diff --git a/journey/plans/251204_emotion_based_addressing_system.md b/journey/plans/251204_emotion_based_addressing_system.md
new file mode 100644
index 0000000..cfbbedc
--- /dev/null
+++ b/journey/plans/251204_emotion_based_addressing_system.md
@@ -0,0 +1,459 @@
+# 감정 기반 호칭 시스템 구현 계획
+
+**작성일**: 2025-12-04  
+**작성자**: happybell80  
+**상태**: 계획 단계
+
+---
+
+## 1. 배경 및 동기
+
+### 문제 인식
+- 현재 로빙(Robeing)은 모든 사용자를 "사용자님" 또는 `user.name`으로 획일적으로 호칭
+- Slack DM에서는 `user['name']`님 형식 사용 (예: "이고은님")
+- 사용자 감정 상태나 상황에 따른 호칭 차별화 없음
+- `metadata JSONB` 컬럼 추가로 nickname, position 등 저장 가능해짐
+
+### 목표
+- **감정 상태**에 따라 호칭을 동적으로 변경하여 공감 능력 강화
+- **직책 정보**를 활용하여 한국 직장 문화의 존중 표현
+- **휴리스틱 규칙** 기반으로 일관성 및 예측 가능성 보장
+
+---
+
+## 2. 조사 및 연구
+
+### 웹 검색 결과 요약
+
+#### 한국어 호칭 원칙
+- **친밀한 관계**: 별명/애칭 사용
+- **공식적/부정적 상황**: 성명 사용
+- **감정이 부정적일 때**: 거리감을 두기 위해 정식 이름 사용하는 경향
+- 출처: 한국어 호칭 연구, UX 라이팅 전략 ([visualflow.co.kr](https://visualflow.co.kr))
+
+#### AI 감정 반응 연구
+- 챗GPT의 **emotional rebound 효과**: 사용자 감정에 따라 답변 톤 조절
+- 부정적 말투 → 위로하는 답변
+- 긍정적 감정 → 친근한 답변
+- 출처: 프랑크 바르돌 연구 ([m.etnews.com](https://m.etnews.com))
+
+#### 한국 직장 문화
+- 직책 호칭이 최우선 (대표님, 이사님, 팀장님 등)
+- 업무 맥락에서는 이름보다 직책 호칭 선호
+- 개인적 대화에서는 이름 호칭 가능
+
+### 권장 매핑 전략
+1. **긍정/편안한 감정** (happiness/surprise/neutral) → 별명/애칭(nickname) 사용
+2. **부정/스트레스 감정** (fear/anger/sadness) → 정식 이름(full name)으로 존중과 위로 표현
+3. **매우 부정적** → 더 공손한 톤과 함께 정식 이름
+4. **직책 있음** → 감정 무관하게 직책 호칭 우선
+
+---
+
+## 3. 설계 의사결정
+
+### 핵심 질문: 휴리스틱 vs LLM 판단?
