docs: rename stock-lab → stock in CLAUDE.md (graduation)

Task 1 grep 사전 검토 → Task 2 web-backend atomic commit
(git mv + docker-compose + agent-office + nginx + 운영 문서) → Task 3 web-ui
CLAUDE.md → Task 4 workspace/CLAUDE.md → Task 5 메모리 (4 파일 + graduation
사례) → Task 6 배포 + NAS 검증.

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

CLAUDE.md

@@ -65,7 +65,7 @@ proxy: {
 }
 ```
 
-- `/api/*` → NAS 백엔드 (nginx가 서비스별 라우팅: lotto, personal, stock-lab, music-lab 등)
+- `/api/*` → NAS 백엔드 (nginx가 서비스별 라우팅: lotto, personal, stock, music-lab 등)
 - `/media/*` → NAS 미디어 파일 (여행 사진 `/media/travel/`, 음악 `/media/music/`)
 - 개발 서버 포트: **3007**
 

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

@@ -0,0 +1,999 @@
+# AI News Phase 1 — articles Source Implementation Plan
+
+> **For agentic workers:** REQUIRED SUB-SKILL: Use superpowers:subagent-driven-development (recommended) or superpowers:executing-plans to implement this plan task-by-task. Steps use checkbox (`- [ ]`) syntax for tracking.
+
+**Goal:** ai_news 파이프라인의 데이터 소스를 Naver 스크래퍼에서 기존 `articles` 테이블로 교체. 종목명 substring 매핑으로 시총 상위 100 ticker 의 뉴스 sentiment 산출. `news_sentiment.source` 컬럼 추가로 Phase 2 비교 baseline 확보.
+
+**Architecture:** 신규 `articles_source.py` 모듈이 `articles` 테이블 + `krx_master.name` substring 매핑으로 ticker별 뉴스 dict 반환. `pipeline.py`는 scraper 호출 대신 articles_source 사용. `analyzer.py` 가 LLM prompt 에 `summary` 포함. 텔레그램 메시지에 매핑 hit-rate 라인 추가. legacy `scraper.py` 는 deprecate 주석만 추가하고 보존.
+
+**Tech Stack:** Python 3.11 / SQLite (WAL + busy_timeout) / anthropic AsyncClient / FastAPI / pytest + pytest-asyncio.
+
+**선행 spec**: `web-ui/docs/superpowers/specs/2026-05-14-ai-news-articles-source-design.md`
+
+---
+
+## 파일 구조
+
+신규 파일 (backend):
+```
+web-backend/stock-lab/app/screener/ai_news/
+  articles_source.py             ← DB articles 조회 + 종목명 매핑
+
+web-backend/stock-lab/tests/
+  test_ai_news_articles_source.py    ← 6 tests
+```
+
+수정 파일 (backend):
+```
+web-backend/stock-lab/app/screener/
+  schema.py                      ← news_sentiment.source 컬럼 + migration
+  ai_news/pipeline.py            ← articles_source 사용, _make_http 제거
+  ai_news/analyzer.py            ← prompt에 summary/pub_date 포함
+  ai_news/telegram.py            ← build_message 에 mapping 라인
+  ai_news/scraper.py             ← deprecate 주석만 추가
+  router.py                      ← post_refresh_news_sentiment 에 mapping 전달
+
+web-backend/stock-lab/tests/
+  test_ai_news_pipeline.py       ← articles_source mock 으로 갱신
+  test_ai_news_analyzer.py       ← summary 케이스 추가
+  test_ai_news_telegram.py       ← mapping 인자 케이스 추가
+  test_ai_news_router.py         ← mapping 응답 필드 검증
+```
+
+---
+
+### Task 1: schema.py — `news_sentiment.source` 컬럼 + migration
+
+**Files:**
+- Modify: `web-backend/stock-lab/app/screener/schema.py`
+
+- [ ] **Step 1: DDL 본문에 `source` 컬럼 정의 추가**
+
+`schema.py` 의 `DDL` 문자열 안 `news_sentiment` 테이블 정의에 `source` 컬럼을 `model` 컬럼 다음에 추가:
+```sql
+CREATE TABLE IF NOT EXISTS news_sentiment (
+  ticker          TEXT NOT NULL,
+  date            TEXT NOT NULL,
+  score_raw       REAL NOT NULL,
+  reason          TEXT NOT NULL DEFAULT '',
+  news_count      INTEGER NOT NULL DEFAULT 0,
+  tokens_input    INTEGER NOT NULL DEFAULT 0,
+  tokens_output   INTEGER NOT NULL DEFAULT 0,
+  model           TEXT NOT NULL DEFAULT 'claude-haiku-4-5-20251001',
+  source          TEXT NOT NULL DEFAULT 'articles',
+  created_at      TEXT NOT NULL DEFAULT (datetime('now','localtime')),
+  PRIMARY KEY (ticker, date)
+);
+```
+
+- [ ] **Step 2: `ensure_screener_schema()` 함수에 1회성 migration 블록 추가**
+
+기존 ai_news weight migration 블록 (라인 ~142-156 근처) 직전 또는 직후에 다음을 추가:
+```python
+    # news_sentiment.source 컬럼 1회 추가 (기존 운영 환경)
+    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'"
+        )
+```
+
+위치는 `executescript(DDL)` 직후, 기존 ai_news weight migration block 안이 자연스러움.
+
+- [ ] **Step 3: 기존 schema 테스트 회귀**
+
+```bash
+cd C:\Users\jaeoh\Desktop\workspace\web-backend\stock-lab
+python -m pytest app/test_screener_schema.py -v
+```
+Expected: PASS — 3 tests passed (migration 추가에도 idempotency 유지).
+
+- [ ] **Step 4: Commit**
+
+```bash
+git add app/screener/schema.py
+git commit -m "feat(ai_news): add news_sentiment.source column with migration"
+```
+
+---
+
+### Task 2: `articles_source.py` — DB 매핑 모듈 + 6 tests
+
+**Files:**
+- Create: `web-backend/stock-lab/app/screener/ai_news/articles_source.py`
+- Test: `web-backend/stock-lab/tests/test_ai_news_articles_source.py`
+
+- [ ] **Step 1: 실패하는 테스트 작성**
+
+`tests/test_ai_news_articles_source.py`:
+```python
+import datetime as dt
+import sqlite3
+import pytest
+
+from app.screener.ai_news import articles_source
+from app.screener.schema import ensure_screener_schema
+
+
+@pytest.fixture
+def conn():
+    c = sqlite3.connect(":memory:")
+    c.row_factory = sqlite3.Row
+    ensure_screener_schema(c)
+    # krx_master + articles 시드 helper 는 각 테스트에서 진행
+    yield c
+    c.close()
+
+
+def _seed_master(conn, ticker, name):
+    conn.execute(
+        "INSERT INTO krx_master (ticker, name, market, market_cap, updated_at) "
+        "VALUES (?, ?, 'KOSPI', 1_000_000_000, datetime('now'))",
+        (ticker, name),
+    )
+
+
+def _seed_article(conn, title, summary="", crawled_at="2026-05-14T07:30:00"):
+    import hashlib
+    h = hashlib.md5(f"{title}|x".encode()).hexdigest()
+    conn.execute(
+        "INSERT INTO articles (hash, title, summary, link, press, pub_date, crawled_at) "
+        "VALUES (?, ?, ?, '', '', '2026-05-14', ?)",
+        (h, title, summary, crawled_at),
+    )
+
+
+ASOF = dt.date(2026, 5, 14)
+
+
+def test_single_ticker_match_in_title(conn):
+    _seed_master(conn, "005930", "삼성전자")
+    _seed_article(conn, "삼성전자, HBM 양산 가시화")
+    conn.commit()
+    out, stats = articles_source.gather_articles_for_tickers(
+        conn, ["005930"], ASOF, window_days=1, max_per_ticker=5,
+    )
+    assert len(out["005930"]) == 1
+    assert out["005930"][0]["title"] == "삼성전자, HBM 양산 가시화"
+    assert stats["matched_pairs"] == 1
+    assert stats["hit_tickers"] == 1
+
+
+def test_single_ticker_match_in_summary(conn):
+    _seed_master(conn, "005930", "삼성전자")
+    _seed_article(conn, "메모리 시장 회복세", summary="삼성전자가 1분기 어닝 서프라이즈")
+    conn.commit()
+    out, _ = articles_source.gather_articles_for_tickers(
+        conn, ["005930"], ASOF, window_days=1, max_per_ticker=5,
+    )
+    assert len(out["005930"]) == 1
+
+
+def test_multi_ticker_match(conn):
+    _seed_master(conn, "005930", "삼성전자")
+    _seed_master(conn, "000660", "SK하이닉스")
+    _seed_article(conn, "삼성전자와 SK하이닉스, 메모리 양산 경쟁")
+    conn.commit()
+    out, stats = articles_source.gather_articles_for_tickers(
+        conn, ["005930", "000660"], ASOF, window_days=1, max_per_ticker=5,
+    )
+    assert len(out["005930"]) == 1
+    assert len(out["000660"]) == 1
+    assert stats["matched_pairs"] == 2
+    assert stats["hit_tickers"] == 2
+
+
+def test_no_match_returns_empty_list(conn):
+    _seed_master(conn, "005930", "삼성전자")
+    _seed_article(conn, "엔비디아 실적 발표", summary="AI 칩 수요 견조")
+    conn.commit()
+    out, stats = articles_source.gather_articles_for_tickers(
+        conn, ["005930"], ASOF, window_days=1, max_per_ticker=5,
+    )
+    assert out["005930"] == []
+    assert stats["matched_pairs"] == 0
+    assert stats["hit_tickers"] == 0
+
+
+def test_max_per_ticker_caps_results(conn):
+    _seed_master(conn, "005930", "삼성전자")
+    for i in range(6):
+        _seed_article(conn, f"삼성전자 뉴스 #{i}", crawled_at=f"2026-05-14T0{i}:00:00")
+    conn.commit()
+    out, _ = articles_source.gather_articles_for_tickers(
+        conn, ["005930"], ASOF, window_days=1, max_per_ticker=5,
+    )
+    assert len(out["005930"]) == 5
+
+
+def test_window_days_filters_old_articles(conn):
+    _seed_master(conn, "005930", "삼성전자")
+    _seed_article(conn, "삼성전자 최신 뉴스", crawled_at="2026-05-14T07:00:00")
+    _seed_article(conn, "삼성전자 오래된 뉴스", crawled_at="2026-05-01T07:00:00")
+    conn.commit()
+    out, _ = articles_source.gather_articles_for_tickers(
+        conn, ["005930"], ASOF, window_days=1, max_per_ticker=5,
+    )
+    assert len(out["005930"]) == 1
+    assert "최신" in out["005930"][0]["title"]
+```
+
+- [ ] **Step 2: 테스트 실패 확인**
+
+```bash
+python -m pytest tests/test_ai_news_articles_source.py -v
+```
+Expected: FAIL — "No module named 'app.screener.ai_news.articles_source'".
+
+- [ ] **Step 3: `articles_source.py` 구현** — 정확히:
+
+```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]]:
+    """articles 에서 ticker.name substring 매칭으로 종목별 뉴스 dict 반환.
+
+    Returns:
+        (
+          {ticker: [{"title": str, "summary": str, "press": str, "pub_date": str}, ...]},
+          {"total_articles": int, "matched_pairs": int, "hit_tickers": int},
+        )
+    """
+    out: Dict[str, List[Dict[str, Any]]] = {t: [] for t in tickers}
+    stats = {"total_articles": 0, "matched_pairs": 0, "hit_tickers": 0}
+
+    if not tickers:
+        return out, stats
+
+    cutoff = (asof - dt.timedelta(days=window_days)).isoformat()
+
+    placeholders = ",".join("?" * len(tickers))
+    name_rows = conn.execute(
+        f"SELECT ticker, name FROM krx_master WHERE ticker IN ({placeholders})",
+        tickers,
+    ).fetchall()
+    # 2글자 미만 회사명은 false positive 위험으로 제외
+    name_map = {r[0]: r[1] for r in name_rows if r[1] and len(r[1]) >= 2}
+
+    articles = conn.execute(
+        "SELECT title, summary, press, pub_date, crawled_at "
+        "FROM articles WHERE crawled_at >= ? ORDER BY crawled_at DESC",
+        (cutoff,),
+    ).fetchall()
+    stats["total_articles"] = len(articles)
+
+    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 name not in haystack:
+                continue
+            if len(out[ticker]) >= max_per_ticker:
+                continue
+            out[ticker].append({
+                "title": title,
+                "summary": summary,
+                "press": a[2] or "",
+                "pub_date": a[3] or "",
+            })
+            stats["matched_pairs"] += 1
+
+    stats["hit_tickers"] = sum(1 for arts in out.values() if arts)
+    return out, stats
+```
+
+- [ ] **Step 4: 테스트 통과 확인**
+
+```bash
+python -m pytest tests/test_ai_news_articles_source.py -v
+```
+Expected: PASS — 6 tests passed.
