Phase H 보완 구현: 1단계 A/B 분리 + 정밀 검토 8개 반영

H-1a: KEI_PROMPT에 제목 중복 방지 지시 추가
H-1b: KEI_PROMPT_B (컨셉 구체화) + refine_concepts() 신규 함수
  - 각 꼭지의 relation_type, expression_hint, source_data 판단
  - 1회 호출로 전체 꼭지 처리
  - session_id: "design-agent-refine" (별도)
  - 실패 시 1단계-A 결과 그대로 반환 (pipeline 안 멈춤)
H-5: 팀장에게 relation_type + expression_hint + source_data 전달
  - 꼭지 요약에 관계/표현/원본데이터 포함
section-title-with-bg body 금지:
  - STEP_B_PROMPT에 규칙 추가
  - BODY_FORBIDDEN_MAP + _validate_height_budget에서 코드 레벨 교체
manual_classify fallback 동기화:
  - core_message, purpose, source_hint 기본값 추가

Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>

src/kei_client.py

@@ -46,7 +46,8 @@ KEI_PROMPT = (
     "- 결론은 layer: 'conclusion' → 하단 배치\n"
     "- detail_target: true는 정말로 별도로 봐야 하는 상세 데이터에만 사용\n"
     "- 이미지/표가 있으면 images[], tables[]에 기록\n"
-    "- 1페이지 적정 꼭지: 5개. 분량 적으면 1페이지로.\n\n"
+    "- 1페이지 적정 꼭지: 5개. 분량 적으면 1페이지로.\n"
+    "- **슬라이드 제목(title)과 첫 번째 꼭지 제목은 달라야 한다.** 슬라이드 제목은 전체 주제, 꼭지 제목은 해당 위치의 구체적 내용.\n\n"
     "## 출력 형식 (JSON만)\n"
     "```json\n"
     '{"title": "제목", '
@@ -87,6 +88,112 @@ async def classify_content(content: str) -> dict[str, Any] | None:
     return None
 
