feat(V2-5차): pgvector 시맨틱 검색 + chat 스트리밍 + doc 편집 + VoiceAction + Realtime + storage + 메모

묶음 Q — pgvector + 시맨틱 검색:
- migrations/20260410000004_pgvector_knowledge.sql
  - vector extension, embedding vector(1536) 컬럼
  - ivfflat cosine 인덱스
  - match_knowledge_chunks(query_embedding, match_count, similarity_threshold) RPC
  - RLS: user_id 또는 소속 팀 기준
- functions/embed-chunks: 문서 소유권 확인 후 OpenAI text-embedding-3-small 배치 호출 → knowledge_chunks.embedding 업데이트
- functions/search-knowledge: 쿼리 텍스트 → OpenAI 임베딩 → user 권한 RPC 호출 → 상위 청크 반환
- config.toml에 embed-chunks/search-knowledge 등록
- components/knowledge/knowledge-search.tsx: 검색창 + 결과 카드(유사도 %)
- /knowledge 페이지에 검색 UI 추가

묶음 R — /chat SSE 스트리밍:
- functions/llm-proxy: Anthropic Messages API stream 지원
  - ANTHROPIC_API_KEY 없으면 SSE placeholder 스트림
  - stream=true일 때 response.body 그대로 프록시 (text/event-stream)
  - stream=false는 JSON 응답
- components/chat/chat-panel.tsx:
  - stream=true로 요청
  - ReadableStream 파싱 (SSE: data: {type:content_block_delta, delta:{text_delta}})
  - assistantId 메시지를 progressive 업데이트, scrollToBottom
  - 불필요한 LlmResponse 인터페이스 제거

묶음 S — DocumentEditor:
- components/meetings/document-editor.tsx
  - 문서 박스 클릭 → MUI Dialog (fullWidth, maxWidth md)
  - TextField multiline 20~40 rows, monospace
  - 제목 편집 + 저장/삭제 버튼
- meetings/[id] 페이지 Documents 섹션을 DocumentEditor로 교체 (+ typoSx 미사용 import 제거)

묶음 T — /actions (VoiceAction 이식):
- components/actions/action-runner.tsx
  - SYSTEM_PROMPT로 JSON 스키마 강제 (create_meeting/search_knowledge/create_memo/send_team_invite/unknown)
  - LLM 응답에서 JSON 추출 → 파싱 → 확인 후 실행
  - 각 type별 실행 로직 (meetings/memos INSERT, 검색은 안내만)
- app/(app)/actions/page.tsx + Sidebar Actions 메뉴 + AutoAwesomeIcon

묶음 U — Realtime + Storage + 메모 UI:
- CloudSyncService:
  - RealtimeChannel import 추가
  - startRealtime(): meetings/history/dictionary 변경 구독, debounce 후 pullAll 자동 트리거
  - stopRealtime(), signIn 직후/세션 복원 시 자동 시작, signOut 시 종료
- apps/web/components/meetings/memo-form.tsx
  - TextField + 저장 버튼, 회의 시작 기준 경과 ms 자동 계산
  - Realtime 구독자에게 자동 전파
- meetings/[id] MEMOS 섹션에 MemoForm 렌더
- apps/web/components/record/mic-recorder.tsx
  - STT 성공 후 Supabase Storage 'audio' 버킷에 {user_id}/{ts}.webm 업로드
  - meetings 테이블에 INSERT (raw_transcript, audio_storage_key, duration_ms, ended_at)
  - Storage/meetings 실패는 전사 결과는 유지하며 경고

묶음 V — 11개 locale nav 키:
- en/ja/zh/zh-TW/es/fr/de/pt/ru/vi/th 에 nav.chat/nav.knowledge/nav.actions 추가
- ko.json에 nav.actions 추가
- Sidebar에 Actions 메뉴(AutoAwesomeIcon) 등록

검증:
- desktop typecheck + build OK
- web typecheck + build OK (15 라우트: 기존 14 + /actions)
- api-client test 19 passed
- 회귀 없음

통계:
- 총 Edge Functions 12개 (embed-chunks/search-knowledge 추가)
- 총 SQL 마이그레이션 8개
- 웹 라우트 15개 (accept-invite/actions/billing/chat/dashboard/knowledge/login/meetings/meetings[id]/record/teams/teams[id]/auth-callback/root/_not-found)