+
+- [ ] **Step 5: Commit**
+
+```bash
+git add app/screener/ai_news/articles_source.py tests/test_ai_news_articles_source.py
+git commit -m "feat(ai_news): articles_source module (substring ticker matching)"
+```
+
+---
+
+### Task 3: `analyzer.py` — prompt 에 summary/pub_date 포함
+
+**Files:**
+- Modify: `web-backend/stock-lab/app/screener/ai_news/analyzer.py`
+- Modify: `web-backend/stock-lab/tests/test_ai_news_analyzer.py`
+
+- [ ] **Step 1: 테스트 갱신 (실패 유도)**
+
+`tests/test_ai_news_analyzer.py` 의 `NEWS` 상수와 `test_score_sentiment_success_parses_json` 테스트를 다음으로 교체/보강:
+```python
+NEWS = [
+    {"title": "삼성전자, HBM 양산", "summary": "1분기 영업이익 사상 최대", "pub_date": "2026-05-14"},
+    {"title": "메모리 가격 반등", "summary": "", "pub_date": "2026-05-14"},
+]
+
+
+@pytest.mark.asyncio
+async def test_score_sentiment_includes_summary_in_prompt():
+    """summary 가 있으면 prompt 에 포함, 없으면 title 만."""
+    llm = _mk_llm(json.dumps({"score": 5.0, "reason": "ok"}))
+    await analyzer.score_sentiment(llm, "005930", NEWS, name="삼성전자")
+    # mock 의 messages.create 호출 인자 확인
+    call = llm.messages.create.call_args
+    user_msg = call.kwargs["messages"][0]["content"]
+    assert "1분기 영업이익 사상 최대" in user_msg  # summary 포함
+    assert "삼성전자, HBM 양산" in user_msg  # title 포함
+    assert "2026-05-14" in user_msg  # pub_date 포함
+```
+
+- [ ] **Step 2: 테스트 실행으로 실패 확인**
+
+```bash
+python -m pytest tests/test_ai_news_analyzer.py::test_score_sentiment_includes_summary_in_prompt -v
+```
+Expected: FAIL — `1분기 영업이익 사상 최대` 가 prompt 에 없음.
+
+- [ ] **Step 3: `analyzer.py` 의 news_block 빌더 분리 + summary 포함**
+
+기존 prompt 빌드 부분 수정. `score_sentiment` 함수의 prompt build 직전에 helper 함수 추가:
+
+```python
+def _format_news_block(news: List[Dict[str, Any]]) -> str:
+    """news dict 리스트 → prompt 에 들어가는 텍스트 블록.
+
+    summary 가 있으면 title 다음 줄에 indent 해서 포함 (최대 200자).
+    pub_date 가 있으면 title 앞에 표시.
+    """
+    lines: List[str] = []
+    for n in news:
+        date = (n.get("pub_date") or "").strip()
+        title = (n.get("title") or "").strip()
+        summary = (n.get("summary") or "").strip()
+        prefix = f"[{date}] " if date else ""
+        if summary:
+            lines.append(f"- {prefix}{title}\n  {summary[:200]}")
+        else:
+            lines.append(f"- {prefix}{title}")
+    return "\n".join(lines)
+```
+
+그리고 `score_sentiment` 안 `news_block` 계산 라인을 다음으로 교체:
+```python
+    news_block = _format_news_block(news)
+```
+
+- [ ] **Step 4: 테스트 통과 확인**
+
+```bash
+python -m pytest tests/test_ai_news_analyzer.py -v
+```
+Expected: PASS — 5 tests (기존 4 + 신규 1) 모두 통과.
+
+- [ ] **Step 5: Commit**
+
+```bash
+git add app/screener/ai_news/analyzer.py tests/test_ai_news_analyzer.py
+git commit -m "feat(ai_news): include summary + pub_date in LLM prompt"
+```
+
+---
+
+### Task 4: `pipeline.py` — articles_source 사용으로 교체
+
+**Files:**
+- Modify: `web-backend/stock-lab/app/screener/ai_news/pipeline.py`
+- Modify: `web-backend/stock-lab/tests/test_ai_news_pipeline.py`
+
+- [ ] **Step 1: 테스트 갱신 (실패 유도)**
+
+`tests/test_ai_news_pipeline.py` 의 `test_refresh_daily_happy_path` 를 다음으로 교체:
+```python
+@pytest.mark.asyncio
+async def test_refresh_daily_happy_path(conn):
+    """3종목 mini integration — articles_source mock + analyzer mock.
+
+    각 종목에 매핑되는 articles 1개씩 있다고 가정.
+    """
+    asof = dt.date(2026, 5, 13)
+
+    fake_articles_by_ticker = {
+        "005930": [{"title": "삼성 뉴스", "summary": "", "press": "", "pub_date": ""}],
+        "000660": [{"title": "SK 뉴스", "summary": "", "press": "", "pub_date": ""}],
+        "373220": [{"title": "LG 뉴스", "summary": "", "press": "", "pub_date": ""}],
+    }
+    fake_stats = {"total_articles": 3, "matched_pairs": 3, "hit_tickers": 3}
+
+    scores_by_ticker = {
+        "005930": 7.5, "000660": 4.0, "373220": -6.0,
+    }
+    async def fake_score(llm, ticker, news, *, name=None, model="m"):
+        return {
+            "ticker": ticker, "score_raw": scores_by_ticker[ticker],
+            "reason": f"r{ticker}", "news_count": 1,
+            "tokens_input": 100, "tokens_output": 20, "model": model,
+        }
+
+    with patch.object(pipeline, "articles_source") as mas, \
+         patch.object(pipeline, "_analyzer") as ma, \
+         patch.object(pipeline, "_make_llm") as ml:
+        mas.gather_articles_for_tickers = MagicMock(
+            return_value=(fake_articles_by_ticker, fake_stats)
+        )
+        ma.score_sentiment = fake_score
+        ml.return_value.__aenter__.return_value = AsyncMock()
+        ml.return_value.__aexit__.return_value = None
+        result = await pipeline.refresh_daily(conn, asof, concurrency=3)
+
+    assert result["asof"] == "2026-05-13"
+    assert result["updated"] == 3
+    assert result["failures"] == []
+    assert result["top_pos"][0]["ticker"] == "005930"
+    assert result["top_neg"][0]["ticker"] == "373220"
+    assert result["mapping"] == fake_stats
+
+    rows = conn.execute("SELECT ticker, score_raw, source FROM news_sentiment "
+                        "WHERE date=?", ("2026-05-13",)).fetchall()
+    assert len(rows) == 3
+    assert all(r["source"] == "articles" for r in rows)
+
+
+@pytest.mark.asyncio
+async def test_refresh_daily_no_match_ticker_skipped(conn):
+    """매핑 0인 ticker 는 LLM 호출 skip + news_sentiment 행 미생성."""
+    asof = dt.date(2026, 5, 13)
+
+    fake_articles_by_ticker = {
+        "005930": [{"title": "삼성", "summary": "", "press": "", "pub_date": ""}],
+        "000660": [],  # 매핑 없음
+        "373220": [],  # 매핑 없음
+    }
+    fake_stats = {"total_articles": 1, "matched_pairs": 1, "hit_tickers": 1}
+
+    async def fake_score(llm, ticker, news, *, name=None, model="m"):
+        return {
+            "ticker": ticker, "score_raw": 5.0, "reason": "r",
+            "news_count": 1, "tokens_input": 100, "tokens_output": 20,
+            "model": model,
+        }
+
+    with patch.object(pipeline, "articles_source") as mas, \
+         patch.object(pipeline, "_analyzer") as ma, \
+         patch.object(pipeline, "_make_llm") as ml:
+        mas.gather_articles_for_tickers = MagicMock(
+            return_value=(fake_articles_by_ticker, fake_stats)
+        )
+        ma.score_sentiment = fake_score
+        ml.return_value.__aenter__.return_value = AsyncMock()
+        ml.return_value.__aexit__.return_value = None
+        result = await pipeline.refresh_daily(conn, asof, concurrency=3)
+
+    assert result["updated"] == 1
+    rows = conn.execute("SELECT ticker FROM news_sentiment "
+                        "WHERE date=?", ("2026-05-13",)).fetchall()
+    assert {r["ticker"] for r in rows} == {"005930"}
+```
+
+기존 `test_refresh_daily_failures_isolated` 는 articles_source 매핑 데이터를 추가해야 함:
+```python
+@pytest.mark.asyncio
+async def test_refresh_daily_failures_isolated(conn):
+    asof = dt.date(2026, 5, 13)
+
+    fake_articles_by_ticker = {
+        "005930": [{"title": "h", "summary": "", "press": "", "pub_date": ""}],
+        "000660": [{"title": "h", "summary": "", "press": "", "pub_date": ""}],
+        "373220": [{"title": "h", "summary": "", "press": "", "pub_date": ""}],
+    }
+    fake_stats = {"total_articles": 3, "matched_pairs": 3, "hit_tickers": 3}
+
+    async def fake_score(llm, ticker, news, *, name=None, model="m"):
+        if ticker == "000660":
+            raise RuntimeError("llm exploded")
+        return {
+            "ticker": ticker, "score_raw": 5.0, "reason": "r", "news_count": 1,
+            "tokens_input": 100, "tokens_output": 20, "model": model,
+        }
+
+    with patch.object(pipeline, "articles_source") as mas, \
+         patch.object(pipeline, "_analyzer") as ma, \
+         patch.object(pipeline, "_make_llm") as ml:
+        mas.gather_articles_for_tickers = MagicMock(
+            return_value=(fake_articles_by_ticker, fake_stats)
+        )
+        ma.score_sentiment = fake_score
+        ml.return_value.__aenter__.return_value = AsyncMock()
+        ml.return_value.__aexit__.return_value = None
+        result = await pipeline.refresh_daily(conn, asof, concurrency=3)
+
+    assert result["updated"] == 2
+    assert len(result["failures"]) == 1
+```
+
+상단 import 에 `MagicMock` 추가 확인:
+```python
+from unittest.mock import AsyncMock, MagicMock, patch
+```
+
+- [ ] **Step 2: 테스트 실패 확인**
+
+```bash
+python -m pytest tests/test_ai_news_pipeline.py -v
+```
+Expected: FAIL — pipeline 이 articles_source 를 아직 사용 안 함.
+
+- [ ] **Step 3: `pipeline.py` 본문 교체**
+
+`pipeline.py` 의 다음을 변경:
+
+(1) 상단 import 에 articles_source 추가:
+```python
+from . import scraper as _scraper          # legacy, kept for backward import
+from . import analyzer as _analyzer
+from . import articles_source              # 신규
+```
+
+(2) `_make_http()` 함수와 `DEFAULT_RATE_LIMIT_SEC` 상수는 제거 (또는 deprecate). 더 이상 사용 안 함.
+
+(3) `_process_one()` 함수를 다음으로 교체:
+```python
+async def _process_one(
+    ticker: str, name: str, articles: List[Dict[str, Any]],
+    sem: asyncio.Semaphore, llm, model: str,
+) -> Dict[str, Any]:
+    async with sem:
+        return await _analyzer.score_sentiment(
+            llm, ticker, articles, name=name, model=model,
+        )
+```
+
+(4) `refresh_daily()` 시그니처 + 본문 교체:
+```python
+async def refresh_daily(
+    conn: sqlite3.Connection,
+    asof: dt.date,
+    *,
+    top_n: int = DEFAULT_TOP_N,
+    concurrency: int = DEFAULT_CONCURRENCY,
+    max_news_per_ticker: int = DEFAULT_NEWS_PER_TICKER,
+    window_days: int = 1,
+    model: str = _analyzer.DEFAULT_MODEL,
+) -> Dict[str, Any]:
+    started = time.time()
+    tickers = _top_market_cap_tickers(conn, n=top_n)
+    name_map = {
+        r[0]: r[1] for r in conn.execute(
+            f"SELECT ticker, name FROM krx_master WHERE ticker IN "
+            f"({','.join('?' * len(tickers))})", tickers,
+        ).fetchall()
+    } if tickers else {}
+
+    articles_by_ticker, mapping_stats = articles_source.gather_articles_for_tickers(
+        conn, tickers, asof,
+        window_days=window_days,
+        max_per_ticker=max_news_per_ticker,
+    )
+
+    sem = asyncio.Semaphore(concurrency)
+    async with _make_llm() as llm:
+        tasks = []
+        for t in tickers:
+            arts = articles_by_ticker.get(t, [])
+            if not arts:
+                continue  # 매핑 0 — score 미생성
+            tasks.append(_process_one(t, name_map.get(t, t), arts, sem, llm, model))
+        raw_results = await asyncio.gather(*tasks, return_exceptions=True)
+
+    successes: List[Dict[str, Any]] = []
+    failures: List[str] = []
+    for r in raw_results:
+        if isinstance(r, BaseException):
+            failures.append(repr(r))
+        elif isinstance(r, dict):
+            successes.append(r)
+
+    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": 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,
+    }
+```
+
+(5) `_upsert_news_sentiment()` 함수에 `source` 인자 추가 + INSERT 에 컬럼 포함:
+```python
+def _upsert_news_sentiment(
+    conn: sqlite3.Connection, asof: dt.date,
+    rows: List[Dict[str, Any]], *, source: str = "articles",
+) -> None:
+    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()
+```
+
+- [ ] **Step 4: 테스트 통과 확인**
+
+```bash
+python -m pytest tests/test_ai_news_pipeline.py -v
+```
+Expected: PASS — `test_refresh_daily_happy_path`, `test_refresh_daily_failures_isolated`, `test_refresh_daily_no_match_ticker_skipped`, `test_top_market_cap_tickers` 모두 통과 (4 tests).
