Fix Gemma StopIteration: gemma-4-26B-A4B-it (Novita provider)

HF_GEMMA_MODEL=gemma-4-E4B-it은 HF Inference Provider 0개라
InferenceClient provider 해석에서 next()→StopIteration (네트워크 전 즉시 실패).
gemma-4-26B-A4B-it(Novita 서빙, not gated, active 3.8B MoE)로 교체하고
provider="novita"를 chat_completion 2곳(답변생성+의도파서)에 명시.

- llm_adapters.py: GEMMA_MODEL_HF 기본값 + HF_PROVIDER 신설, provider 지정 2곳
- Dockerfile: CACHE_BUST v3→v4 (COPY api/ 무효화)
- ⚠️ Space Variable HF_GEMMA_MODEL도 google/gemma-4-26B-A4B-it로 변경해야 코드 기본값이 살아남 (UI)

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

Dockerfile

@@ -39,7 +39,7 @@ RUN pip install --upgrade pip && pip install -r /app/api/requirements.txt
 
 # 코드 (rag_engine·semantic_search 등 active/code의 핵심 모듈)
 # 캐시 무효화용 ARG (commit SHA 다르면 캐시 무효화)
-ARG CACHE_BUST=v3
+ARG CACHE_BUST=v4
 COPY code/ /app/code/
 # 백엔드
 COPY api/ /app/api/

api/llm_adapters.py

@@ -13,7 +13,10 @@ from typing import Optional
 
 LLM_BACKEND = os.environ.get("LLM_BACKEND", "ollama")
 GEMMA_MODEL_OLLAMA = os.environ.get("OLLAMA_MODEL", "gemma4:e4b")
-GEMMA_MODEL_HF = os.environ.get("HF_GEMMA_MODEL", "google/gemma-4-E4B-it")
+GEMMA_MODEL_HF = os.environ.get("HF_GEMMA_MODEL", "google/gemma-4-26B-A4B-it")
+# HF Inference Provider — gemma-4-26B-A4B-it는 Novita가 serverless 서빙. 모델 교체 시 함께 맞출 것.
+# (provider 미지정 시 InferenceClient가 provider 0개 모델에서 next()→StopIteration으로 죽음)
+HF_PROVIDER = os.environ.get("HF_PROVIDER", "novita")
 HF_TOKEN = os.environ.get("HF_TOKEN", "")
 
 # transformers_local backend cache
@@ -56,7 +59,7 @@ def call_gemma_intent_parser(question: str, system: str) -> tuple[str | None, bo
     elif LLM_BACKEND == "hf_inference":
         try:
             from huggingface_hub import InferenceClient
-            client = InferenceClient(model=GEMMA_MODEL_HF, token=HF_TOKEN)
+            client = InferenceClient(model=GEMMA_MODEL_HF, token=HF_TOKEN, provider=HF_PROVIDER)
             resp = client.chat_completion(
                 messages=[{"role": "system", "content": system},
                           {"role": "user", "content": question}],
@@ -107,7 +110,7 @@ def _call_hf_inference(system, prompt, max_tokens, temperature):
         return None, False, "HF_TOKEN 환경변수 미설정"
     try:
         start = time.time()
-        client = InferenceClient(model=GEMMA_MODEL_HF, token=HF_TOKEN)
+        client = InferenceClient(model=GEMMA_MODEL_HF, token=HF_TOKEN, provider=HF_PROVIDER)
         resp = client.chat_completion(
             messages=[{"role": "system", "content": system},
                       {"role": "user", "content": prompt}],