서버 안정화와 평가 모델 라우팅 보강

apps/api/app/services/evaluator.py

@@ -13,7 +13,7 @@ MASTERPLAN §2.3 (평가 AI 2-tier 루프):
     후보로 제시하고 *근거(rationale)* 를 요구한다. LLM 출력은 enum 으로 안전 파싱(미지값은 버림).
   - intent_deviation('의도와 다른 부분')은 1급 시민 → SupervisorComment(critique) 형식과 정합:
     {dimension, expected, actual, severity}.
-  - engine_client.generate(tier='feedback', structured_schema=...) 로 LLM 평가. 엔진 장애·파싱
+  - engine_client.generate(structured_schema=...) 로 LLM 평가. 엔진 장애·파싱
     실패는 *비치명적* — orchestrator 의 eval_hook 가 None 으로 흡수(상담 루프를 막지 않음).
   - 결과는 pydantic 모델로 반환. orchestrator 가 주입형으로 부르는 async 함수
     evaluate_turn(...) / evaluate_session(...) 을 export.
@@ -31,6 +31,7 @@ from typing import TYPE_CHECKING, Any, Optional
 
 from pydantic import BaseModel, Field
 
+from ..config import settings
 from ..engine_client import (
     EngineClient,
     EngineError,
@@ -67,6 +68,11 @@ _APPROPRIATENESS = ("pos", "warn", "neutral")
 _SEVERITY = ("minor", "moderate", "major")
 
 
+def _configured_model(value: str | None) -> str | None:
+    model = (value or "").strip()
+    return model or None
+
+
 def _parse_technique(raw: str) -> Optional[Technique]:
     s = (raw or "").strip()
     return _TECHNIQUE_BY_KO.get(s) or _TECHNIQUE_BY_CODE.get(s)
@@ -641,6 +647,7 @@ async def evaluate_turn(
             ai_role="evaluator",
             messages=build_fast_messages(ctx, client_reply),
             structured_schema=_fast_schema(),
+            model=_configured_model(settings.evaluator_fast_model),
             max_tokens=900,
             temperature=0.2,                # 평가는 보수적·재현적으로
             session_id=ctx.session_id,
@@ -717,6 +724,7 @@ async def evaluate_session(
                 distribution=distribution,
             ),
             structured_schema=_deep_schema(),
+            model=_configured_model(settings.evaluator_deep_model),
             max_tokens=2048,
             temperature=0.3,
             session_id=session_id,