+
+- [ ] **Step 5: Commit**
+
+```bash
+git add app/screener/ai_news/pipeline.py tests/test_ai_news_pipeline.py
+git commit -m "feat(ai_news): pipeline uses articles_source (replaces Naver scraper)"
+```
+
+---
+
+### Task 5: `telegram.py` — 매핑 라인 추가
+
+**Files:**
+- Modify: `web-backend/stock-lab/app/screener/ai_news/telegram.py`
+- Modify: `web-backend/stock-lab/tests/test_ai_news_telegram.py`
+
+- [ ] **Step 1: 테스트 갱신 (실패 유도)**
+
+`tests/test_ai_news_telegram.py` 끝에 새 테스트 추가:
+```python
+def test_build_message_includes_mapping_line():
+    msg = tg.build_message(
+        asof="2026-05-14",
+        top_pos=[_row("005930", 8.5, "HBM 호재")],
+        top_neg=[],
+        tokens_input=1000, tokens_output=200,
+        mapping={"total_articles": 35, "matched_pairs": 50, "hit_tickers": 42},
+    )
+    assert "매핑" in msg
+    assert "42" in msg
+    assert "50" in msg
+    assert "35" in msg
+
+
+def test_build_message_without_mapping_omits_line():
+    msg = tg.build_message(
+        asof="2026-05-14",
+        top_pos=[],
+        top_neg=[],
+        tokens_input=1000, tokens_output=200,
+    )
+    assert "매핑" not in msg
+```
+
+- [ ] **Step 2: 테스트 실패 확인**
+
+```bash
+python -m pytest tests/test_ai_news_telegram.py -v
+```
+Expected: FAIL — `mapping` 인자 미지원.
+
+- [ ] **Step 3: `telegram.py` 의 `build_message` 시그니처 + footer 갱신**
+
+```python
+def build_message(
+    *,
+    asof: str,
+    top_pos: List[Dict[str, Any]],
+    top_neg: List[Dict[str, Any]],
+    tokens_input: int,
+    tokens_output: int,
+    mapping: Dict[str, int] | None = None,
+) -> str:
+    lines: List[str] = [
+        f"🌅 *AI 뉴스 분석* \\({_escape(asof)} 08:00\\)",
+        "",
+        "📈 *호재 Top 5*",
+    ]
+    if top_pos:
+        for i, r in enumerate(top_pos, 1):
+            lines.append(_row_line(i, r))
+    else:
+        lines.append(_escape("- (없음)"))
+
+    lines += ["", "📉 *악재 Top 5*"]
+    if top_neg:
+        for i, r in enumerate(top_neg, 1):
+            lines.append(_row_line(i, r))
+    else:
+        lines.append(_escape("- (없음)"))
+
+    cost = _cost_won(tokens_input, tokens_output)
+    mapping_part = ""
+    if mapping:
+        mapping_part = (
+            f"매핑 {mapping['hit_tickers']}/100 ticker "
+            f"\\({mapping['matched_pairs']}쌍 / articles {mapping['total_articles']}건\\) · "
+        )
+    lines += [
+        "",
+        f"_분석: 시총 상위 100종목 · {mapping_part}"
+        f"토큰 {tokens_input:,} in / {tokens_output:,} out · "
+        f"약 ₩{cost:,}_",
+    ]
+    return "\n".join(lines)
+```
+
+- [ ] **Step 4: 테스트 통과 확인**
+
+```bash
+python -m pytest tests/test_ai_news_telegram.py -v
+```
+Expected: PASS — 6 tests (기존 4 + 신규 2) 모두 통과.
+
+- [ ] **Step 5: Commit**
+
+```bash
+git add app/screener/ai_news/telegram.py tests/test_ai_news_telegram.py
+git commit -m "feat(ai_news): telegram includes article mapping stats line"
+```
+
+---
+
+### Task 6: `router.py` — mapping 응답 필드 전달
+
+**Files:**
+- Modify: `web-backend/stock-lab/app/screener/router.py`
+- Modify: `web-backend/stock-lab/tests/test_ai_news_router.py`
+
+- [ ] **Step 1: 테스트 갱신**
+
+`tests/test_ai_news_router.py` 의 `test_refresh_news_sentiment_weekday_invokes_pipeline` 보강:
+```python
+def test_refresh_news_sentiment_weekday_invokes_pipeline():
+    fake_summary = {
+        "asof": "2026-05-13", "updated": 3, "failures": [],
+        "duration_sec": 1.0, "tokens_input": 100, "tokens_output": 20,
+        "top_pos": [], "top_neg": [], "model": "m",
+        "mapping": {"total_articles": 5, "matched_pairs": 8, "hit_tickers": 3},
+    }
+    with patch("app.screener.router._ai_pipeline") as mp, \
+         patch("app.screener.router._ai_telegram") as mt:
+        mp.refresh_daily = AsyncMock(return_value=fake_summary)
+        mt.build_message = lambda **kw: f"TEXT_with_mapping={kw.get('mapping')}"
+        client = TestClient(app)
+        resp = client.post(
+            "/api/stock/screener/snapshot/refresh-news-sentiment?asof=2026-05-13"
+        )
+    assert resp.status_code == 200
+    body = resp.json()
+    assert body["mapping"]["hit_tickers"] == 3
+    assert "mapping=" in body["telegram_text"]
+```
+
+- [ ] **Step 2: 테스트 실패 확인**
+
+```bash
+python -m pytest tests/test_ai_news_router.py -v
+```
+Expected: FAIL — `mapping` 이 build_message 호출에 전달되지 않음.
+
+- [ ] **Step 3: `router.py` 의 `post_refresh_news_sentiment` 의 telegram_text 빌드 갱신**
+
+기존:
+```python
+    summary["telegram_text"] = _ai_telegram.build_message(
+        asof=summary["asof"],
+        top_pos=summary["top_pos"], top_neg=summary["top_neg"],
+        tokens_input=summary["tokens_input"],
+        tokens_output=summary["tokens_output"],
+    )
+```
+
+다음으로 교체:
+```python
+    summary["telegram_text"] = _ai_telegram.build_message(
+        asof=summary["asof"],
+        top_pos=summary["top_pos"], top_neg=summary["top_neg"],
+        tokens_input=summary["tokens_input"],
+        tokens_output=summary["tokens_output"],
+        mapping=summary.get("mapping"),
+    )
+```
+
+- [ ] **Step 4: 테스트 통과 확인**
+
+```bash
+python -m pytest tests/test_ai_news_router.py -v
+```
+Expected: PASS — 2 tests.
+
+- [ ] **Step 5: Commit**
+
+```bash
+git add app/screener/router.py tests/test_ai_news_router.py
+git commit -m "feat(ai_news): router forwards mapping stats to telegram"
+```
+
+---
+
+### Task 7: 전체 회귀 + scraper deprecate 주석
+
+**Files:**
+- Modify: `web-backend/stock-lab/app/screener/ai_news/scraper.py` (주석만)
+
+- [ ] **Step 1: scraper.py 상단에 deprecate 주석 추가**
+
+기존 docstring 을 다음으로 교체:
+```python
+"""[DEPRECATED] 네이버 finance 종목 뉴스 스크래핑.
+
+본 모듈은 ai_news Phase 1 (2026-05-14, `cdfa31b` spec) 에서 더 이상
+파이프라인에서 사용되지 않음. 데이터 소스는 stock-lab 의 articles 테이블
+(`ai_news/articles_source.py`) 로 전환됨.
+
+삭제 시점: Phase 2 (DART 도입) 결정 후. IC 검증 4주 누적 후 노드 활성화
+여부에 따라 본 모듈을 (a) 완전 삭제 또는 (b) DART 와 함께 ensemble
+fallback 으로 재활용.
+"""
+```
+
+다른 라인은 유지 (테스트가 여전히 import 함).
+
+- [ ] **Step 2: 전체 stock-lab 테스트 실행**
+
+```bash
+cd C:\Users\jaeoh\Desktop\workspace\web-backend\stock-lab
+python -m pytest --ignore=app/test_scraper.py -q
+```
+Expected: 신규 6 + 갱신 테스트 포함 **82 tests passed** (이전 76 + ai_news_articles_source 6 - 변동 없음).
+
+- [ ] **Step 3: Commit**
+
+```bash
+git add app/screener/ai_news/scraper.py
+git commit -m "docs(ai_news): mark scraper.py deprecated (Phase 1 transition)"
+```
+
+---
+
+### Task 8: 운영 검증 + 배포
+
+**Files:** (실행만, 수동 점검)
+
+- [ ] **Step 1: backend push**
+
+```bash
+cd C:\Users\jaeoh\Desktop\workspace\web-backend
+git push origin main
+```
+실패 시: 사용자에게 Gitea 자격증명 입력 요청.
+
+- [ ] **Step 2: deployer 반영 확인 (~1분)**
+
+```bash
+docker logs stock-lab --tail 20 2>&1 | grep -i "starting\|started"
+docker logs agent-office --tail 20 2>&1 | grep -i "starting\|started"
+```
+두 컨테이너 모두 새 startup 시각 확인.
+
+- [ ] **Step 3: 운영 DB 마이그레이션 자동 적용 확인**
+
+```bash
+docker exec stock-lab python -c "
+import sqlite3
+c = sqlite3.connect('/app/data/stock.db')
+cols = [r[1] for r in c.execute('PRAGMA table_info(news_sentiment)').fetchall()]
+print('news_sentiment columns:', cols)
+print('has source:', 'source' in cols)
+"
+```
+Expected: `has source: True`.
+
+- [ ] **Step 4: 수동 트리거**
+
+```bash
+curl -X POST "https://gahusb.synology.me/api/agent-office/command" \
+  -H "Content-Type: application/json" \
+  -d '{"agent":"stock","action":"run_ai_news"}'
+```
+응답 `{"ok": true}` 받으면 30-60초 후 텔레그램에 메시지 도착.
+
+- [ ] **Step 5: 텔레그램 메시지 검증**
+
+수신 메시지에 다음 패턴 모두 포함되는지 확인:
+- `🌅 AI 뉴스 분석 (YYYY-MM-DD 08:00)` 헤더
+- `📈 호재 Top 5` / `📉 악재 Top 5` 섹션
+- 종목명 + 티커 형태 (예: `삼성전자 (005930)`)
+- `매핑 N/100 ticker (M쌍 / articles K건)` 라인 (신규)
+- 토큰/비용 라인
+
+매핑 hit_tickers 가 합리적 범위 (예: 20~60) 인지 확인.
+
+- [ ] **Step 6: DB 검증**
+
+```bash
+docker exec stock-lab python -c "
+import sqlite3
+c = sqlite3.connect('/app/data/stock.db')
+rows = c.execute('SELECT COUNT(*), SUM(news_count), SUM(tokens_input) FROM news_sentiment WHERE date = date(\"now\") AND source = \"articles\"').fetchone()
+print('articles rows / total_news / tokens:', rows)
+# Naver 데이터와 비교
+naver = c.execute('SELECT COUNT(*) FROM news_sentiment WHERE source = \"articles\"').fetchone()
+print('all articles-source rows:', naver[0])
+"
+```
+Expected: `articles rows >= 10` (매핑 hit 종목 수), `source='articles'`.