+
+**결정**: **휴리스틱 규칙 기반** ✅
+
+**이유**:
+- **일관성**: Python 규칙으로 명확히 정의 → 동일 입력에 동일 출력 보장
+- **속도**: DB 조회 + 규칙 적용이 LLM 호출보다 빠름
+- **예측 가능성**: 디버깅 및 테스트 용이
+- **제어 가능성**: 비즈니스 로직 변경 시 코드만 수정
+- **LLM 역할**: 결정된 호칭을 자연스럽게 사용하는 것만 담당
+
+### 사용자 피드백 반영
+
+#### 호칭 우선순위
+1. **직책 우선**: `metadata->>'position'` 있으면 감정 무관하게 직책 호칭
+2. **긍정 감정 + 직책 없음**: `metadata->>'nickname'` 사용
+3. **부정 감정 + 직책 없음**: `user.name` 정식 이름 사용
+4. **폴백**: `user.name`에서 성 제외한 이름 (예: "이고은" → "고은")
+
+#### 감정 데이터 소스
+- **선택**: `emotion_readings` 테이블에서 최근 10분 평균 감정 사용
+- **이유**: 단일 메시지 감정은 변동성이 크므로 최근 평균으로 안정화
+
+#### 호칭 사용 빈도
+- **선택**: LLM이 context-dependent하게 자연스럽게 판단
+- **방법**: 시스템 프롬프트에 "사용자를 '{preferred_name}'으로 호칭하세요" 명시
+- **효과**: 인위적이지 않고 대화 흐름에 맞게 호칭 사용
+
+#### nickname 없을 때 폴백
+- `user.name`에서 성 제외하고 이름만 추출 (예: "이고은" → "고은")
+- 파싱 실패 시 `user.name` 그대로 사용
+
+#### 짧은 이름 (short_name)
+- `metadata->>'short_name'` 필드 추가 (수동 입력)
+- 중립 감정에서 사용 가능 (선택 사항)
+
+---
+
+## 4. 호칭 결정 휴리스틱 규칙
+
+### 의사결정 트리
+
+```python
+def get_user_preferred_name(user_id: str, current_emotion: str) -> str:
+    """
+    사용자 호칭 결정 함수
+    
+    Args:
+        user_id: 사용자 UUID
+        current_emotion: 현재 감정 ('happiness', 'fear', 'neutral' 등)
+    
+    Returns:
+        호칭 문자열 (예: "대표님", "joann님", "이고은님", "고은님")
+    """
+    
+    # 1. DB에서 사용자 정보 조회
+    user = db.query("SELECT name, metadata FROM user WHERE id = %s", user_id)
+    position = user.metadata.get('position')  # 직책
+    nickname = user.metadata.get('nickname')  # 별명
+    short_name = user.metadata.get('short_name')  # 짧은 이름
+    
+    # 2. emotion_readings에서 최근 10분 평균 감정 조회
+    recent_emotions = db.query("""
+        SELECT probs FROM emotion_readings
+        WHERE user_id = %s AND created_at > NOW() - INTERVAL '10 minutes'
+        ORDER BY created_at DESC
+    """, user_id)
+    
+    avg_emotion = calculate_average_emotion(recent_emotions, current_emotion)
+    
+    # 3. 호칭 결정
+    if position:
+        # 직책 있음 → 직책 호칭 우선
+        return f"{position}님"
+    
+    # 긍정 감정: happiness, surprise, neutral
+    positive_emotions = ['happiness', 'surprise', 'neutral', 'joy']
+    # 부정 감정: fear, anger, sadness, disgust
+    negative_emotions = ['fear', 'anger', 'sadness', 'disgust']
+    
+    if avg_emotion in positive_emotions:
+        # 긍정 → nickname 우선
+        if nickname:
+            return f"{nickname}님"
+        # nickname 없으면 짧은 이름
+        if short_name:
+            return f"{short_name}님"
+        # 둘 다 없으면 이름에서 성 제외
+        return f"{extract_first_name(user.name)}님"
+    
+    elif avg_emotion in negative_emotions:
+        # 부정 → 정식 이름 (존중과 위로)
+        return f"{user.name}님"
+    
+    else:
+        # 알 수 없는 감정 → 기본값
+        return f"{user.name}님"
+
+
+def extract_first_name(full_name: str) -> str:
+    """
+    한국어 이름에서 성 제외하고 이름만 추출
+    예: "이고은" → "고은", "김철수" → "철수"
+    """
