docs(ai_news): Phase 1 design — articles table reuse (replace Naver scraper)

기존 articles 테이블 재사용 + 종목명 substring 매핑. Naver 차단/중복
인프라 해소, LLM 입력에 summary 포함. weight=0 유지 (검증 전 차단),
news_sentiment.source 컬럼 추가 (Phase 2 비교 baseline).

선행 review (adversarial)에서 가장 강한 비판: "이미 매일 수집 중인
articles 테이블을 무시하고 Naver를 100번 더 긁는 중복" → 해소.

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

docs/superpowers/specs/2026-05-14-ai-news-articles-source-design.md

@@ -0,0 +1,422 @@
+# AI News Phase 1 — `articles` Source Integration Design
+
+**작성일**: 2026-05-14
+**작성자**: gahusb
+**상태**: Approved for implementation
+**선행 spec**: `2026-05-13-ai-news-sentiment-node-design.md`
+**선행 review**: adversarial review (Claude general-purpose, codex CLI ENOENT fallback)
+
+---
+
+## 1. 목표
+
+`ai_news` 파이프라인의 데이터 소스를 **Naver 종목 뉴스 스크래핑 → 기존 `articles` 테이블 재사용** 으로 교체한다. 인프라 중복 제거(이미 매일 cron으로 수집 중) + Naver 차단 회피 + LLM 입력 풍부화(summary 포함).
+
+본 슬라이스는 **Phase 1** 전략의 일부. 4주 IC 측정 결과를 보고 (a) IC < 0.05 → 노드 폐기, (b) IC ≥ 0.05 → Phase 2 (DART OpenAPI 추가) 결정.
+
+**Why**: adversarial review에서 가장 강한 비판이 **"이미 매일 수집 중인 `articles` 테이블을 무시하고 Naver를 100번 더 긁는 중복 인프라"**였음. weight=0 차단(이전 슬라이스 `943f676`)과 짝을 이루어 본 슬라이스로 인프라 중복 해소.
+
+---
+
+## 2. 범위
+
+**포함 (Phase 1)**:
+- 신규 모듈 `ai_news/articles_source.py` — 기존 articles 테이블 조회 + 종목명 substring 매핑
+- `news_sentiment` 테이블에 `source TEXT NOT NULL DEFAULT 'articles'` 컬럼 추가
+- `pipeline.py` 가 articles_source 사용 (Naver scraper 호출 제거)
+- `analyzer.py` 가 LLM 입력에 `summary` 추가 (제목 + 요약)
+- 텔레그램 메시지에 매핑 hit-rate 표시 (e.g., "matched 42/100")
+- 단위 테스트 — articles_source 6개, pipeline 통합 회귀
+
+**범위 외 (NOT)**:
+- DART OpenAPI 통합 (Phase 2, IC 검증 후)
+- alias dict / LLM ticker 추출 (Phase 1.5, hit-rate 낮을 시)
+- failure taxonomy (별도 슬라이스)
+- legacy `scraper.py` 삭제 (Phase 2 결정 후)
+- 환경변수로 source 토글 fallback (YAGNI)
+- weight 변경 (여전히 0.0 유지)
+- 매핑 정확도 자동 alarm/threshold
+
+---
+
+## 3. 아키텍처
+
+```
+                   ┌──────────────────────────────┐
+[08:00 KST 평일]   │ agent-office on_ai_news_     │
+                   │ schedule (변경 없음)         │
+                   └──────────┬───────────────────┘
+                              │ HTTP POST
+                              ▼
+   ┌────────────────────────────────────────────────────────┐
+   │ stock-lab /snapshot/refresh-news-sentiment (변경 없음) │
+   │                                                         │
+   │ ai_news/pipeline.refresh_daily(asof):                   │
+   │  1. top-100 tickers by market_cap (그대로)               │
+   │  2. articles_source.gather_articles_for_tickers(...)    │
+   │     - SELECT * FROM articles WHERE crawled_at >= asof-1d│
+   │     - 각 article (title+summary) ∋ ticker.name 매칭     │
+   │     - {ticker: [article_dict, ...]} 반환                │
+   │  3. asyncio.gather (매핑된 ticker만):                    │
+   │     a. analyzer.score_sentiment(llm, ticker, articles)  │
+   │        (Naver scraper 호출 없음 — articles 그대로 전달) │
+   │  4. news_sentiment upsert with source='articles'        │
+   │  5. 텔레그램 페이로드: matched_count / total_count 추가  │
+   └────────────────────────────────────────────────────────┘
+```
+
+**의존성 변경 없음**: anthropic SDK 유지, httpx/BeautifulSoup 제거하지 않음 (legacy scraper에서 import 유지).