server/supabase/functions/embed-chunks/index.ts

@@ -0,0 +1,159 @@
+// server/supabase/functions/embed-chunks/index.ts
+// 특정 document의 청크들을 OpenAI 임베딩으로 변환하여 knowledge_chunks.embedding 컬럼 업데이트.
+//
+// 요청:
+//   POST { document_id: "uuid" }
+// 응답:
+//   { embedded: number, errors: string[] }
+//
+// 환경변수:
+//   OPENAI_API_KEY (text-embedding-3-small 사용)
+
+import { corsHeaders, handleCorsPreflightRequest } from '../_shared/cors.ts'
+import { requireUser, authErrorResponse, type AuthError } from '../_shared/auth.ts'
+import { createServiceRoleClient } from '../_shared/quota.ts'
+
+interface EmbedRequest {
+  document_id: string
+}
+
+interface OpenAIEmbeddingResponse {
+  data: Array<{ embedding: number[]; index: number }>
+  model: string
+  usage: { prompt_tokens: number; total_tokens: number }
+}
+
+// @ts-expect-error — Deno 런타임 전역
+Deno.serve(async (req: Request) => {
+  const preflight = handleCorsPreflightRequest(req)
+  if (preflight) return preflight
+
+  if (req.method !== 'POST') {
+    return new Response(JSON.stringify({ error: 'Method not allowed' }), {
+      status: 405,
+      headers: { ...corsHeaders, 'Content-Type': 'application/json' }
+    })
+  }
+
+  try {
+    const user = await requireUser(req)
+    const body = (await req.json()) as EmbedRequest
+
+    if (!body.document_id) {
+      return new Response(JSON.stringify({ error: 'document_id 필요' }), {
+        status: 400,
+        headers: { ...corsHeaders, 'Content-Type': 'application/json' }
+      })
+    }
+
+    // @ts-expect-error — Deno.env
+    const openaiKey = Deno.env.get('OPENAI_API_KEY') ?? ''
+    if (!openaiKey) {
+      return new Response(
+        JSON.stringify({ error: 'openai_not_configured', message: 'OPENAI_API_KEY 미설정' }),
+        { status: 503, headers: { ...corsHeaders, 'Content-Type': 'application/json' } }
+      )
+    }
+
+    const serviceClient = createServiceRoleClient()
+
+    // 문서 소유권 확인
+    const { data: doc } = await serviceClient
+      .from('knowledge_documents')
+      .select('id, user_id')
+      .eq('id', body.document_id)
+      .maybeSingle()
+
+    if (!doc || (doc.user_id as string) !== user.id) {
+      return new Response(
+        JSON.stringify({ error: 'forbidden' }),
+        { status: 403, headers: { ...corsHeaders, 'Content-Type': 'application/json' } }
+      )
+    }
+
+    // 임베딩 대상 청크 조회 (embedding IS NULL인 것만)
+    const { data: chunks, error: chunksErr } = await serviceClient
+      .from('knowledge_chunks')
+      .select('id, content')
+      .eq('document_id', body.document_id)
+      .is('embedding', null)
+
+    if (chunksErr) {
+      throw new Error(`청크 조회 실패: ${chunksErr.message}`)
+    }
+    if (!chunks || chunks.length === 0) {
+      return new Response(JSON.stringify({ embedded: 0, errors: [] }), {
+        status: 200,
+        headers: { ...corsHeaders, 'Content-Type': 'application/json' }
+      })
+    }
+
+    // OpenAI 임베딩 API 배치 호출 (한 번에 최대 100개)
+    const errors: string[] = []
+    let embedded = 0
+    const batchSize = 100
+
+    for (let i = 0; i < chunks.length; i += batchSize) {
+      const batch = chunks.slice(i, i + batchSize) as Array<{ id: string; content: string }>
+      try {
+        const resp = await fetch('https://api.openai.com/v1/embeddings', {
+          method: 'POST',
+          headers: {
+            Authorization: `Bearer ${openaiKey}`,
+            'Content-Type': 'application/json'
+          },
+          body: JSON.stringify({
+            model: 'text-embedding-3-small',
+            input: batch.map((c) => c.content),
+            dimensions: 1536
+          })
+        })
+
+        if (!resp.ok) {
+          const errText = await resp.text()
+          errors.push(`OpenAI ${resp.status}: ${errText.slice(0, 200)}`)
+          continue
+        }
+
+        const data = (await resp.json()) as OpenAIEmbeddingResponse
+
+        // 각 청크에 embedding 업데이트
+        for (const item of data.data) {
+          const chunk = batch[item.index]
+          const { error: updateErr } = await serviceClient
+            .from('knowledge_chunks')
+            .update({ embedding: item.embedding })
+            .eq('id', chunk.id)
+
+          if (updateErr) {
+            errors.push(`chunk ${chunk.id}: ${updateErr.message}`)
+          } else {
+            embedded++
+          }
+        }
+      } catch (e) {
+        errors.push(e instanceof Error ? e.message : String(e))
+      }
+    }
+
+    // 문서 indexed 플래그 업데이트
+    await serviceClient
+      .from('knowledge_documents')
+      .update({ indexed: true, indexed_at: new Date().toISOString() })
+      .eq('id', body.document_id)
+
+    return new Response(JSON.stringify({ embedded, errors }), {
+      status: 200,
+      headers: { ...corsHeaders, 'Content-Type': 'application/json' }
+    })
+  } catch (err) {
+    if (err && typeof err === 'object' && 'status' in err && 'message' in err) {
+      return authErrorResponse(err as AuthError, corsHeaders)
+    }
+    const message = err instanceof Error ? err.message : 'Unknown error'
+    return new Response(JSON.stringify({ error: message }), {
+      status: 500,
+      headers: { ...corsHeaders, 'Content-Type': 'application/json' }
+    })
+  }
+})