+    if len(full_name) >= 3:
+        return full_name[1:]  # 첫 글자(성) 제외
+    return full_name  # 2글자 이하면 그대로
+
+
+def calculate_average_emotion(recent_emotions: List[Dict], current_emotion: str) -> str:
+    """
+    최근 감정들의 평균을 계산하여 가장 높은 확률의 감정 반환
+    """
+    if not recent_emotions:
+        return current_emotion
+    
+    # 7가지 감정 확률 합산
+    emotion_sum = {
+        'happiness': 0, 'surprise': 0, 'fear': 0, 
+        'anger': 0, 'sadness': 0, 'disgust': 0, 'neutral': 0
+    }
+    
+    for record in recent_emotions[:10]:  # 최근 10개만
+        probs = record['probs']
+        for emotion, prob in probs.items():
+            emotion_sum[emotion] += prob
+    
+    # 현재 감정도 가중치 2배로 추가
+    emotion_sum[current_emotion] += 2.0
+    
+    # 최댓값 감정 반환
+    return max(emotion_sum.items(), key=lambda x: x[1])[0]
+```
+
+---
+
+## 5. 구현 계획
+
+### 5.1. 파일 수정 목록
+
+#### A. [`rb8001/app/state/database.py`](../../rb8001/app/state/database.py)
+**새 함수 추가**:
+```python
+async def get_user_preferred_name(user_id: str, current_emotion: str) -> str:
+    """사용자 호칭 결정 (휴리스틱 규칙)"""
+    # 위 의사결정 트리 로직 구현
+```
+
+**추가 헬퍼 함수**:
+- `extract_first_name(full_name: str) -> str`
+- `calculate_average_emotion(recent_emotions, current_emotion) -> str`
+
+#### B. [`rb8001/app/router/router.py`](../../rb8001/app/router/router.py)
+**수정 위치**: `_call_internal_llm()` 메서드 (264-283라인)
+
+**추가 로직**:
+```python
+# Phase 3: 감정 분석 (옵션)
+if settings.USE_EMOTION_ANALYSIS:
+    try:
+        from app.core.emotion.emotion_classifier import get_classifier
+        emotion_classifier = get_classifier()
+        
+        emotion_result = await emotion_classifier.predict_async(message)
+        user_emotion = emotion_result['top_label']
+        emotion_confidence = emotion_result['top_p']
+        
+        # context에 추가
+        if context is None:
+            context = {}
+        context['user_emotion'] = user_emotion
+        context['emotion_confidence'] = emotion_confidence
+        
+        # ✨ 호칭 결정 로직 추가 ✨
+        from app.state.database import get_user_preferred_name
+        preferred_name = await get_user_preferred_name(user_id, user_emotion)
+        context['preferred_name'] = preferred_name
+        
+        logger.info(f"Emotion: {user_emotion}, Preferred name: {preferred_name}")
+        
+    except Exception as e:
+        logger.error(f"Emotion analysis failed: {e}")
+```
+
+#### C. [`rb8001/app/services/llm/llm_service.py`](../../rb8001/app/services/llm/llm_service.py)
+**수정 위치**: `process_request()` 메서드 (131-132라인)
+
+**수정 내용**:
+```python
+system_instruction = f"[내부 정보 - 절대 언급 금지] 사용자 감정: {', '.join(emotion_labels)}\n"
+
+# ✨ 호칭 지시 추가 ✨
+preferred_name = enhanced_context.get('preferred_name', '사용자')
+system_instruction += f"사용자를 '{preferred_name}'으로 호칭하세요. "
+
+system_instruction += f"{strategy} 응답하세요. 감정 분석 결과나 확률은 절대 언급하지 마세요."