+
+- [ ] **Step 7: 메모리 업데이트**
+
+`C:\Users\jaeoh\.claude\projects\C--Users-jaeoh-Desktop-workspace-web-ui\memory\project_stock_screener.md` 의 hotfix 이력에 본 슬라이스 commits 추가:
+- Phase 1 (`cdfa31b` spec + 본 plan 의 task commit SHA들)
+- 매핑 hit-rate 측정 결과 (예: "첫 실행 매핑 42/100, articles 35건, LLM cost ₩42")
+- 다음 단계: 4주 후 IC 측정 결과 보고 Phase 2 (DART) 또는 노드 삭제 결정
+
+---
+
+## 완료 후 검증 체크리스트
+
+본 plan 완료 시:
+- [ ] stock-lab `news_sentiment` 테이블에 `source` 컬럼 존재
+- [ ] 운영 트리거 시 source='articles' 행 생성, news_count > 0
+- [ ] 텔레그램 메시지에 매핑 N/100 라인 표시
+- [ ] 외부 HTTP 호출 (Naver) 0건
+- [ ] LLM cost 텔레그램 ₩ 라인이 이전(~₩60)보다 작거나 비슷 (~₩40-80)
+- [ ] 단위 테스트 신규 6 + 갱신 4 모두 통과, 기존 회귀 없음
+- [ ] `news_sentiment.source` 컬럼이 idempotent 하게 추가 (재기동 시 재추가 시도 없음)
+- [ ] legacy `scraper.py` 에 deprecate 주석 (코드 보존)
+
+## 후속 슬라이스 (이번 plan 완료 후)
+
+본 spec §15 명시:
+- **Phase 1.5** — 매핑 hit-rate < 30% 면 alias dict 추가
+- **Phase 2** — 4주 IC ≥ 0.05 시 DART OpenAPI 추가
+- **Phase X** — IC < 0.05 시 노드 deprecate

docs/superpowers/plans/2026-05-15-stock-lab-rename-to-stock.md

@@ -0,0 +1,506 @@
+# stock-lab → stock 리네이밍 Implementation Plan
+
+> **For agentic workers:** REQUIRED SUB-SKILL: Use superpowers:subagent-driven-development (recommended) or superpowers:executing-plans to implement this plan task-by-task. Steps use checkbox (`- [ ]`) syntax for tracking.
+
+**Goal:** `stock-lab` 컨테이너/디렉토리/환경변수를 `stock` 으로 graduation. lab 네이밍 정책 정리 + V2 Phase 1 작업 시작 전 선행.
+
+**Architecture:** Atomic refactor — web-backend repo 안의 모든 stock-lab 참조를 한 commit으로 갱신 (git mv + docker-compose + agent-office + nginx + 문서). web-ui/workspace CLAUDE.md 별도 commit. 메모리는 controller 직접 갱신. Python `app.*` import 경로 + API URL `/api/stock/...` + DB 파일 그대로 유지.
+
+**Tech Stack:** Git (mv with history), Docker Compose, nginx upstream, Python FastAPI / httpx.
+
+**선행 spec**: `web-ui/docs/superpowers/specs/2026-05-15-stock-lab-rename-to-stock.md`
+
+---
+
+## 사전 가정
+
+- web-backend repo 와 web-ui repo 는 별도 git 저장소
+- `workspace/CLAUDE.md` 는 git 관리 외 파일 (단순 편집)
+- `stock-lab/.venv/` 디렉토리는 `.gitignore` 되어 있음 (Windows 로컬 가상환경, 변경 영향 무관)
+- Gitea webhook 자동 배포: web-backend push → deployer rsync + docker compose up
+
+---
+
+## 파일 변경 매트릭스 요약 (Task 별로 상세)
+
+```
+[Task 1] grep 사전 검토 (코드 변경 0)
+
+[Task 2] web-backend atomic commit
+  - git mv stock-lab → stock (수십 파일)
+  - docker-compose.yml (서비스 키 + container_name + build.context + depends_on + agent-office env)
+  - agent-office/app/config.py (STOCK_LAB_URL → STOCK_URL)
+  - agent-office/app/service_proxy.py (import + 5 함수)
+  - agent-office/app/agents/stock.py (있다면)
+  - agent-office/tests/test_stock_screener_job.py
+  - nginx/default.conf (upstream + proxy_pass)
+  - CLAUDE.md, README.md, STATUS.md
+  - scripts/deploy-nas.sh, deploy.sh
+
+[Task 3] web-ui commit
+  - web-ui/CLAUDE.md
+
+[Task 4] workspace 편집 (git 없음 가능)
+  - workspace/CLAUDE.md
+
+[Task 5] 메모리 갱신 (controller, 별도 git 외)
+  - project_workspace.md / project_scale.md / project_stock_screener.md / nas_infra.md
+  - feedback_lab_naming.md (graduation 사례)
+
+[Task 6] 배포 + 검증
+  - 사용자 push (Gitea 자격증명) + NAS 검증
+```
+
+---
+
+### Task 1: 사전 검토 — 모든 stock-lab 참조 위치 확인
+
+**Files:** (검증만, 변경 없음)
+
+- [ ] **Step 1: web-backend stock-lab 참조 전체 grep (docs / .venv / __pycache__ 제외)**
+
+```bash
+cd /c/Users/jaeoh/Desktop/workspace/web-backend
+grep -rln "stock-lab\|STOCK_LAB" . \
+  --exclude-dir=.venv --exclude-dir=__pycache__ --exclude-dir=.git --exclude-dir=docs \
+  2>&1 | sort
+```
+
+Expected output (예상): 다음 파일들이 등장해야 함:
+- `./agent-office/app/agents/stock.py`
+- `./agent-office/app/config.py`
+- `./agent-office/app/service_proxy.py`
+- `./agent-office/tests/test_stock_screener_job.py`
+- `./CLAUDE.md`
+- `./docker-compose.yml`
+- `./nginx/default.conf`
+- `./README.md`
+- `./scripts/deploy-nas.sh`
+- `./scripts/deploy.sh`
+- `./STATUS.md`
+- `./stock-lab/...` (stock-lab 내부 파일들 — `app/main.py`, 테스트 등 내부 참조는 디렉토리 rename 으로 자연 해소)
+
+- [ ] **Step 2: web-ui stock-lab 참조 grep**
+
+```bash
+cd /c/Users/jaeoh/Desktop/workspace/web-ui
+grep -rln "stock-lab" . \
+  --exclude-dir=node_modules --exclude-dir=.git --exclude-dir=docs \
+  2>&1 | sort
+```
+
+Expected: `./CLAUDE.md` 만.
+
+- [ ] **Step 3: nginx/default.conf 정확한 변경 라인 식별**
+
+```bash
+grep -nE "stock-lab|upstream stock" /c/Users/jaeoh/Desktop/workspace/web-backend/nginx/default.conf
+```
+
+Expected: `upstream stock-lab { ... }` 블록 정의 + `proxy_pass http://stock-lab` 호출 라인 (1-3 곳).
+
+- [ ] **Step 4: web-backend stock-lab 내부의 자기 참조 확인 (디렉토리 rename 후 영향)**
+
+```bash
+grep -rln "stock-lab" /c/Users/jaeoh/Desktop/workspace/web-backend/stock-lab/ \
+  --exclude-dir=.venv --exclude-dir=__pycache__ 2>&1 | sort
+```
+
+Expected: `app/main.py` 의 헬스체크 메시지 + 일부 CLAUDE.md/README.md 문구. Python `app.*` import 는 stock-lab 문자열 없으므로 0건. 발견된 매칭은 Task 2 의 7단계 (디렉토리 내부 문서) 에서 처리.
+
+- [ ] **Step 5: 사용자에게 `.venv` 삭제 요청 (선택사항이지만 git mv 안전성 향상)**
+
+사용자에게 다음 메시지:
+> "git mv stock-lab → stock 직전에 `web-backend/stock-lab/.venv/` 디렉토리 삭제 권장 (Windows local 가상환경, .gitignore 되어있어 영향 없음. 사용 시 재생성 필요). 삭제 완료 후 Task 2 진행."
+
+Step 5 는 사용자 직접 실행:
+```bash
+rm -rf /c/Users/jaeoh/Desktop/workspace/web-backend/stock-lab/.venv
+```
+
+- [ ] **Step 6: Step 1-4 결과 기록 (commit 없음, Task 2 의 cross-check 자료)**
+
+기록할 항목:
+- 변경 대상 파일 N개 (Step 1 출력)
+- nginx config 의 정확한 변경 라인 (예: 라인 12, 18, 25 등)
+- 사용자가 `.venv` 삭제 완료했는지
+
+---
+
+### Task 2: web-backend repo atomic commit
+
+**Files:** (web-backend repo)
+- Rename: `stock-lab/` → `stock/`
+- Modify: `docker-compose.yml`
+- Modify: `agent-office/app/config.py`
+- Modify: `agent-office/app/service_proxy.py`
+- Modify: `agent-office/app/agents/stock.py` (해당 시)
+- Modify: `agent-office/tests/test_stock_screener_job.py`
+- Modify: `nginx/default.conf`
+- Modify: `CLAUDE.md`
+- Modify: `README.md`
+- Modify: `STATUS.md`
+- Modify: `scripts/deploy-nas.sh`
+- Modify: `scripts/deploy.sh`
+
+- [ ] **Step 1: git mv 디렉토리 rename**
+
+```bash
+cd /c/Users/jaeoh/Desktop/workspace/web-backend
+git mv stock-lab stock
+git status --short | head -10
+```
+
+Expected: git status 에 `R  stock-lab/... -> stock/...` 라인 다수. .venv 가 사용자에 의해 사전 삭제되었다면 무관, 살아있어도 .gitignore 로 untracked.
+
+- [ ] **Step 2: docker-compose.yml 갱신**
+
+`docker-compose.yml` 안 4 곳 변경:
+1. `services:` 아래 `stock-lab:` 키 → `stock:`
+2. `container_name: stock-lab` → `container_name: stock`
+3. `build:` 의 `context: ./stock-lab` → `context: ./stock`
+4. `frontend:` 의 `depends_on:` 항목 중 `- stock-lab` → `- stock`
+5. `agent-office:` 의 `environment:` 안 `STOCK_LAB_URL=http://stock-lab:8000` → `STOCK_URL=http://stock:8000`
+
+수정 명령 (Edit tool 로 안전하게):
+- `stock-lab:` 단일 occurrence → `stock:`
+- `container_name: stock-lab` → `container_name: stock`
+- `context: ./stock-lab` → `context: ./stock`
+- `- stock-lab` (frontend.depends_on 항목) → `- stock`
+- `STOCK_LAB_URL=http://stock-lab:8000` → `STOCK_URL=http://stock:8000`
+
+- [ ] **Step 3: agent-office/app/config.py 갱신**
+
+`STOCK_LAB_URL = os.getenv("STOCK_LAB_URL", "http://stock-lab:8000")` 형태의 라인을:
+```python
+STOCK_URL = os.getenv("STOCK_URL", "http://stock:8000")
+```
+으로 교체. 다른 lab URL (MUSIC_LAB_URL 등) 은 그대로 유지.
+
+- [ ] **Step 4: agent-office/app/service_proxy.py 갱신**
+
+상단 import:
+```python
+from .config import STOCK_LAB_URL, MUSIC_LAB_URL, BLOG_LAB_URL, REALESTATE_LAB_URL
+```
+을:
+```python
+from .config import STOCK_URL, MUSIC_LAB_URL, BLOG_LAB_URL, REALESTATE_LAB_URL
+```
+으로 변경.
+
+함수 본문의 `STOCK_LAB_URL` 사용 5개 (fetch_stock_news / fetch_stock_indices / summarize_stock_news / refresh_screener_snapshot / run_stock_screener) 모두 `STOCK_URL` 로 변경. 또한 본 spec 이후 추가된 `refresh_ai_news_sentiment` 함수도 STOCK_URL 사용.
+
+가장 단순한 방법: 파일 안 모든 `STOCK_LAB_URL` → `STOCK_URL` 치환 (replace_all).
+
+- [ ] **Step 5: agent-office/app/agents/stock.py 갱신**
+
+다음 패턴 grep:
+```bash
+grep -n "stock-lab\|STOCK_LAB" /c/Users/jaeoh/Desktop/workspace/web-backend/agent-office/app/agents/stock.py
+```
+
+매칭이 있으면 (`stock-lab` 호스트 URL 또는 환경변수명 직접 참조) 갱신. 없으면 skip.
+
+- [ ] **Step 6: agent-office/tests/test_stock_screener_job.py 갱신**
+
+```bash
+grep -n "stock-lab\|STOCK_LAB" /c/Users/jaeoh/Desktop/workspace/web-backend/agent-office/tests/test_stock_screener_job.py
+```
+
+mock URL 또는 환경변수 참조 갱신. `STOCK_LAB_URL` → `STOCK_URL`, `http://stock-lab:` → `http://stock:`.
