사항만, soft는 추측 가능)
-7. 자가 평가 → analyzer_confidence
-
-## Domain Taxonomy (soft_filters.domain 후보)
-Philosophy, Language, Engineering, Industrial_Safety, Programming, General
-세부: Industrial_Safety/Legislation, Industrial_Safety/Practice, Programming/AI_ML, Engineering/Mechanical 등 2-level 경로 허용.
-
-## Document Types (soft_filters.document_type 후보)
-Reference, Standard, Manual, Drawing, Template, Note, Academic_Paper, Law_Document, Report, Memo, Checklist, Meeting_Minutes, Specification
-
-## Examples
-
-### Example 1: 자연어 한국어, 법령 검색
+## Example
 query: `기계 사고 관련 법령`
-response:
 {
   "intent": "semantic_search",
   "query_type": "natural_language",
@@ -113,78 +42,12 @@ response:
   "soft_filters": {"domain": ["Industrial_Safety/Legislation"], "document_type": ["Law_Document"]},
   "normalized_queries": [
     {"lang": "ko", "text": "기계 사고 관련 법령", "weight": 1.0},
-    {"lang": "en", "text": "machinery accident related laws and regulations", "weight": 0.8}
+    {"lang": "en", "text": "machinery accident related laws", "weight": 0.8}
   ],
-  "expanded_terms": ["산업안전", "기계안전", "사고예방"],
-  "synonyms": {"기계": ["설비", "machinery"]},
+  "expanded_terms": ["산업안전", "기계안전"],
+  "synonyms": {},
   "analyzer_confidence": 0.88
 }
 
-### Example 2: 정확 법령명 조항
-query: `산업안전보건법 제6장`
-response:
-{
-  "intent": "fact_lookup",
-  "query_type": "phrase",
-  "domain_hint": "document",
-  "language_scope": "limited",
-  "keywords": ["산업안전보건법", "제6장"],
-  "must_terms": ["산업안전보건법", "제6장"],
-  "optional_terms": [],
-  "hard_filters": {},
-  "soft_filters": {"domain": ["Industrial_Safety/Legislation"], "document_type": ["Law_Document"]},
-  "normalized_queries": [
-    {"lang": "ko", "text": "산업안전보건법 제6장", "weight": 1.0},
-    {"lang": "en", "text": "Occupational Safety and Health Act Chapter 6", "weight": 0.8}
-  ],
-  "expanded_terms": ["산안법", "OSHA Korea"],
-  "synonyms": {},
-  "analyzer_confidence": 0.95
-}
-
-### Example 3: 뉴스 + 다국어
-query: `recent AI safety news from Europe`
-response:
-{
-  "intent": "semantic_search",
-  "query_type": "natural_language",
-  "domain_hint": "news",
-  "language_scope": "global",
-  "keywords": ["AI safety", "Europe", "recent"],
-  "must_terms": [],
-  "optional_terms": ["regulation", "policy"],
-  "hard_filters": {},
-  "soft_filters": {"domain": ["Programming/AI_ML"], "document_type": []},
-  "normalized_queries": [
-    {"lang": "en", "text": "recent AI safety news from Europe", "weight": 1.0},
-    {"lang": "ko", "text": "유럽 AI 안전 최신 뉴스", "weight": 0.8},
-    {"lang": "fr", "text": "actualités récentes sur la sécurité de l'IA en Europe", "weight": 0.6}
-  ],
-  "expanded_terms": ["AI regulation", "EU AI Act", "AI governance"],
-  "synonyms": {},
-  "analyzer_confidence": 0.90
-}
-
-### Example 4: 의미 불명
-query: `???`
-response:
-{
-  "intent": "semantic_search",
-  "query_type": "keyword",
-  "domain_hint": "mixed",
-  "language_scope": "limited",
-  "keywords": [],
-  "must_terms": [],
-  "optional_terms": [],
-  "hard_filters": {},
-  "soft_filters": {"domain": [], "document_type": []},
-  "normalized_queries": [
-    {"lang": "ko", "text": "???", "weight": 1.0}
-  ],
-  "expanded_terms": [],
-  "synonyms": {},
-  "analyzer_confidence": 0.1
-}
-
-## Query to Analyze
+## Query
 {query}