대시보드 폴드아웃/드릴다운 정리 + 페르소나 역린·misconduct 반응 + 게이트웨이 격리·RAG 비차단 수정

SSOT 대시보드:
- 한신대 기술분석 PDF(19쪽) 정합성 분석 + 이번 세션 발견 섹션 추가
- 섹션 폴드아웃(접기)·상단 목차(드릴다운)·모두 펼치기/접기 — 내용 보존, 레이아웃만 정리

페르소나 반응 강화('저항·반응 조절' 핵심 차별):
- PersonaCard.triggers(역린) 필드 + CCD 핵심상처 파생 역린 블록
- L0에 무례·모욕·조롱 시 현실적 동맹 균열 반응 지침

버그·성능 수정(라이브/E2E로 포착):
- 게이트웨이 페르소나 격리: --append-system-prompt를 --system-prompt(교체)로 + --exclude-dynamic-system-prompt-sections (내담자 캐릭터 붕괴·개발맥락 누출 차단)
- RAG: 임베더 동기 로드(약 7-13초)를 _warm_rag_caches 백그라운드 warm으로(세션 생성 블로킹 회귀 수정)
- voice TTS RMS 데드힌트 제거, init_state OpennessParams 파라미터객체화
- 한국어 PII(날짜·금액·주소) 마스킹 보강
- 레이아웃 시각 게이트: 폼 컨트롤 값 스크롤 오탐 제외(7/7)

검증: 백엔드 84/84, E2E 42(데스크톱 27·모바일 11·아바타 4), 시각 게이트 7/7

apps/api/app/services/rag.py

@@ -21,6 +21,8 @@
 
 from __future__ import annotations
 
+import asyncio
+import json
 import time
 from dataclasses import dataclass, field
 from enum import Enum
@@ -467,7 +469,7 @@ async def search_kb(
             sens_max = min(sens_max, fs)  # 더 엄격하게만
 
     # (2) 질의 임베딩(dense+sparse). 모델 미가용 → NotConfigured 전파.
-    eq = embed_query(query)
+    eq = await asyncio.to_thread(embed_query, query)  # CPU 인코딩 → 스레드풀(이벤트루프 비차단)
     q_dense_lit = _vector_literal(eq.dense)
 
     # (3) 하이브리드 SQL 실행. vector 확장 미설치/컬럼 부재면 asyncpg 가 예외 → NotConfigured 변환.
@@ -494,7 +496,9 @@ async def search_kb(
     for r in rows:
         if src_filter and r["source_id"] not in src_filter:
             continue
-        meta = dict(r["meta"] or {})
+        # asyncpg는 jsonb를 str(JSON text)로 반환 → 파싱. 코덱 등록 시 dict 그대로도 수용.
+        _meta_raw = r["meta"]
+        meta = json.loads(_meta_raw) if isinstance(_meta_raw, str) else dict(_meta_raw or {})
         body = r["chunk_text"] if policy.expose_body else None
         cue = None
         if not policy.expose_body:
@@ -580,7 +584,7 @@ async def retrieve_persona_memory(
     Raises: NotConfigured — 임베딩 모델/DB 미가용.
     """
     t0 = time.perf_counter()
-    eq = embed_query(query)
+    eq = await asyncio.to_thread(embed_query, query)  # CPU 인코딩 → 스레드풀(이벤트루프 비차단)
     q_dense_lit = _vector_literal(eq.dense)
     try:
         rows = await conn.fetch(
@@ -765,13 +769,13 @@ async def index_document(
             continue
         context_prefix = c.get("context_prefix")
         emb_lit: Optional[str] = None
-        sparse_json: Optional[dict] = None
+        sparse_json: Optional[str] = None  # jsonb 바인딩용 직렬화 문자열(asyncpg는 dict 자동인코딩 안 함)
         if embedder is not None:
             # Contextual Retrieval: prefix+body 결합본을 *색인 대상* 으로 임베딩(주입 본문은 body 만).
             index_text = apply_contextual_prefix(chunk_text, context_prefix)
-            eq = embed_query(index_text)
+            eq = await asyncio.to_thread(embed_query, index_text)  # CPU 인코딩 → 스레드풀
             emb_lit = _vector_literal(eq.dense)
-            sparse_json = eq.sparse
+            sparse_json = json.dumps(eq.sparse)
         await conn.execute(
             """
             INSERT INTO kb.chunk
@@ -794,7 +798,7 @@ async def index_document(
             c.get("visible_to"),
             c.get("sensitivity"),
             c.get("label_id"),
-            c.get("meta"),
+            json.dumps(c.get("meta")) if c.get("meta") is not None else None,
             c.get("token_count"),
         )
         indexed += 1