+
+- [ ] **Step 7: nginx/default.conf 갱신**
+
+Task 1 Step 3 에서 식별된 라인 모두 변경:
+- `upstream stock-lab` → `upstream stock`
+- `server stock-lab:8000;` → `server stock:8000;`
+- `proxy_pass http://stock-lab` → `proxy_pass http://stock`
+
+- [ ] **Step 8: 운영 문서 갱신 (CLAUDE.md / README.md / STATUS.md / scripts/)**
+
+각 파일 grep 후 모든 stock-lab 언급을 stock 으로 교체:
+- `web-backend/CLAUDE.md` — 디렉토리 표 + 서비스 표 + 환경변수 표
+- `web-backend/README.md` — 동일
+- `web-backend/STATUS.md` — 동일
+- `web-backend/scripts/deploy-nas.sh` — stock-lab 호출/경로 갱신
+- `web-backend/scripts/deploy.sh` — 동일
+
+수정 방법: 각 파일에 대해 grep → Edit tool replace_all (단, 의도적 보존 항목 — 예: 과거 변경 이력 등 — 있는지 검토).
+
+- [ ] **Step 9: stock 디렉토리 내부 문서 갱신**
+
+Task 1 Step 4 에서 발견된 stock-lab 내부 자기 참조 (예: `stock/CLAUDE.md`, `stock/app/main.py` 헬스체크 문구) 모두 갱신.
+
+- [ ] **Step 10: agent-office 테스트 회귀 검증**
+
+```bash
+cd /c/Users/jaeoh/Desktop/workspace/web-backend/agent-office
+python -m pytest tests/test_stock_screener_job.py -v
+```
+
+Expected: PASS — `STOCK_LAB_URL` 참조 없이 새 `STOCK_URL` 환경변수 기반으로 mock 통과.
+
+- [ ] **Step 11: stock pytest 회귀**
+
+```bash
+cd /c/Users/jaeoh/Desktop/workspace/web-backend/stock
+python -m pytest --ignore=app/test_scraper.py -q 2>&1 | tail -5
+```
+
+Expected: 80+ tests passed (이전 76 + Phase 1 작업 전 검증). 디렉토리 이름만 변경, 코드 무변. 회귀 0건.
+
+- [ ] **Step 12: 최종 grep 검증 — stock-lab 잔여 0건**
+
+```bash
+cd /c/Users/jaeoh/Desktop/workspace/web-backend
+grep -rln "stock-lab\|STOCK_LAB" . \
+  --exclude-dir=.venv --exclude-dir=__pycache__ --exclude-dir=.git --exclude-dir=docs \
+  2>&1 | sort
+```
+
+Expected: **0 lines** (의도적 보존된 docs/ 제외).
+
+만약 0건이 아니면 빠진 위치 찾아서 추가 갱신 후 재검증.
+
+- [ ] **Step 13: web-backend atomic commit**
+
+```bash
+cd /c/Users/jaeoh/Desktop/workspace/web-backend
+git add -A
+git status --short | head -20
+git commit -m "refactor: rename stock-lab → stock (graduation)
+
+- git mv stock-lab/ → stock/
+- docker-compose.yml: 서비스 키 + container_name + build.context +
+  frontend.depends_on + agent-office STOCK_LAB_URL → STOCK_URL
+- agent-office/app: config.py, service_proxy.py STOCK_LAB_URL → STOCK_URL
+- nginx/default.conf: upstream + proxy_pass 갱신
+- CLAUDE.md / README.md / STATUS.md / scripts/ 문구 갱신
+
+lab 네이밍 정책 (feedback_lab_naming.md) 에 따라 정식 graduation.
+API URL / Python import / DB 파일명은 변경 없음."
+```
+
+---
+
+### Task 3: web-ui CLAUDE.md 갱신
+
+**Files:**
+- Modify: `web-ui/CLAUDE.md` (web-ui repo)
+
+- [ ] **Step 1: stock-lab 언급 grep**
+
+```bash
+grep -n "stock-lab" /c/Users/jaeoh/Desktop/workspace/web-ui/CLAUDE.md
+```
+
+Expected: 디렉토리 경로 / 라우팅 설명 / API 표 등에서 다수 매칭.
+
+- [ ] **Step 2: 모두 stock 으로 교체**
+
+Edit tool 의 `replace_all=true` 로 `stock-lab` → `stock` 일괄 치환. 단, "stock screener" 같은 단어는 영향 없음 (정확한 `stock-lab` 문자열만 매칭).
+
+- [ ] **Step 3: commit**
+
+```bash
+cd /c/Users/jaeoh/Desktop/workspace/web-ui
+git add CLAUDE.md
+git commit -m "docs: rename stock-lab → stock in CLAUDE.md"
+```
+
+---
+
+### Task 4: workspace/CLAUDE.md 갱신 (git 외 가능)
+
+**Files:**
+- Modify: `/c/Users/jaeoh/Desktop/workspace/CLAUDE.md`
+
+- [ ] **Step 1: git 관리 여부 확인**
+
+```bash
+ls /c/Users/jaeoh/Desktop/workspace/.git 2>&1
+```
+
+Expected: `No such file or directory` — workspace 자체는 git repo 아님. 단순 파일 편집.
+
+(만약 git 관리 중이라면 별도 commit 진행)
+
+- [ ] **Step 2: stock-lab 언급 grep + 교체**
+
+```bash
+grep -n "stock-lab" /c/Users/jaeoh/Desktop/workspace/CLAUDE.md
+```
+
+Edit tool 로 `stock-lab` → `stock` 일괄 치환.
+
+- [ ] **Step 3: 변경 사항 사용자에게 알림 (commit 없음, 단순 파일)**
+
+workspace/CLAUDE.md 는 단순 파일 — 자동 syncing 없음. 사용자에게 다음 메시지 전달:
+> "workspace/CLAUDE.md 갱신 완료. git 관리 외 파일이라 commit 없음. 다음 세션부터 자동 적용."
+
+---
+
+### Task 5: 메모리 갱신 (controller 직접)
+
+**Files:**
+- Modify: `C:\Users\jaeoh\.claude\projects\C--Users-jaeoh-Desktop-workspace-web-ui\memory\project_workspace.md`
+- Modify: `...\memory\project_scale.md`
+- Modify: `...\memory\project_stock_screener.md`
+- Modify: `...\memory\nas_infra.md`
+- Modify: `...\memory\feedback_lab_naming.md` (graduation 사례 추가)
+
+- [ ] **Step 1: 메모리 폴더 grep**
+
+```bash
+grep -rln "stock-lab\|STOCK_LAB" /c/Users/jaeoh/.claude/projects/C--Users-jaeoh-Desktop-workspace-web-ui/memory/ 2>&1
+```
+
+매칭 파일 모두 확인.
+
+- [ ] **Step 2: 각 메모리에서 stock-lab → stock 갱신**
+
+다음 표를 보고 각 파일에서 Edit:
+
+| 파일 | 주요 갱신 |
+|------|----------|
+| `project_workspace.md` | "stock-lab/" → "stock/" (디렉토리 경로) |
+| `project_scale.md` | 백엔드 서비스 표의 stock-lab 행 → stock |
+| `project_stock_screener.md` | 백엔드 위치 / 컨테이너 이름 모두 |
+| `nas_infra.md` | Docker 서비스 포트 표 + nginx 라우팅 |
+
+- [ ] **Step 3: feedback_lab_naming.md 에 graduation 사례 등재**
+
+기존 메모리 본문 끝에 다음 추가:
+```markdown
+
+## Graduation 이력
+- **2026-05-15**: `stock-lab` → `stock` graduation. 8 노드 screener + 캔버스 UI + AI 뉴스 Phase 1 + V2 시그널 파이프라인 중심 = 정식 서비스 단계. 디렉토리/컨테이너/환경변수 (`STOCK_LAB_URL` → `STOCK_URL`) 갱신. API URL `/api/stock/*` + Python import / DB 파일명 그대로.
+```
+
+- [ ] **Step 4: MEMORY.md 인덱스의 stock_screener 행에 영향 있나 확인**
+
+```bash
+grep -n "stock-lab" /c/Users/jaeoh/.claude/projects/C--Users-jaeoh-Desktop-workspace-web-ui/memory/MEMORY.md
+```
+
+매칭 있으면 갱신, 없으면 skip.
+
+- [ ] **Step 5: 메모리 폴더 잔여 grep 검증 (0건)**
+
+```bash
+grep -rln "stock-lab\|STOCK_LAB" /c/Users/jaeoh/.claude/projects/C--Users-jaeoh-Desktop-workspace-web-ui/memory/ 2>&1
+```
+
+Expected: 0 lines (feedback_lab_naming.md의 graduation 본문 안에 의도적으로 "stock-lab" 언급은 가능 — 정책 사례 명시).
+
+---
+
+### Task 6: 배포 + 운영 검증
+
+**Files:** (실행만, 변경 없음)
+
+- [ ] **Step 1: web-backend push (사용자 수동, Gitea 자격증명 필요)**
+
+```bash
+cd /c/Users/jaeoh/Desktop/workspace/web-backend
+git push origin main
+```
+
+자격증명 prompt 시 사용자가 입력. push 성공 시 Gitea webhook → deployer rsync + docker compose up 자동.
+
+- [ ] **Step 2: web-ui push (사용자 수동)**
+
+```bash
+cd /c/Users/jaeoh/Desktop/workspace/web-ui
+git push origin main
+```
+
+자격증명 prompt. 본 push 는 CLAUDE.md 한 줄 변경만이라 deployer 영향 없음.
+
+- [ ] **Step 3: NAS 컨테이너 상태 확인 (사용자가 NAS SSH)**
+
+```bash
+docker ps --format "{{.Names}}: {{.Status}}" | grep -E "stock|agent-office"
+```
+
+Expected:
+- `stock: Up (healthy)` 라인 존재 (옛 stock-lab 컨테이너는 사라짐)
+- `agent-office: Up (healthy)`
+
+- [ ] **Step 4: stock 컨테이너 로그 확인**
+
+```bash
+docker logs stock --tail 30
+```
+
+Expected: FastAPI startup 로그, init_db 완료, 어떤 stock-lab 잔여 참조나 에러 없음.
+
+- [ ] **Step 5: agent-office 환경변수 확인**
+
+```bash
+docker exec agent-office env | grep -E "STOCK|stock"
+```
+
+Expected:
+- `STOCK_URL=http://stock:8000` (새 변수)
+- (옛 `STOCK_LAB_URL` 잔여가 없어야 — `.env` 파일에 남아있으면 사용자가 수동 삭제)
+
+- [ ] **Step 6: API curl 검증**
+
+```bash
+curl -s https://gahusb.synology.me/api/stock/news | python -m json.tool | head -10
+curl -s https://gahusb.synology.me/api/stock/screener/runs | python -m json.tool | head -10
+```
+
+Expected: 200 응답, JSON 파싱 정상.
+
+- [ ] **Step 7: agent-office 수동 트리거 (테스트)**
+
+```bash
+curl -X POST "https://gahusb.synology.me/api/agent-office/command" \
+  -H "Content-Type: application/json" \
+  -d '{"agent":"stock","action":"run_ai_news"}'
+```
+
+Expected: `{"ok": true, "message": "AI 뉴스 분석 트리거 완료"}`. 30-60초 후 텔레그램 메시지 도착 = stock 호스트 라우팅 정상.
+
+- [ ] **Step 8: web-ui 페이지 회귀 (브라우저)**
+
+`https://gahusb.synology.me/stock/screener` 접속:
+- 캔버스 모드 진입 정상
+- 슬라이더 조작 → settings PUT 정상 (X-WebAI-Key 미사용 상태에서도 통과 — 인증은 Phase 1 작업)
+- 노드 변경 즉시 반영
+
+`https://gahusb.synology.me/portfolio` 접속:
+- portfolio 페이지 정상 (current_price/PnL 표시 — Phase 1 작업 전이므로 raw 값만 표시)
+
+- [ ] **Step 9: 운영 .env 파일 정리 안내 (사용자 수동)**
+
+NAS의 `/volume1/docker/webpage/.env` 파일에서:
+- `STOCK_LAB_URL=...` 라인 삭제 (또는 `STOCK_URL=...` 로 갱신)
+- agent-office 컨테이너 재기동 필요 시: `docker restart agent-office`
+
+사용자에게 알림:
+> "NAS의 .env 파일에서 옛 STOCK_LAB_URL 라인 제거 권장. agent-office 의 default fallback (`http://stock:8000`) 으로 동작 가능하지만, 명시적 STOCK_URL 등재가 깔끔."