+
+---
+
+## 4. 파일 변경
+
+### 4.1 신규
+```
+web-backend/stock-lab/app/screener/ai_news/
+  articles_source.py             ← DB articles 조회 + 종목 매핑
+web-backend/stock-lab/tests/
+  test_ai_news_articles_source.py    ← 6 tests
+```
+
+### 4.2 수정
+```
+web-backend/stock-lab/app/screener/
+  schema.py                      ← news_sentiment.source 컬럼 + migration
+  ai_news/pipeline.py            ← scraper 호출 제거, articles_source 사용
+  ai_news/analyzer.py            ← summary 활용
+```
+
+### 4.3 변경 없음
+- `ai_news/scraper.py` (deprecate 주석만, 다음 슬라이스에서 삭제 결정)
+- `ai_news/telegram.py` (매핑 통계는 router 에서 처리하거나 telegram 빌더에 인자 추가)
+- `ai_news/validation.py` (IC 측정은 데이터 소스 무관)
+- `nodes/ai_news.py`
+- `engine.py`
+- `router.py` (응답 구조는 동일, 새 통계 필드만 추가)
+- agent-office 전체
+- 프론트엔드
+
+---
+
+## 5. DB 스키마 변경
+
+```sql
+ALTER TABLE news_sentiment ADD COLUMN source TEXT NOT NULL DEFAULT 'articles';
+```
+
+`schema.py` 의 `ensure_screener_schema(conn)` 에 migration block:
+```python
+cols = {r[1] for r in conn.execute("PRAGMA table_info(news_sentiment)").fetchall()}
+if "source" not in cols:
+    conn.execute(
+        "ALTER TABLE news_sentiment ADD COLUMN source TEXT NOT NULL DEFAULT 'articles'"
+    )
+```
+
+기존 운영 row (Naver 출처)는 default `'articles'` 로 채워짐 — 이는 의미적으로 부정확하지만 다음 cron부터 실제 articles 출처로 upsert되어 덮어쓰여짐. 24시간 내 정확화. Phase 2 비교 시점(4주 후)에는 충분히 cleared.
+
+---
+
+## 6. `articles_source.py` 구현
+
+```python
+"""기존 articles 테이블에서 종목별 뉴스 매핑."""
+
+from __future__ import annotations
+
+import datetime as dt
+import logging
+import sqlite3
+from typing import Any, Dict, List, Tuple
+
+log = logging.getLogger(__name__)
+
+
+def gather_articles_for_tickers(
+    conn: sqlite3.Connection,
+    tickers: List[str],
+    asof: dt.date,
+    *,
+    window_days: int = 1,
+    max_per_ticker: int = 5,
+) -> Tuple[Dict[str, List[Dict[str, Any]]], Dict[str, int]]:
+    """Returns ({ticker: [article, ...]}, stats)."""
