실제 구현: runner.py, nodes.py, router.py

전체 플로우 다이어그램

flowchart TD
    START([START]) --> build_state[build_state]
    build_state --> analyzer[analyzer]
    analyzer --> questioner[questioner]
    questioner --> selector_lite[selector_lite]
    selector_lite --> predictor[predictor]
    predictor --> driller[driller]
    driller --> reviewer[reviewer]
    reviewer --> scorer[scorer]

    scorer -->|FOLLOW_UP_TOO_WEAK<br/>and driller retry 가능| retry_driller[retry_driller]
    scorer -->|승인 질문 부족 / 품질 이슈 / 저점 질문 많음<br/>and questioner retry 가능| retry_questioner[retry_questioner]
    scorer -->|품질 통과 or retry 한도 도달| selector[selector]

    retry_driller --> driller
    retry_questioner --> questioner

    selector --> final_formatter[final_formatter]
    final_formatter --> END([END])

노드별 상세 설명

1. build_state

• 역할: 입력 payload의 세션, 지원자, 문서 정보를 candidate_context 문자열로 통합
• 예외 처리: 문서 추출 텍스트가 없으면 경고를 남기되, 세션/지원자 메타데이터로 후속 노드가 동작 가능하게 처리

2. analyzer

• 역할: 지원자 문서와 채용 컨텍스트를 LLM에 전달하여 document_analysis 생성
• 출력 항목:
  • 직무 적합성
  • 리스크 포인트
  • 의심 지점
  • 문서 근거
• 특징: compact 형태로 길이와 개수를 줄여 상태에 저장

3. questioner

• 역할: 분석 결과와 후보자 문맥 기반 질문 후보 생성 (기본 8개)
• 부분 재생성 모드:
  • 조건: human_action == "regenerate_question" + target_question_ids 존재
  • 동작: 대상 ID의 질문만 교체하고 기존 답변/꼬리질문/리뷰/점수는 유지

4. selector_lite

• 역할: 비용 절감을 위해 질문을 5개로 사전 필터링
• 우선순위: 중복 제거 후 리스크 질문, 문서 근거 있는 질문 우선 선택
• 실행 시점: 승인 여부가 결정되기 전에도 동작

5. predictor