+
+---
+
+## 완료 후 검증 체크리스트
+
+- [ ] `web-backend/stock-lab/` 사라지고 `stock/` 존재 (`ls web-backend/stock` 확인)
+- [ ] `grep -rln "stock-lab\|STOCK_LAB" web-backend --exclude-dir=docs --exclude-dir=.venv --exclude-dir=__pycache__ --exclude-dir=.git` → 0 lines
+- [ ] web-ui/CLAUDE.md stock-lab 0건
+- [ ] workspace/CLAUDE.md stock-lab 0건
+- [ ] 메모리 폴더 stock-lab 0건 (feedback_lab_naming.md graduation 본문 외)
+- [ ] docker ps 에 `stock` 컨테이너 healthy
+- [ ] curl `/api/stock/news` 200
+- [ ] agent-office `run_ai_news` 수동 트리거 + 텔레그램 도착
+- [ ] stock pytest 76+ tests passed (회귀 0)
+- [ ] agent-office tests 통과
+- [ ] web-ui 페이지 (portfolio + screener) 정상
+
+## 본 plan 완료 후 다음 단계
+
+- **Confidence Signal Pipeline V2 Phase 1 brainstorming 시작** (이전 발표 디자인 그대로, 새 이름 `stock` 기준)
+- spec → plan → 실행 (1주 작업 예상)

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)

docs/superpowers/specs/2026-05-15-confidence-signal-pipeline-v2-architecture.md

@@ -0,0 +1,420 @@
+# Confidence Signal Pipeline V2 — Architecture & Contract (Phase 0)
+
+**작성일**: 2026-05-15
+**작성자**: gahusb
+**상태**: Approved for implementation (Phase 0 = architecture decisions, 코드 변경 없음)
+**Amended 2026-05-15**: Chronos-2 채택 (LSTM 폐기) + Qwen3 14B 채택 (Claude Haiku 폐기). 모델 결정 11개 보정.
+**선행 컨텍스트**:
+- adversarial review (2026-05-13) — 신호 검증 인프라 필요성
+- Stock Screener V1 (post-close 16:30 Top-N) — 가치 발굴 완성
+- AI News Phase 1 (`articles` source, weight=0 검증 대기) — sentiment 신호
+- web-ai (Windows GPU, RTX 5070 Ti) — LSTM + KIS API + Telegram Bot 기존 자산
+
+---
+
+## 1. 비전
+
+**"주식을 쉽게 잘하기"** — 다층 신뢰도 시스템으로 사용자 + 아내 모두에게 확신 있는 매매 신호 전달.
+
+V1 screener는 종가 기반 일별 Top-N 만 산출. V2는:
+- **가치 발굴 (stock-lab 종가 기반)** ×
+- **시점 분석 (web-ai 장중 Chronos-2 + 분봉)** ×
+- **2차 검증 (agent-office → web-ai Qwen3 14B Ollama)** ×
+- **이중 텔레그램 (본인 = 기술 풀 / 아내 = 간소화)**
+= **확신의 신호**
+
+**역할 분리 — 두 AI 모델**:
+- **Chronos-2** (Amazon, 120M params, FP16 ~1GB) = 시계열 예측 엔진 (수치 → quantile 분포)
+- **Qwen3 14B Q4** (Ollama, ~8.3GB) = 분석가/개발자 보조 두뇌 (자연어 메시지 + 전략 해석 + 코드 자동화)
+
+---
+
+## 2. Phase 0 산출물
+
+**본 spec 1 문서**. 코드 변경 0. 후속 Phase 1-7 의 모든 구현이 본 spec 의 결정을 따른다.
+
+핵심 결정 8개 (amend 시점):
+1. 데이터 채널 — `web-ai pull from stock-lab` (web-ai 가 polling)
+2. 데이터 소스 — KIS API 직접 (web-ai) + stock-lab API (settings/screener/portfolio)
+3. **시점 예측 모델 — Chronos-2 (Amazon, 120M, zero-shot, quantile 분포)**
+4. **2차 검증 모델 — Qwen3 14B Q4 (Ollama on web-ai, ~8.3GB, 응답 ~13초)**
+5. 2차 검증 방식 — context augmentation (메시지 직접 작성 + 양방향 게이트)
+6. 트리거 — 매수 (screener Top-20) + 매도 (portfolio 보유). 관심종목은 백로그
+7. 이중 텔레그램 — 본인 풀버전 + 아내 간소화. LLM 단일 콜에서 양쪽 생성
+8. 운영 — 시간대별 폴링 주기 (장전 5분 / 장중 1분 / 장후 5분 / 야간 없음 — Chronos-2 zero-shot)
+
+---
+
+## 3. 시스템 아키텍처
+
+```
+┌─────────────────────────────────────┐      ┌──────────────────────────────────┐
+│   NAS (Synology Docker)              │      │   Windows PC (RTX 5070 Ti)        │
+│                                      │      │                                   │
+│  ┌────────────────────────────────┐  │      │  ┌─────────────────────────────┐ │
+│  │ stock-lab :18500                │  │      │  │ web-ai :8001                │ │
+│  │  • /screener/settings           │◄─┼──────┼─►│  ① Pull Worker             │ │
+│  │  • /screener/run                │  │ HTTP │  │     (시간대별 폴링)         │ │
+│  │  • /portfolio                   │  │ pull │  │                             │ │
+│  │  • /news-sentiment (옵션)       │  │      │  │  ② KIS Client              │ │
+│  └────────────────────────────────┘  │      │  │     (WebSocket 분봉/호가)   │ │
+│                                      │      │  │                             │ │
+│  ┌────────────────────────────────┐  │      │  │  ③ Chronos-2 Predictor    │ │
+│  │ agent-office :18900             │◄─┼──────┼──┤     (Chronos-2 120M zero-shot)│ │
+│  │  • /signal (Ollama 라우팅)      │  │ HTTP │  │     60일 → quantile 분포     │ │
+│  │  • Telegram dispatcher (이중)   │  │ push │  │                             │ │
+│  │  → web-ai Ollama HTTP 호출      │  │      │  │  ④ Timing Analyzer         │ │
+│  └─────────┬──────────────────────┘  │ trig │  │     (분봉 모멘텀)           │ │
+│            │                          │      │  │                             │ │
+└────────────┼──────────────────────────┘      │  │  ⑤ Signal Generator        │ │
+             │                                  │  │     (매수/매도 룰)          │ │
+             ▼                                  │  │                             │ │
+       ┌─────────────────┐                     │  │  ⑥ Rate Limiter            │ │
+       │   Telegram       │                     │  │     (24h 중복 차단)         │ │
+       │  - 본인 (full)   │                     │  └─────────────┬───────────────┘ │
+       │  - 아내 (lite)   │                     │                                   │
+       └─────────────────┘                     └───────────────────────────────────┘
+```
+
+**책임 분리**:
+- **stock-lab**: 가치 발굴 (8 노드 + 위생 게이트 + ATR), 사용자 설정 저장, portfolio 단일 진실원
+- **web-ai**: 시점 분석 (Chronos-2 + 분봉), 시그널 생성, rate limit, **Ollama LLM 호스팅 (Qwen3 14B Q4)**
+- **agent-office**: 신호 라우팅 (web-ai Ollama HTTP 호출), 텔레그램 발송 (본인 + 아내)
+- **web-ui**: stock-lab settings 편집 (캔버스 UI). 신호 수신/표시는 V2 NOT.
+
+**VRAM 분배 (RTX 5070 Ti 16GB, usable 15.5GB)**:
+- Chronos-2: ~1GB
+- Qwen3 14B Q4: ~8.3GB
+- 합: ~9.3GB
+- 여유: ~6GB (안전 마진)
+
+---
+
+## 4. 데이터 소스 분담
+
+| 데이터 | 출처 | 갱신 주기 | 저장소 |
+|--------|------|----------|-------|
+| KRX 일봉 60일 (Chronos-2 입력) | KIS API (web-ai 직접) | 시작 시 + 종가 후 갱신 | web-ai 로컬 |
+| 정규장 분봉/실시간 호가 | KIS API WebSocket (web-ai 직접) | 실시간 | web-ai 메모리 |
+| NXT 가격 스냅샷 (장전/장후) | KIS API + 네이버 모바일 백업 | 30초~1분 폴링 | web-ai 로컬 |
+| screener settings (가중치) | stock-lab API (web-ai pull) | 1-5분 | NAS `stock.db` |
+| screener 점수 (Top-20) | stock-lab `/run` 호출 결과 | 1-5분 | NAS (preview 모드, 미저장) |
+| portfolio (보유 종목 + 평단) | stock-lab API (web-ai pull) | 1-5분 | NAS `stock.db` |
+| 외인/기관 수급 | stock-lab (네이버 frgn) | 종가 후 16:30 | NAS `stock.db` |
+| AI 뉴스 sentiment | stock-lab (articles 기반 Claude) | 평일 08:00 | NAS `stock.db` |
+| 사용자 텔레그램 chat IDs | agent-office 환경변수 | 정적 | docker-compose env |
+
+**원칙**:
+- web-ai는 NAS DB 직접 접근 안 함 — 모든 데이터는 stock-lab API 경유
+- KIS API 데이터는 web-ai 로컬에만 — NAS push 안 함 (실시간성 + 용량)
+- 본인+아내 chat ID 는 agent-office 단독 보관 — web-ai 는 ticker/action 만 push
+
+---
+
+## 5. API 계약
+
+### 5.1 stock-lab → web-ai (pull 응답)
+
+**기존 endpoint (변경 없음)**:
+- `GET /api/stock/screener/settings` — 현재 가중치/임계값
+- `POST /api/stock/screener/run {mode:"preview"}` — 8 노드 점수 + Top-N (DB 미저장)
+- `GET /api/portfolio` — 보유 종목 리스트
+
+**신규 endpoint (Phase 1)**:
+- `GET /api/stock/screener/news-sentiment?days=1` — 종목별 sentiment 점수 (옵션, Phase 1 에 추가)
+
+### 5.2 web-ai → agent-office (push)
+
+**신규 endpoint** (Phase 5):
+```
+POST /api/agent-office/signal
+Content-Type: application/json
+```
+
+Request body:
+```json
+{
+  "ticker": "005930",
+  "name": "삼성전자",
+  "action": "buy" | "sell",
+  "confidence_webai": 0.82,
+  "current_price": 78500,
+  "avg_price": 75000,     // sell 시에만
+  "pnl_pct": 0.047,        // sell 시에만
+  "context": {
+    "lstm_pred_1d": 0.023,
+    "lstm_pred_conf": 0.82,
+    "screener_rank": 3,
+    "screener_scores": {"foreign_buy": 88, "volume_surge": 75, "momentum": 60, ...},
+    "minute_momentum": "strong_up" | "weak_up" | "neutral" | "weak_down" | "strong_down",
+    "kospi_change": 0.004,
+    "news_sentiment": 6.2,
+    "news_top": ["HBM 양산 가시화", "1분기 어닝 서프라이즈"]
+  }
+}
+```
+
+Response (agent-office → web-ai):
+```json
+{
+  "ok": true,
+  "decision": "send" | "hold",
+  "final_confidence": 0.745,
+  "telegram_self_sent": true,
+  "telegram_wife_sent": true
+}
+```
+
+### 5.3 web-ai Ollama 응답 (agent-office → Ollama HTTP)
+
+agent-office 가 web-ai 의 Ollama (Qwen3 14B Q4) 에 보내는 prompt 의 응답 schema:
+```json
+{
+  "decision": "send" | "hold",
+  "confidence_llm": 0.91,
+  "reason": "외인+거래량+호재 일관성 강함",
+  "warnings": ["KOSPI 약세 가능성"],
+  "message_self": "🔔 매수 신호: 삼성전자 (005930)\n💡 신뢰도 ...",
+  "message_wife": "📈 추천: 삼성전자 매수 검토\n사유: ..."
+}
+```
+
+`final_confidence = confidence_webai × confidence_llm`. 임계값 (default 0.7) 미만 또는 `decision="hold"` 면 silent (텔레그램 발송 안 함).
+
+**프롬프트 엔지니어링 (Qwen3 14B JSON 강제)** — ai_news 슬라이스의 Claude JSON 강제 패턴 적용:
+- system: "너는 한국 주식 분석가다. JSON 객체 하나만 반환한다."
+- assistant prefill `"{"` 로 응답 시작 강제
+- temperature=0
+- 응답 파싱 실패 시 `decision="hold"` 폴백 (silent block)
+
+---
+
+## 6. 시그널 룰
+
+### 6.1 매수 신호 (screener Top-20 종목 대상)
+
+조건 (전부 충족):
+1. Chronos-2 1-day quantile (median) 예측 > 0% 그리고 분포 폭 (90-10 분위수 / 50 분위수) < 0.6 (좁은 분포 = 높은 conf)
+2. 분봉 모멘텀 = `strong_up`:
+   - 5분봉 5개 연속 양봉
+   - 거래량 > 평균 1.5배
+3. KIS 호가 매수세 ≥ 60%
+
+종합 confidence:
+```
+confidence_webai = chronos_conf × 0.5 + minute_score × 0.3 + screener_norm × 0.2
+```
+- `chronos_conf` ∈ [0, 1] — Chronos-2 분포 폭에서 변환 (좁을수록 1에 가까움)
+- `minute_score` ∈ [0, 1] (5분봉 강도 + 거래량 multiplier 정규화)
+- `screener_norm` = 1 - (rank - 1) / 20 (rank 1 = 1.0, rank 20 = 0.05)
+
+**임계값**: `confidence_webai > 0.7` → agent-office 전송. 아니면 silent.
