Hotfix: Gemini 404 and enhanced error visibility

app.py

@@ -54,10 +54,16 @@ def load_all_models():
                         try:
                             # 모델 다운로드 및 로드
                             cached_model = hf_hub_download(repo_id=REPO_ID, filename=self.model_path, repo_type="space")
+                            # [추가] 파일 크기 확인 로그 (디버깅용)
+                            fsize = os.path.getsize(cached_model)
+                            if fsize < 1000:
+                                self.load_error = f"파일이 너무 작음({fsize}B). LFS 포인터일 가능성 있음."
+                                return
+                            
                             self.model = tf.keras.models.load_model(cached_model, compile=False)
                             self.load_error = "성공"
                         except Exception as model_e:
-                            self.load_error = f"모델 다운로드/로드 실패: {model_e}\n{traceback.format_exc()}"
+                            self.load_error = f"모델 로드 실패: {str(model_e)}\n{traceback.format_exc()}"
                     except Exception as e:
                         self.load_error = f"HuggingFace 리소스 로드 통합 에러: {e}"
 
@@ -92,7 +98,13 @@ def load_all_models():
             class Consultant:
                 def __init__(self):
                     api_key = os.getenv("GOOGLE_API_KEY", "")
-                    self.llm = ChatGoogleGenerativeAI(model="gemini-1.5-flash", google_api_key=api_key, temperature=0.7)
+                    # [수정] 모델 명칭 및 API 버전 호환성 고려
+                    self.llm = ChatGoogleGenerativeAI(
+                        model="gemini-1.5-flash", 
+                        google_api_key=api_key, 
+                        temperature=0.7,
+                        convert_system_message_to_human=True
+                    )
                     self.embedding_model = None
                     self.retriever = None
 
@@ -147,7 +159,8 @@ def handle_predict(*args):
         
         res = _models["predictor"].predict(features_dict)
         if isinstance(res, str) and "Error" in res:
-            return f"❌ 분석 실패: {res}", f"⚠️ 분석 에러 발생"
+            # 에러 발생 시 UI 상단 점수칸에 에러 내용 대량 노출 (진범 확인용)
+            return f"❌ 분석 실패: {res}", f"⚠️ {res[:100]}..."
         
         score_val = str(int(round(float(res))))
         return {"features": features_dict, "score": score_val}, score_val