+    cutoff = (asof - dt.timedelta(days=window_days)).isoformat()
+
+    # 1. tickers 의 회사명 조회
+    if not tickers:
+        return {}, {"total_articles": 0, "matched_pairs": 0, "hit_tickers": 0}
+    placeholders = ",".join("?" * len(tickers))
+    name_rows = conn.execute(
+        f"SELECT ticker, name FROM krx_master WHERE ticker IN ({placeholders})",
+        tickers,
+    ).fetchall()
+    name_map = {r[0]: r[1] for r in name_rows if r[1]}
+
+    # 2. 최근 articles 조회
+    articles = conn.execute(
+        "SELECT title, summary, press, pub_date, crawled_at "
+        "FROM articles WHERE crawled_at >= ? ORDER BY crawled_at DESC",
+        (cutoff,),
+    ).fetchall()
+
+    # 3. 매핑
+    out: Dict[str, List[Dict[str, Any]]] = {t: [] for t in tickers}
+    matched_pairs = 0
+    for a in articles:
+        title = (a[0] or "").strip()
+        summary = (a[1] or "").strip()
+        haystack = title + " " + summary
+        for ticker, name in name_map.items():
+            if not name or len(name) < 2:
+                continue
+            if name in haystack:
+                if len(out[ticker]) >= max_per_ticker:
+                    continue
+                out[ticker].append({
+                    "title": title,
+                    "summary": summary,
+                    "press": a[2] or "",
+                    "pub_date": a[3] or "",
+                })
+                matched_pairs += 1
+
+    hit_tickers = sum(1 for arts in out.values() if arts)
+    stats = {
+        "total_articles": len(articles),
+        "matched_pairs": matched_pairs,
+        "hit_tickers": hit_tickers,
+    }
+    return out, stats
+```
+
+---
+
+## 7. `pipeline.py` 변경
+
+`refresh_daily()` 의 `_make_http()` / `asyncio.Semaphore(rate_limit)` / scraper 호출 부분 교체:
+
+```python
+async def refresh_daily(conn, asof, *, top_n=100, concurrency=10,
+                       max_news_per_ticker=5, model=_analyzer.DEFAULT_MODEL):
+    started = time.time()
+    tickers = _top_market_cap_tickers(conn, n=top_n)
+    name_map = {...}  # 기존 그대로
+
+    # 새: articles 매핑
+    articles_by_ticker, mapping_stats = articles_source.gather_articles_for_tickers(
+        conn, tickers, asof, window_days=1, max_per_ticker=max_news_per_ticker,
+    )
+
+    sem = asyncio.Semaphore(concurrency)
+    async with _make_llm() as llm:
+        tasks = []
+        for t in tickers:
+            articles = articles_by_ticker.get(t, [])
+            if not articles:
+                continue  # 매핑 0 — score 미생성
+            tasks.append(_process_one_articles(
+                t, name_map.get(t, t), articles, sem, llm, model
+            ))
+        raw_results = await asyncio.gather(*tasks, return_exceptions=True)
+
+    successes, failures = _split_results(raw_results)
+    if successes:
+        _upsert_news_sentiment(conn, asof, successes, source="articles")
+
+    top_pos = sorted(successes, key=lambda r: -r["score_raw"])[:5]
+    top_neg = sorted(successes, key=lambda r: r["score_raw"])[:5]
+    return {
+        "asof": asof.isoformat(),
+        "updated": len(successes),
+        "failures": [str(f) for f in failures],
+        "duration_sec": round(time.time() - started, 2),
+        "tokens_input": sum(r["tokens_input"] for r in successes),
+        "tokens_output": sum(r["tokens_output"] for r in successes),
+        "top_pos": top_pos, "top_neg": top_neg, "model": model,
+        "mapping": mapping_stats,  # 신규
+    }
+
+
+async def _process_one_articles(ticker, name, articles, sem, llm, model):
+    async with sem:
+        return await _analyzer.score_sentiment(llm, ticker, articles, name=name, model=model)
+```
+
+`_make_http()` 제거. legacy scraper 의존 없음.
+
+`_upsert_news_sentiment` 에 `source` 인자 추가:
+```python
+def _upsert_news_sentiment(conn, asof, rows, *, source="articles"):
+    iso = asof.isoformat()
+    data = [(
+        r["ticker"], iso, r["score_raw"], r["reason"], r["news_count"],
+        r["tokens_input"], r["tokens_output"], r["model"], source,
+    ) for r in rows]
+    conn.executemany(
+        """INSERT INTO news_sentiment
+             (ticker, date, score_raw, reason, news_count,
+              tokens_input, tokens_output, model, source)
+           VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?)