+
+### 6.2 매도 신호 (portfolio 보유 종목 대상)
+
+**손절선** (사용자 조정 가능, default -7%):
+- `pnl_pct < -0.07` 시 즉시 매도 시그널 (Chronos-2/분봉 무관)
+- 메시지: "손절선 도달, 매도 검토"
+
+**익절선** (default +15%):
+- `pnl_pct > 0.15` 시 검토 알림 (강제 매도 아님)
+- 메시지: "익절선 도달, 부분 매도 또는 추세 추종 검토"
+
+**이상 신호** (보유 중 급격한 약세):
+- Chronos-2 1-day quantile (median) 예측 < -1% + 분포 폭 좁음 (chronos_conf > 0.7)
+- 분봉 모멘텀 = `strong_down`
+- KIS 호가 매도세 ≥ 60%
+- `confidence_webai > 0.7` 동일 임계값으로 전송
+
+### 6.3 Rate limit
+
+- **같은 종목 + 같은 action**: 24h 내 재알림 금지
+- **장 마감 후 재실행**: 손절선/익절선 알림은 1일 1회 maximum
+- Rate limit state: web-ai 로컬 SQLite 또는 메모리 dict (재기동 시 reset = 운영상 허용)
+
+---
+
+## 7. 텔레그램 메시지 형식
+
+### 7.1 본인 (기술 풀)
+
+```
+🔔 매수 신호: 삼성전자 (005930)
+💡 신뢰도 87/100 (web-ai 82 × Qwen3 91)
+
+📊 분석 근거:
+• Chronos-2 예측: 다음날 +2.3% (분포 폭 좁음, conf 0.82)
+• Screener Top-3: 외인+거래량 강세
+• AI 뉴스: +6.2 (HBM 양산 가시화)
+• 분봉 모멘텀: 강세 (5분봉 5연속 양봉)
+• KOSPI: +0.4% (약강세)
+
+⚠️ 주의:
+• 코스피 약세 구간 진입 가능성
+• 분할 매수 권고
+
+현재가: 78,500원
+```
+
+### 7.2 아내 (간소화)
+
+```
+📈 추천: 삼성전자 매수 검토
+사유: 외국인 매수 강세 + 호재 뉴스
+추천 강도: ★★★★☆ (높음)
+현재가: 78,500원
+```
+
+추천 강도 표시: `final_confidence` 기준
+- ★★★★★ (0.85+)
+- ★★★★☆ (0.7-0.85)
+- ★★★☆☆ (0.55-0.7) — 텔레그램 발송은 0.7 임계값이라 도달 안 함
+
+### 7.3 매도 메시지 (본인/아내 양쪽)
+
+본인:
+```
+🚨 매도 신호: SK하이닉스 (000660)
+💡 신뢰도 78/100
+
+📊 사유:
+• 평단 대비 -7.2% (손절선 도달)
+• Chronos-2 다음날 -1.5% 예측 (conf 0.75)
+• 분봉 강한 매도세
+
+매도 검토 권고. 평단 152,000원 → 현재 141,100원
+```
+
+아내:
+```
+⚠️ 매도 검토: SK하이닉스
+사유: 손절선 도달, 약세 신호
+손익: -7.2%
+```
+
+---
+
+## 8. 운영 모드
+
+| 시간대 | web-ai 동작 | 폴링 주기 | 비용 |
+|--------|------------|----------|------|
+| **장전 (07:00-09:00)** | settings + screener pull + NXT 가격 + sentiment | 5분 | 0 |
+| **장중 (09:00-15:30)** | KIS 분봉 + 호가 + Chronos-2 추론 + 시그널 + Qwen3 검증 | 1분 | 0 (LLM 로컬) |
+| **장후 (15:30-20:00)** | NXT 가격 + 보유 종목 PnL 추적 + 손절/익절 알림 | 5분 | 0 |
+| **야간 (20:00-07:00)** | (재학습 cron 없음 — Chronos-2 zero-shot) | — | 0 |
+
+**예상 LLM 비용**:
+- **월 LLM API 비용 = 0** (Qwen3 14B Q4 로컬 호스팅)
+- 전기료만 (Windows PC 상시 가동, RTX 5070 Ti 평균 idle ~30W + 추론 spike ~200W)
+- 일 신호 3-5건 × ~13초 추론 = 일 GPU full load ~1분 정도, 무시 가능
+- **Chronos-2 추론은 GPU 로컬, 비용 0**
+
+---
+
+## 9. Phase 1-7 분해
+
+```
+Phase 1: stock-lab API 보강 (1주)
+  - /api/portfolio 외부 노출 (현재 web-ui 내부용)
+  - /api/stock/screener/news-sentiment endpoint 추가
+  - /api/stock/screener/run preview 옵션 검증
+
+Phase 2: web-ai Pull Worker + Signal API Client (2주)
+  - 기존 main_server.py + bot.py 분리
+  - stock-lab API client (httpx + retry + cache)
+  - 시간대별 폴링 스케줄러
+  - rate limit DB
+
+Phase 3: KIS WebSocket + 분봉 + Chronos-2 추론 (2주, ↓ 1주)
+  - KIS WebSocket client (정규장 분봉 + 호가)
+  - NXT 폴링 client (스냅샷 + 네이버 백업)
+  - Chronos-2 zero-shot 추론 파이프라인 (HuggingFace 모델 로드 + 배치 추론)
+  - 분봉 모멘텀 분류기
+  - (재학습 인프라 X — Chronos-2 zero-shot)
+
+Phase 4: Signal Generator (1주)
+  - 매수 룰 (Chronos-2 quantile + 분봉 + 호가 + screener)
+  - 매도 룰 (손절/익절/이상)
+  - confidence 계산 + 임계값
+
+Phase 5: agent-office /signal + Ollama Qwen3 검증 + 이중 텔레그램 (2주)
+  - POST /signal 라우터 (agent-office)
+  - web-ai 에 Ollama 서버 + Qwen3 14B Q4 설치
+  - agent-office → web-ai Ollama HTTP client (Anthropic SDK 대체)
+  - Qwen3 prompt (system + user + assistant prefill JSON)
+  - 본인/아내 dispatcher
+  - **A/B 테스트 1주 — 본인 chat 에 Qwen3/Claude Haiku 메시지 동시 발송 후 한 쪽 채택**
+
+Phase 6: web-ai 기존 trading bot 정리 (1주)
+  - 자체 watchlist_manager 삭제
+  - 자체 뉴스 크롤링 (Ollama) 삭제
+  - 기존 자동 매매 (KIS 실주문) 비활성화 또는 별도 모드 분리
+
+Phase 7: 운영 모니터링 + 4주 IC 검증 (1주 + 4주)
+  - 신호 hit-rate 추적 (forward return correlation)
+  - false positive rate
+  - 임계값 점진 조정
+  - Phase 8 (자동 매매) 검토
+```
+
+총 10-12주 (개인 페이스). 각 Phase 마다 자체 spec + plan + 검증 사이클.
+
+---
+
+## 10. Backlog (V2 본 spec NOT)
+
+미래 슬라이스로 분리:
+- **관심종목 (watchlist) 모니터링** — Top-N + portfolio 외, 사용자 관심종목의 변동성 spike / 거래량 급증 알람
+- **자동 매매 (KIS 실주문)** — Phase 8 검토. 4주 신호 hit-rate ≥ 60% 후 단계적
+- **DART 공시 통합** — LLM 검증 컨텍스트에 공시 추가
+- **백테스트 화면** — 과거 신호 정확도 시각화
+- **신호 hit-rate 대시보드** — web-ui 신규 페이지
+- **분할 매수/매도 전략 추천** — Phase 7 이후
+- **옵션/선물/해외 주식** — V3 검토
+- **Qwen3 14B "개발자 보조" 별도 endpoint** — 전략 해석/코드 자동화/디버그 도구. V2 흐름 외 사용자 챗봇 형태 (텔레그램 또는 web-ui chat). 같은 Ollama 인스턴스 재활용
+- **Claude API 폴백** — web-ai/Ollama 장애 시 anthropic 으로 자동 전환 (가용성 보강)
+- **Kimi K2.6 API 옵션** — Qwen3 응답 품질 부족 시 ~80% 저비용 외부 API 대안
+
+---
+
+## 11. 위험 및 완화
+
+| 위험 | 완화 |
+|------|------|
+| Windows PC 다운 시 신호 zero | stock-lab은 정상. web-ai down 시 헬스체크 → 텔레그램 운영자 알림. Ollama도 함께 다운 (같은 머신) → Claude API 폴백은 백로그 |
+| KIS API 장애 | NXT는 네이버 모바일 API 폴백. 분봉은 단기 재시도 + 일정 시간 후 alert |
+| **Qwen3 14B 한국어 메시지 품질 부족** | **Phase 5 A/B 테스트 1주 — Qwen3 vs Claude Haiku 메시지 동시 발송 후 우월한 쪽 채택. Qwen3 부족 시 Claude Haiku 로 폴백** |
+| False positive 다수 | 4주 IC + Phase 7 모니터링. 임계값 점진 상향 |
+| Chronos-2 분포 drift | 주간 ablation (forward return correlation 추적). drift 시 다른 foundation 모델 (Moirai-2.0) 으로 교체 검토 |
+| 메시지 본인-아내 drift | LLM 단일 콜에서 양쪽 동시 생성 (drift 회피, 같은 reasoning) |
+| 매도 신호 지연 | 분봉 1분 폴링. 손절선은 보유 종목 단순 비교 (Chronos-2 무관 즉시 트리거) |
+| stock-lab API 응답 지연 | web-ai 측 timeout 10s + 캐시 (마지막 성공 응답 ttl 5분) |
+| 종목 갱신 race condition | screener Top-20 변동 시 rate limit 키 = (ticker, action, date) |
+| **Qwen3 응답 13초로 분봉 1분 안에 한 사이클 끝낼 수 없을 위험** | 신호 발생 빈도 일 3-5건이라 동시 처리 거의 없음. 큐 직렬 처리로 충분. 대량 신호 시 backpressure → Phase 7 모니터링 |
+| **VRAM 빡빡 (Chronos-2 + Qwen3 = 9.3GB / 15.5GB)** | 여유 6GB 안전. 동시 로딩 시점 분리 (Chronos-2 추론 → 결과 메모리 보관 → Qwen3 호출). swap 발생 시 Phase 7 에서 Qwen3 8B 로 다운그레이드 검토 |
+
+---
+
+## 12. 명시적 NOT 범위 (Phase 0)
+
+- **자동 매매 (실주문)**: V2 는 신호만. 사용자가 수동 매매. Phase 8 별도 검토
+- **종목 매수 가격/수량 추천**: 사용자 결정. 신호는 "검토 권고" 수준
+- **분할 매수/매도 전략**: Phase 7 이후 별도 슬라이스
+- **옵션/선물/해외 주식**: KRX 정규장 + NXT 한정
+- **관심종목 모니터링**: 백로그 (§10)
+- **신호 hit-rate 시각화 UI**: 백로그
+
+---
+
+## 13. 완료 조건 (Phase 0 DoD)
+
+본 spec 완료 = 다음 조건 모두 충족:
+- [x] 사용자가 spec 검토 + 승인 (2026-05-15)
+- [x] git commit (`docs/superpowers/specs/2026-05-15-confidence-signal-pipeline-v2-architecture.md`)
+- [x] 8 핵심 결정 명시적 (데이터 채널, 데이터 소스, Chronos-2 예측, Qwen3 검증, context augmentation, 매수+매도, 이중 텔레그램, 운영 모드)
+- [x] 4개 API 계약 (3 stock-lab pull + 1 agent-office push) 모두 schema 정의
+- [x] Phase 1-7 분해 + 각 Phase 추정 기간 (Phase 3 -1주, Phase 5 +0주 → 총 10-11주)
+- [x] backlog + 위험/완화 매트릭스 + NOT 범위
+- [x] **Amend (2026-05-15): Chronos-2 + Qwen3 14B Q4 채택 + 11 보정**
+
+Phase 0 자체에는 코드 변경 0. 본 spec 승인 후 Phase 1 brainstorming 으로 자연스럽게 이어진다.