+```
+
+#### D. [`DOCS/book/300_architecture/database/tables.md`](../book/300_architecture/database/tables.md)
+**업데이트 내용**:
+```markdown
+### user
+| 컬럼명 | 타입 | NULL | 설명 |
+|--------|------|------|------|
+| id | UUID | NO | PK |
+| team_id | UUID | NO | FK → team |
+| email | VARCHAR(255) | NO | UNIQUE |
+| name | VARCHAR(255) | YES | 사용자 이름 |
+| username | VARCHAR(64) | YES | |
+| metadata | JSONB | YES | 사용자 메타정보 (nickname, position, short_name, preferences 등) |
+| ... | ... | ... | ... |
+
+**metadata 필드 예시**:
+```json
+{
+  "nickname": "joann",
+  "position": "대표",
+  "short_name": "고은",
+  "preferences": {
+    "communication": "direct",
+    "work_style": "flexible"
+  }
+}
+```
+```
+
+---
+
+### 5.2. 구현 순서
+
+1. ✅ **metadata 컬럼 추가 및 테스트 데이터 입력** (완료)
+   - 이고은 계정: nickname="joann", position="CEO"
+   - 김종태 계정: 테스트 데이터
+
+2. 🔲 **database.py에 호칭 결정 함수 추가**
+   - `get_user_preferred_name()`
+   - `extract_first_name()`
+   - `calculate_average_emotion()`
+
+3. 🔲 **router.py에 호칭 결정 로직 통합**
+   - 감정 분석 직후 호칭 결정
+   - `context['preferred_name']` 설정
+
+4. 🔲 **llm_service.py에 시스템 지시사항 추가**
+   - `system_instruction`에 호칭 명시
+
+5. 🔲 **tables.md 문서 업데이트**
+   - metadata 컬럼 설명 추가
+
+6. 🔲 **테스트 시나리오 실행**
+   - 4가지 시나리오 검증
+
+---
+
+## 6. 테스트 시나리오
+
+### 시나리오 1: 긍정 감정 + 직책 있음
+**입력**:
+- 사용자: 이고은 (metadata: position="대표", nickname="joann")
+- 메시지: "고마워요! 오늘 일정 알려주세요"
+- 감정: happiness (0.8)
+
+**예상 결과**:
+- 호칭: "대표님"
+- 응답 예시: "대표님, 오늘 일정을 확인해 드리겠습니다..."
+
+---
+
+### 시나리오 2: 긍정 감정 + 직책 없음
+**입력**:
+- 사용자: 테스트 계정 (metadata: nickname="joann", position=null)
+- 메시지: "좋은 아침이에요!"
+- 감정: happiness (0.7)
+
+**예상 결과**:
+- 호칭: "joann님"
+- 응답 예시: "joann님, 좋은 아침입니다! 오늘도 활기찬 하루 되세요..."
+
+---
+
+### 시나리오 3: 부정 감정 + 직책 없음
+**입력**:
+- 사용자: 이고은 (metadata: nickname="joann", position=null로 임시 변경)
+- 메시지: "너무 힘들어요... 도와주세요"
+- 감정: sadness (0.75)
+
+**예상 결과**:
+- 호칭: "이고은님"
+- 응답 예시: "이고은님, 힘든 상황이시군요. 제가 도와드릴 수 있는 부분이 있을까요?..."
+
+---
+
+### 시나리오 4: 중립 감정 + nickname 없음
+**입력**:
+- 사용자: 김종태 (metadata: position=null, nickname=null, name="김종태")
+- 메시지: "오늘 날씨 어때?"
+- 감정: neutral (0.6)
+
+**예상 결과**:
+- 호칭: "종태님" (name에서 성 제외)
+- 응답 예시: "종태님, 오늘 날씨를 확인해 드리겠습니다..."