+           ON CONFLICT(ticker, date) DO UPDATE SET
+             score_raw=excluded.score_raw, reason=excluded.reason,
+             news_count=excluded.news_count, tokens_input=excluded.tokens_input,
+             tokens_output=excluded.tokens_output, model=excluded.model,
+             source=excluded.source
+        """, data,
+    )
+    conn.commit()
+```
+
+---
+
+## 8. `analyzer.py` 변경 (미세)
+
+`news_block` 빌더만:
+```python
+def _format_news_block(news: List[Dict[str, Any]]) -> str:
+    lines = []
+    for n in news:
+        date = n.get("pub_date", "")
+        title = n["title"]
+        summary = (n.get("summary") or "").strip()
+        if summary:
+            lines.append(f"- [{date}] {title}\n  {summary[:200]}")
+        else:
+            lines.append(f"- [{date}] {title}")
+    return "\n".join(lines)
+```
+
+`score_sentiment()` 의 prompt 빌드 부분:
+```python
+news_block = _format_news_block(news)
+```
+
+LLM 입력 토큰 ~2-3배 (summary 200자 cap). 매핑 수가 감소(예상 100 → 30-60)하므로 총 토큰 비용은 비슷하거나 약간 감소.
+
+---
+
+## 9. 텔레그램 매핑 통계 표시
+
+`telegram.build_message()` 에 `mapping` 인자 추가:
+```python
+def build_message(*, asof, top_pos, top_neg, tokens_input, tokens_output,
+                  mapping=None):
+    ...
+    cost = _cost_won(tokens_input, tokens_output)
+    mapping_line = ""
+    if mapping:
+        mapping_line = (
+            f"매핑: {mapping['hit_tickers']}/100 ticker "
+            f"\\({mapping['matched_pairs']}쌍 / articles {mapping['total_articles']}건\\) · "
+        )
+    lines += [
+        "",
+        f"_분석: 시총 상위 100종목 · {mapping_line}"
+        f"토큰 {tokens_input:,} in / {tokens_output:,} out · 약 ₩{cost:,}_",
+    ]
+    return "\n".join(lines)
+```
+
+`router.py` 에서 `mapping=summary.get('mapping')` 전달.
+
+---
+
+## 10. 테스트 전략
+
+### 10.1 신규 `test_ai_news_articles_source.py` (6 tests)
+1. **single_ticker_match_in_title** — title 에 회사명 → 매핑 hit
+2. **single_ticker_match_in_summary** — summary 에 회사명 → 매핑 hit
+3. **multi_ticker_match** — 한 article 이 두 회사명 포함 → 두 ticker 모두 매핑
+4. **no_match_returns_empty_list** — 회사명 미포함 article → 빈 리스트
+5. **max_per_ticker_caps_results** — 6개 매핑 가능한 articles 중 max=5
+6. **window_days_filters_old_articles** — crawled_at < cutoff 인 article 제외
+
+### 10.2 갱신 `test_ai_news_pipeline.py`
+기존 `patch.object(pipeline, "_scraper")` 패턴을 `patch.object(pipeline, "articles_source")` 로 교체. 시나리오:
+- happy path: 3 ticker × 1 article each
+- failures isolated: 한 ticker LLM error
+- 매핑 0 ticker (skip 검증)
+
+### 10.3 갱신 `test_ai_news_analyzer.py`