docs/superpowers/specs/2026-05-15-stock-lab-rename-to-stock.md

@@ -0,0 +1,214 @@
+# stock-lab → stock 리네이밍 Design
+
+**작성일**: 2026-05-15
+**작성자**: gahusb
+**상태**: Approved for implementation
+**선행 spec**: Confidence Signal Pipeline V2 Phase 0 (`2026-05-15-confidence-signal-pipeline-v2-architecture.md`)
+
+---
+
+## 1. 목표
+
+`stock-lab` 컨테이너/디렉토리/환경변수의 `-lab` 접미사를 제거해 **stock** 으로 graduation. lab 네이밍 규칙 (`feedback_lab_naming.md`) 에 따라 정식 서비스로 명확화.
+
+본 리네이밍은 **Confidence Signal Pipeline V2 Phase 1** 작업 시작 전 선행. 이름이 stock-lab인 채로 Phase 1 spec/plan/code 가 작성되면 다시 갱신하는 비용 회피.
+
+**Why**: 메모리 `feedback_lab_naming.md` 정책 — "-lab은 개발/연구 단계에만, 정식 서비스에는 미사용". stock 서비스는 (a) 8 노드 screener 완성, (b) 캔버스 UI, (c) AI 뉴스 Phase 1, (d) V2 시그널 파이프라인의 중심 = 정식 graduation 단계.
+
+---
+
+## 2. 범위
+
+**포함**:
+- web-backend 디렉토리 `git mv stock-lab stock`
+- `docker-compose.yml` 4 곳 갱신
+- agent-office 환경변수 `STOCK_LAB_URL` → `STOCK_URL` 코드 + 컴포즈
+- nginx config (`nginx/default.conf` in web-backend repo) `upstream stock-lab` → `stock`
+- 운영 문서 (`web-backend/CLAUDE.md`, `README.md`, `STATUS.md`, scripts)
+- workspace `CLAUDE.md` + web-ui `CLAUDE.md`
+- 메모리 4개 (`project_workspace.md`, `project_scale.md`, `project_stock_screener.md`, `nas_infra.md`)
+- 메모리 정책 추가 (`feedback_lab_naming.md` 에 stock graduation 케이스 등재)
+
+**범위 외 (NOT)**:
+- API URL 경로 (`/api/stock/...` 그대로)
+- Python `app.*` import 경로
+- DB 파일명 (`stock.db` 그대로)
+- frontend 라우트 (`/stock/*` 그대로)
+- 다른 lab 의 이름 (lotto/music-lab/blog-lab/realestate-lab/packs-lab/travel-proxy 모두 그대로)
+- 과거 spec/plan 문서 (`docs/superpowers/specs|plans/2026-05-*.md`) — 역사적 기록 유지
+- `.venv` 디렉토리 — gitignore, 사용자 로컬에서 재생성
+
+---
+
+## 3. 변경 매트릭스
+
+### 3.1 web-backend 코드 (필수)
+
+| 파일 | 변경 |
+|------|------|
+| `stock-lab/` → `stock/` | `git mv` |
+| `docker-compose.yml` | service key `stock-lab` → `stock` (1) / container_name `stock-lab` → `stock` (1) / build.context `./stock-lab` → `./stock` (1) / frontend.depends_on의 `stock-lab` → `stock` (1) |
+| `agent-office/app/config.py` | `STOCK_LAB_URL = os.getenv("STOCK_LAB_URL", ...)` → `STOCK_URL = os.getenv("STOCK_URL", ...)` |
+| `agent-office/app/service_proxy.py` | `from .config import STOCK_LAB_URL` → `STOCK_URL`. 함수 본문의 `STOCK_LAB_URL` 사용처 5개 (fetch_stock_news / fetch_stock_indices / summarize_stock_news / refresh_screener_snapshot / run_stock_screener) → `STOCK_URL` |
+| `agent-office/app/agents/stock.py` | `STOCK_LAB_URL` 직접 참조 시 갱신 (만약 있다면) |
+| `agent-office/tests/test_stock_screener_job.py` | mock URL 또는 env var 참조 갱신 |
+| `agent-office docker-compose.yml 부분` | `STOCK_LAB_URL=http://stock-lab:8000` → `STOCK_URL=http://stock:8000` |
+| `nginx/default.conf` | `upstream stock-lab { server stock-lab:8000; }` → `upstream stock { server stock:8000; }` + `proxy_pass http://stock-lab` → `http://stock` |
+| `web-backend/CLAUDE.md` | stock-lab 언급 모두 stock 으로 |
+| `web-backend/README.md` | 동일 |
+| `web-backend/STATUS.md` | 동일 |
+| `web-backend/scripts/deploy-nas.sh`, `deploy.sh` | stock-lab 호출/경로 갱신 |
+
+### 3.2 web-ui (문서만)
+
+| 파일 | 변경 |
+|------|------|
+| `web-ui/CLAUDE.md` | stock-lab 언급을 stock 으로 (디렉토리 경로 표 포함) |
+
+**과거 spec/plan 문서들** (`web-ui/docs/superpowers/specs|plans/2026-05-*.md`): 역사적 기록 유지 — **변경 없음**.
+
+### 3.3 workspace 최상위
+
+| 파일 | 변경 |
+|------|------|
+| `workspace/CLAUDE.md` | "stock-lab" 컨테이너 이름 표 + 디렉토리 경로 갱신 |
+
+### 3.4 메모리 (controller 직접 적용)
+
+| 메모리 | 변경 |
+|--------|------|
+| `project_workspace.md` | stock-lab → stock |
+| `project_scale.md` | 백엔드 서비스 표의 stock-lab 행 갱신, `stock-lab/` 디렉토리 → `stock/` |
+| `project_stock_screener.md` | 다수 언급 (백엔드 위치) 갱신 |
+| `nas_infra.md` | Docker 서비스 포트 표 + nginx 라우팅 |
+| `feedback_lab_naming.md` | stock graduation 사례 추가 (2026-05-15) |
+
+---
+
+## 4. 작업 순서
+
+```
+1. 사전 검토 (10분)
+   - 본 spec 의 3장 매트릭스 모든 파일이 grep 결과와 일치하는지 cross-check
+   - `.venv` / `__pycache__` 제외 확인
+   - nginx default.conf 의 정확한 변경 줄 식별
+
+2. web-backend 디렉토리 + 컴포즈 + agent-office 코드 (한 commit)
+   - git mv stock-lab stock
+   - docker-compose.yml 4 곳
+   - agent-office config.py, service_proxy.py, agents/stock.py, tests/
+   - nginx/default.conf
+   - web-backend의 CLAUDE.md, README.md, STATUS.md, scripts/
+
+3. workspace + web-ui CLAUDE.md (별도 commit, 각 repo)
+   - workspace/CLAUDE.md
+   - web-ui/CLAUDE.md
+
+4. 메모리 갱신 (controller 직접)
+   - 4개 메모리 파일 + feedback_lab_naming.md graduation 케이스
+
+5. 배포 검증
+   - web-backend push → Gitea webhook → deployer rsync + docker compose up
+   - docker logs stock --tail 30
+   - docker ps 에서 stock 컨테이너 healthy
+   - curl https://gahusb.synology.me/api/stock/news (200)
+   - curl https://gahusb.synology.me/api/stock/screener/runs (200)
+   - agent-office 다음 16:30 cron 결과 (텔레그램) 정상 도착 확인 또는 수동 트리거
+```
+
+---
+
+## 5. 위험 및 완화
+
+| 위험 | 완화 |
+|------|------|
+| nginx config 가 옛 호스트 `stock-lab` 으로 라우팅 → 502 | nginx config 도 같은 commit 에 포함. deployer rsync 가 web-backend repo 의 nginx 폴더를 NAS runtime 에 동기화 |
+| agent-office 가 옛 환경변수 `STOCK_LAB_URL` 사용 → connection refused | 컴포즈의 환경변수 항목 동시 변경. agent-office 재기동 후 새 변수 적용 |
+| `.env` 파일에 `STOCK_LAB_URL=...` 남아 있으면 새 변수 빈 값 → 기본값 `http://stock:8000` fallback | service_proxy 의 `os.getenv("STOCK_URL", "http://stock:8000")` default 확인. 운영 .env 갱신은 사용자 1회 작업 |
+| 다른 lab 의 stock-lab 호출 누락 | grep `STOCK_LAB_URL` 결과 5개 파일 모두 commit 에 포함. 추가 누락 시 다음 cron 실패로 즉시 발견 |
+| 컨테이너 교체 다운타임 | 약 10초 (docker compose up 의 stop+start). 1인 운영 + 비치명적, 허용 |
+| Python `app.*` import 경로 회귀 | 디렉토리 이름만 변경. 빌드 컨텍스트 변경으로 도커 이미지 안의 app 패키지 그대로. 회귀 없음 (76 + 신규 테스트 전부 통과 검증) |
+| 메모리 갱신 누락 | grep "stock-lab" / "STOCK_LAB" 메모리 폴더 0건 검증 |
+| 과거 spec/plan 문서의 stock-lab 언급 | 역사적 기록 — 의도적 보존. 미래 spec 부터 stock 사용 |
+
+---
+
+## 6. 테스트 / 검증
+
+### 6.1 자동 (코드 검증)
+
+```bash
+# stock-lab 잔여 참조 0건 (의도적 보존 spec/plan 제외)
+grep -rln "stock-lab\|STOCK_LAB" /c/Users/jaeoh/Desktop/workspace/web-backend/ \
+  | grep -v "\.venv" | grep -v "__pycache__" | grep -v "/docs/" | grep -v "\.git"
+# Expected: 0 lines
+
+# agent-office 테스트
+cd /c/Users/jaeoh/Desktop/workspace/web-backend/agent-office
+python -m pytest tests/test_stock_screener_job.py -v
+# Expected: PASS
+
+# stock pytest
+cd /c/Users/jaeoh/Desktop/workspace/web-backend/stock
+python -m pytest --ignore=app/test_scraper.py -q
+# Expected: 76+ tests passed
+```
+
+### 6.2 수동 (배포 검증)
+
+배포 후 NAS:
+```bash
+docker logs stock --tail 30
+docker logs agent-office --tail 20
+docker ps --format "{{.Names}}: {{.Status}}" | grep stock
+```
+
+브라우저 / curl:
+- `https://gahusb.synology.me/api/stock/news` → 200
+- `https://gahusb.synology.me/api/stock/screener/runs` → 200
+- `https://gahusb.synology.me/stock/screener` (web-ui) → 캔버스 모드 진입 정상
+
+agent-office 수동 트리거 (다음 cron 기다리지 않고):
+```bash
+curl -X POST "https://gahusb.synology.me/api/agent-office/command" \
+  -H "Content-Type: application/json" \
+  -d '{"agent":"stock","action":"run_ai_news"}'
+```
+응답 `{"ok": true}` + 텔레그램 도착 → stock 호스트 라우팅 정상.
+
+---
+
+## 7. 운영 영향
+
+| 항목 | 영향 |
+|------|------|
+| 다운타임 | ~10초 (컨테이너 교체) |
+| 사용자 영향 | 없음 (API URL/UI 경로 그대로) |
+| .env 파일 갱신 | 사용자 1회 (STOCK_LAB_URL 줄 삭제 또는 STOCK_URL 추가) |
+| frontend 재배포 | 불필요 (web-ui 는 문서만 변경) |
+| 다른 lab 영향 | agent-office 만 영향 (환경변수). 나머지 lab 무영향 |
+
+---
+
+## 8. Phase 1 와의 관계
+
+본 리네이밍 완료 후 즉시 **Confidence Signal Pipeline V2 Phase 1** spec 작성 (이전 발표 디자인 그대로, 새 이름 `stock` 기준). 의존성:
+```
+[본 리네이밍 spec/plan/실행]  →  [Phase 1 spec → plan → 실행]
+       1-2시간                          1주
+```
+
+---
+
+## 9. 완료 조건 (DoD)
+
+- [ ] `web-backend/stock-lab/` 디렉토리 사라지고 `stock/` 존재 (git history 보존)
+- [ ] `docker-compose.yml` 의 4 곳 갱신
+- [ ] agent-office env 변수 `STOCK_LAB_URL` 코드/컴포즈/문서에서 0건
+- [ ] nginx config `upstream stock-lab` 0건, `upstream stock` 존재
+- [ ] grep "stock-lab" 결과: 의도적 보존 (`docs/superpowers/*`) 외 0건
+- [ ] stock pytest 76+ tests passed
+- [ ] 배포 후 `docker ps` 에 `stock` 컨테이너 healthy
+- [ ] curl `/api/stock/news`, `/api/stock/screener/runs` 200
+- [ ] agent-office `run_ai_news` 수동 트리거 텔레그램 도착
+- [ ] 메모리 4 파일 갱신 + `feedback_lab_naming.md` graduation 케이스 등재