+
+---
+
+## 7. 검증 방법
+
+### 로그 확인
+```bash
+# rb8001 로그에서 호칭 결정 로그 확인
+docker logs rb8001 --tail 100 | grep "Preferred name"
+
+# 예상 출력:
+# Emotion: happiness, Preferred name: 대표님
+# Emotion: sadness, Preferred name: 이고은님
+```
+
+### DB 쿼리
+```sql
+-- 최근 10분 감정 평균 확인
+SELECT 
+    user_id,
+    AVG((probs->>'happiness')::float) as avg_happiness,
+    AVG((probs->>'sadness')::float) as avg_sadness,
+    AVG((probs->>'fear')::float) as avg_fear
+FROM emotion_readings
+WHERE created_at > NOW() - INTERVAL '10 minutes'
+GROUP BY user_id;
+
+-- 사용자 metadata 확인
+SELECT id, name, metadata->>'nickname' as nickname, metadata->>'position' as position
+FROM "user"
+WHERE email = 'goeun@ro-being.com';
+```
+
+### API 테스트
+```bash
+# JWT 토큰으로 메시지 전송
+curl -X POST http://192.168.219.52:8001/api/message \
+  -H "Authorization: Bearer $JWT_TOKEN" \
+  -H "Content-Type: application/json" \
+  -d '{"text": "고마워요!"}'
+  
+# 응답에 "대표님" 또는 "joann님" 포함 확인
+```
+
+---
+
+## 8. 예상 효과
+
+### 사용자 경험 개선
+- **공감 능력**: 감정 상태에 맞는 호칭으로 감정적 공명 강화
+- **개인화**: nickname 활용으로 친밀감 향상
+- **문화적 적합성**: 한국 직장 문화의 직책 호칭 존중
+
+### 기술적 이점
+- **일관성**: 휴리스틱 규칙으로 예측 가능한 동작
+- **확장성**: 규칙 추가/수정 용이 (코드 레벨)
+- **성능**: DB 조회 기반으로 빠른 응답 (LLM 호출 불필요)
+
+---
+
+## 9. 향후 개선 방향
+
+### 단기 (1-2주)
+- [x] 기본 호칭 시스템 구현
+- [ ] A/B 테스트: 사용자 만족도 비교 (호칭 on/off)
+- [ ] 로그 분석: 호칭 사용 빈도 및 패턴 파악
+
+### 중기 (1-2개월)
+- [ ] 시간대별 호칭 변화 (아침/저녁 인사 차별화)
+- [ ] Intent 기반 호칭: 업무(직책) vs 잡담(이름)
+- [ ] 사용자 피드백 수집 (Slack 이모지 반응)
+
+### 장기 (3-6개월)
+- [ ] 강화학습: 사용자 반응 학습하여 호칭 선호도 자동 조정
+- [ ] 다국어 지원: 영어권 사용자 호칭 전략 (Mr./Ms./First name)
+- [ ] 음성 인터페이스: 발화 시 억양/톤 조절
+
+---
+
+## 10. 관련 문서
+
+- [[tables.md]](../book/300_architecture/database/tables.md) - user 테이블 스키마
+- [[230_감정윤리_필터_LLM후처리와_정체성]](../book/200_core_design/230_감정윤리_필터_LLM후처리와_정체성.md) - 감정 분석 철학
+- [[311_FastAPI_구조_원칙]](../book/300_architecture/311_FastAPI_구조_원칙.md) - 코드 작성 원칙
+- [[251016_emotion_integration_plan]](251016_emotion_integration_plan.md) - 감정 시스템 통합 계획
+
+---
+
+## 교훈 및 인사이트
+
+### 설계 과정에서 배운 점
+1. **휴리스틱 vs AI**: 명확한 규칙이 있는 경우 휴리스틱이 더 효과적 (일관성, 속도, 디버깅)
+2. **문화적 맥락**: 한국어 호칭 체계는 단순 번역이 아닌 사회문화적 이해 필요
+3. **감정 안정화**: 단일 메시지 감정은 변동성 크므로 최근 평균 사용이 안정적
+
+### 주의할 점
+- **프라이버시**: 직책/별명 정보 노출 주의 (로그, 에러 메시지)
+- **폴백 처리**: DB 조회 실패, 감정 분석 실패 시 안전한 기본값 ("사용자님")
+- **테스트 커버리지**: 엣지 케이스 (빈 문자열, NULL, 특수문자) 처리 필수
+
+---
+
+**다음 단계**: 이 계획을 바탕으로 `database.py`, `router.py`, `llm_service.py` 수정 시작
+