feat: 챗봇 신고 페이지 AI 백엔드 추가 및 기타 개선

- ai-service: 챗봇 분석/요약 엔드포인트 추가 (chatbot.py, chatbot_service.py)
- tkreport: 챗봇 신고 페이지 (chat-report.html/js/css), nginx ai-api 프록시
- tkreport: 이미지 업로드 서비스 개선, M-Project 연동 신고자 정보 전달
- system1: TBM 작업보고서 UI 개선
- TKQC: 관리함/수신함 기능 개선

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>

ai-service/main.py

@@ -5,7 +5,7 @@ from fastapi.middleware.cors import CORSMiddleware
 from starlette.middleware.base import BaseHTTPMiddleware
 from starlette.responses import JSONResponse
 
-from routers import health, embeddings, classification, daily_report, rag
+from routers import health, embeddings, classification, daily_report, rag, chatbot
 from db.vector_store import vector_store
 from db.metadata_store import metadata_store
 from services.ollama_client import ollama_client
@@ -64,6 +64,7 @@ app.include_router(embeddings.router, prefix="/api/ai")
 app.include_router(classification.router, prefix="/api/ai")
 app.include_router(daily_report.router, prefix="/api/ai")
 app.include_router(rag.router, prefix="/api/ai")
+app.include_router(chatbot.router, prefix="/api/ai")
 
 
 @app.get("/")

ai-service/routers/chatbot.py

@@ -0,0 +1,37 @@
+from fastapi import APIRouter, HTTPException
+from pydantic import BaseModel
+from services.chatbot_service import analyze_user_input, summarize_report
+
+router = APIRouter(tags=["chatbot"])
+
+
+class AnalyzeRequest(BaseModel):
+    user_text: str
+    categories: dict = {}
+
+
+class SummarizeRequest(BaseModel):
+    description: str = ""
+    type: str = ""
+    category: str = ""
+    item: str = ""
+    location: str = ""
+    project: str = ""
+
+
+@router.post("/chatbot/analyze")
+async def chatbot_analyze(req: AnalyzeRequest):
+    try:
+        result = await analyze_user_input(req.user_text, req.categories)
+        return {"success": True, **result}
+    except Exception as e:
+        raise HTTPException(status_code=500, detail="AI 분석 중 오류가 발생했습니다")
+
+
+@router.post("/chatbot/summarize")
+async def chatbot_summarize(req: SummarizeRequest):
+    try:
+        result = await summarize_report(req.model_dump())
+        return {"success": True, **result}
+    except Exception as e:
+        raise HTTPException(status_code=500, detail="AI 요약 중 오류가 발생했습니다")

ai-service/services/chatbot_service.py

@@ -0,0 +1,110 @@
+import json
+from services.ollama_client import ollama_client
+
+
+ANALYZE_SYSTEM_PROMPT = """당신은 공장 현장 신고 접수를 도와주는 AI 도우미입니다.
+사용자가 현장에서 발견한 문제를 설명하면, 아래 카테고리 목록을 참고하여 가장 적합한 신고 유형과 카테고리를 제안해야 합니다.
+
+신고 유형:
+- nonconformity (부적합): 제품/작업 품질 관련 문제
+- facility (시설설비): 시설, 설비, 장비 관련 문제
+- safety (안전): 안전 위험, 위험 요소 관련 문제
+
+반드시 아래 JSON 형식으로만 응답하세요. 다른 텍스트는 포함하지 마세요:
+{
+  "organized_description": "정리된 설명 (1-2문장)",
+  "suggested_type": "nonconformity 또는 facility 또는 safety",
+  "suggested_category_id": 카테고리ID(숫자) 또는 null,
+  "confidence": 0.0~1.0 사이의 확신도
+}"""
+
+SUMMARIZE_SYSTEM_PROMPT = """당신은 공장 현장 신고 내용을 요약하는 AI 도우미입니다.
+주어진 신고 정보를 보기 좋게 정리하여 한국어로 요약해주세요.
+
+반드시 아래 JSON 형식으로만 응답하세요:
+{
+  "summary": "요약 텍스트"
+}"""
+
+
+async def analyze_user_input(user_text: str, categories: dict) -> dict:
+    """사용자 초기 입력을 분석하여 유형 제안 + 설명 정리"""
+    category_context = ""
+    for type_key, cats in categories.items():
+        type_label = {"nonconformity": "부적합", "facility": "시설설비", "safety": "안전"}.get(type_key, type_key)
+        cat_names = [f"  - ID {c['id']}: {c['name']}" for c in cats]
+        category_context += f"\n[{type_label} ({type_key})]\n" + "\n".join(cat_names) + "\n"
+
+    prompt = f"""카테고리 목록:
+{category_context}
+
+사용자 입력: "{user_text}"
+
+위 카테고리 목록을 참고하여 JSON으로 응답하세요."""
+
+    raw = await ollama_client.generate_text(prompt, system=ANALYZE_SYSTEM_PROMPT)
+
+    try:
+        start = raw.find("{")
+        end = raw.rfind("}") + 1
+        if start >= 0 and end > start:
+            result = json.loads(raw[start:end])
+            # Validate required fields
+            if "organized_description" not in result:
+                result["organized_description"] = user_text
+            if "suggested_type" not in result:
+                result["suggested_type"] = "nonconformity"
+            if "confidence" not in result:
+                result["confidence"] = 0.5
+            return result
+    except json.JSONDecodeError:
+        pass
+
+    return {
+        "organized_description": user_text,
+        "suggested_type": "nonconformity",
+        "suggested_category_id": None,
+        "confidence": 0.3,
+    }
+
+
+async def summarize_report(data: dict) -> dict:
+    """최종 신고 내용을 요약"""
+    prompt = f"""신고 정보:
+- 설명: {data.get('description', '')}
+- 유형: {data.get('type', '')}
+- 카테고리: {data.get('category', '')}
+- 항목: {data.get('item', '')}
+- 위치: {data.get('location', '')}
+- 프로젝트: {data.get('project', '')}
+
+위 정보를 보기 좋게 요약하여 JSON으로 응답하세요."""
+
+    raw = await ollama_client.generate_text(prompt, system=SUMMARIZE_SYSTEM_PROMPT)
+
+    try:
+        start = raw.find("{")
+        end = raw.rfind("}") + 1
+        if start >= 0 and end > start:
+            result = json.loads(raw[start:end])
+            if "summary" in result:
+                return result
+    except json.JSONDecodeError:
+        pass
+
+    # Fallback: construct summary manually
+    parts = []
+    if data.get("type"):
+        parts.append(f"[{data['type']}]")
+    if data.get("category"):
+        parts.append(data["category"])
+    if data.get("item"):
+        parts.append(f"- {data['item']}")
+    if data.get("location"):
+        parts.append(f"\n위치: {data['location']}")
+    if data.get("project"):
+        parts.append(f"\n프로젝트: {data['project']}")
+    if data.get("description"):
+        parts.append(f"\n내용: {data['description']}")
+
+    return {"summary": " ".join(parts) if parts else "신고 내용 요약"}