 
+KEI_PROMPT_B = (
+    "아래는 슬라이드 스토리라인 설계 결과(1단계-A)와 원본 콘텐츠이다.\n"
+    "각 꼭지의 **컨셉을 구체화**해줘. 1회 응답으로 모든 꼭지를 한꺼번에 처리.\n\n"
+    "## 각 꼭지에 대해 판단할 것\n\n"
+    "1. **관계 성격 (relation_type)**:\n"
+    "   - sequence: 시간/단계 순서 (A→B→C)\n"
+    "   - inclusion: 포함/융합 관계 (A가 B,C를 포함하거나 B,C가 합쳐져 A를 이룸)\n"
+    "   - comparison: 대등 비교 (A vs B)\n"
+    "   - hierarchy: 상위-하위 (A > B > C)\n"
+    "   - definition: 용어 정의 (나열)\n"
+    "   - cause_effect: 원인-결과\n"
+    "   - none: 관계 표현 불필요 (단순 텍스트)\n\n"
+    "2. **표현 성격 (expression_hint)** — 관계 성격을 설명. 구체 블록 이름은 쓰지 마라:\n"
+    "   - 예: '기술 융합/포함 관계. 순서 아님. 구성요소 간 관계 표현 필요.'\n"
+    "   - 예: '수단-목적 관계. 대등 비교가 아님. 역할 차이를 보여줘야 함.'\n"
+    "   - 예: '용어 3개의 독립적 정의. 나열.'\n\n"
+    "3. **원본 데이터 확인 (source_data)**:\n"
+    "   - 원본에 비교표가 있는가? → 행/열 수, 활용 여부\n"
+    "   - 원본에 사례/증거가 있는가? → 출처 명시\n"
+    "   - 원본에 이미지가 있는가? → 역할\n"
+    "   - 놓치면 안 되는 핵심 데이터가 있는가?\n\n"
+    "## 출력 형식 (JSON만)\n"
+    "```json\n"
+    '{"concepts": ['
+    '{"topic_id": 1, '
+    '"relation_type": "inclusion|sequence|comparison|hierarchy|definition|cause_effect|none", '
+    '"expression_hint": "관계 성격 설명 (블록 이름 쓰지 말 것)", '
+    '"source_data": "원본에서 활용해야 할 데이터 설명"}]}\n'
+    "```\n\n"
+)
+
+
+async def refine_concepts(
+    content: str,
+    analysis: dict[str, Any],
+) -> dict[str, Any]:
+    """1단계-B: 각 꼭지의 컨셉을 구체화한다.
+
+    1단계-A 결과(topics)를 받아서, 각 꼭지의 관계 성격/표현 방법/원본 데이터를 판단.
+    Kei API만 사용. 실패 시 1단계-A 결과를 그대로 반환 (pipeline 안 멈춤).
+    1회 호출로 모든 꼭지를 한꺼번에 처리.
+    """
+    topics = analysis.get("topics", [])
+    if not topics:
+        return analysis
+
+    # 꼭지 요약 텍스트
+    topics_text = "\n".join(
+        f"- 꼭지 {t.get('id', '?')}: {t.get('title', '?')} "
+        f"[purpose: {t.get('purpose', '?')}, summary: {t.get('summary', '')}]"
+        for t in topics
+    )
+
+    prompt = (
+        KEI_PROMPT_B
+        + f"## 1단계-A 스토리라인 결과\n"
+        f"핵심 메시지: {analysis.get('core_message', '?')}\n"
+        f"꼭지 목록:\n{topics_text}\n\n"
+        f"## 원본 콘텐츠\n{content}\n"
+    )
+
+    kei_url = getattr(settings, "kei_api_url", "http://localhost:8000")
+
+    try:
+        async with httpx.AsyncClient(timeout=None) as client:
+            async with client.stream(
+                "POST",
+                f"{kei_url}/api/message",
+                json={
+                    "message": prompt,
+                    "session_id": "design-agent-refine",
+                    "mode_hint": "chat",
+                },
+                timeout=None,
+            ) as response:
+                if response.status_code != 200:
+                    logger.warning(f"[1단계-B] Kei API HTTP {response.status_code}")
+                    return analysis
+
+                full_text = await _stream_sse_tokens(response)
+
+        if not full_text:
+            logger.warning("[1단계-B] 응답 텍스트 없음. 1단계-A 결과 유지.")
+            return analysis
+
+        result = _parse_json(full_text)
+        if result and "concepts" in result:
+            # topics에 concept 정보 병합
+            concept_map = {c.get("topic_id"): c for c in result["concepts"]}
+            for topic in topics:
+                concept = concept_map.get(topic.get("id"))
+                if concept:
+                    topic["relation_type"] = concept.get("relation_type", "")
+                    topic["expression_hint"] = concept.get("expression_hint", "")
+                    topic["source_data"] = concept.get("source_data", "")
+
+            logger.info(f"[1단계-B] 컨셉 구체화 완료: {len(result['concepts'])}개")
+        else:
+            logger.warning(f"[1단계-B] JSON 파싱 실패. 1단계-A 결과 유지. 텍스트: {full_text[:200]}")
+
+    except Exception as e:
+        logger.warning(f"[1단계-B] Kei API 실패: {e}. 1단계-A 결과 유지.")
+
+    return analysis
+
+
 async def _call_kei_api(content: str) -> dict[str, Any] | None:
     """Kei API를 통해 꼭지 추출. SSE 스트리밍으로 실시간 수신."""
     kei_url = getattr(settings, "kei_api_url", "http://localhost:8000")
@@ -290,6 +397,7 @@ def manual_classify(content: str) -> dict[str, Any]:
     """분류 실패 시 기본 구조 fallback."""
     return {
         "title": "슬라이드",
+        "core_message": "",
         "total_pages": 1,
         "info_structure": "",
         "topics": [
@@ -297,6 +405,8 @@ def manual_classify(content: str) -> dict[str, Any]:
                 "id": 1,
                 "title": "핵심 내용",
                 "summary": content[:100],
+                "purpose": "핵심전달",
+                "source_hint": "",
                 "layer": "core",
                 "role": "flow",
                 "emphasis": False,