+- `news` 입력에 `summary` 가 있을 때 prompt 에 포함되는지
+- summary 없을 때 title 만 사용
+- pub_date 표시
+
+### 10.4 갱신 `test_ai_news_telegram.py`
+- `mapping` 인자 있을 때 매핑 라인 포함
+- `mapping=None` 일 때 기존 동작
+
+### 10.5 갱신 `test_ai_news_router.py`
+- response 에 `mapping` 필드 포함
+
+### 10.6 갱신 `test_screener_schema.py`
+- migration 시 `source` 컬럼 생성
+- 기존 row 의 source default 검증
+
+---
+
+## 11. 운영 가정 + 모니터링
+
+| 가정 | 모니터링 |
+|------|----------|
+| 기존 `stock_news` cron (7:30 KST)이 articles 매일 수집 | 그게 깨지면 ai_news 도 0 결과 — articles 일별 count 별도 모니터링 권장 (이번 슬라이스 외) |
+| 시장 뉴스에 시총 상위 100종목 회사명이 자주 등장 | hit-rate 텔레그램 라인으로 일별 확인. <30% 면 alias dict 추가 검토 |
+| 회사명 substring match가 false positive 적음 | 4주 IC 결과로 검증 (positive면 매핑 정확도 OK 추정) |
+
+---
+
+## 12. 에러 처리
+
+| 상황 | 처리 |
+|------|------|
+| articles 테이블 비어 있음 | gather() 반환 = `{}`, stats `total=0`. 모든 ticker skip, news_sentiment 0 row 추가, telegram에 "매핑 0/100" 표시 |
+| 시총 상위 ticker 모두 매핑 0 | `updated=0` → on_ai_news_schedule 의 운영자 알림 분기 (기존 그대로) |
+| krx_master 비어 있음 | gather() 가 빈 결과, 위와 동일 |
+| LLM 실패 (특정 ticker) | 기존 fail-soft 그대로. failures 리스트에 추가, 다른 ticker 영향 없음 |
+| migration 실행 실패 (예: 이미 컬럼 존재) | PRAGMA table_info 체크로 idempotent. ALTER 안 실행 |
+
+---
+
+## 13. 비용 / 성능 비교
+
+| 항목 | 현재 (Naver) | Phase 1 (articles) |
+|------|--------------|-------------------|
+| 외부 HTTP | 100건/일 (Naver) | 0건 |
+| 실패율 | 30%+ (Naver 차단) | 0% (DB 조회) |
+| LLM calls | 100 | hit_tickers 수 (예상 30-60) |
+| LLM input tokens | ~25K | ~30-50K (summary 포함) |
+| 일 비용 | ~$0.075 | ~$0.05-0.10 (실측 후) |
+| 처리 시간 | 30-60초 | 5-15초 (DB + LLM) |
+
+---
+
+## 14. Rollback
+
+- 데이터: `news_sentiment.source` 컬럼으로 Phase 1 데이터와 이전 Naver 데이터 구분 가능
+- 코드: `git revert` 만으로 가능. legacy `scraper.py` 유지로 코드 회복 즉시
+- 환경변수 토글: **미포함** (YAGNI)
+
+---
+
+## 15. 후속 슬라이스 (Phase 1 이후 결정)
+
+- **Phase 1.5** — 매핑 hit-rate < 30% 면 alias dict 추가 (50-100개)
+- **Phase 2** — 4주 IC ≥ 0.05 시 DART OpenAPI 추가 (하이브리드 점수)
+- **Phase X** — IC < 0.05 시 노드 deprecate 후 삭제 (scraper + analyzer + pipeline + node + DB cleanup)
+
+---
+
+## 16. 완료 조건 (Definition of Done)
+
+- [ ] `articles_source.py` + 6개 단위 테스트
+- [ ] `news_sentiment.source` 컬럼 추가 + migration
+- [ ] `pipeline.py` 가 articles_source 사용 (scraper 호출 없음)
+- [ ] `analyzer.py` 가 summary 포함 prompt
+- [ ] `telegram.py` 에 매핑 통계 라인
+- [ ] `router.py` 응답에 `mapping` 필드
+- [ ] 기존 76 단위 테스트 + 갱신/신규 테스트 모두 통과
+- [ ] 운영 환경 트리거 시 텔레그램에 "매핑 N/100" 표시 + news_sentiment 행에 source='articles'
+- [ ] LLM 비용이 일 ~$0.05-0.10 범위로 감소 (텔레그램 ₩ 라인으로 확인)
+- [ ] 첫 실행 후 매핑 hit-rate 메모리 기록 (1.5/2 결정 baseline)