삐에로의 지식창고

개요 질문 하나에 꼭 필요한 이미지가 검색 후보 21위에 있었다. 다른 질문에서는 11위였다. 검색은 동작했고, 이미지도 DB에 있었고, 그런데도 답에는 안 나왔다. 앞 글에서 이 시스템의 목표를 “좋아하는 그림과 거기서 배운 걸 이미지 근거와 함께 쌓아두고 다시 꺼내 쓰는 개인 지식 저장소”로 다시 정했다. 이 글은 그걸 실제로 만들고 써 본 기록이다. RAG를 만들어 놓고 “검색은 되는데 왜 쓸모가 없지?” 싶은 상태라면, 검색 적중과 실사용을 어떻게 나눠 봤는지, 그리고 매번 개발 도구를 여는 대신 MCP로 ChatGPT에 붙인 과정을 볼 수 있을 거다. LLM은 대화를, 하네스는 검색·저장·검증을 별... Read More

개요 과제를 제출하고 나서 ChatGPT에게 이렇게 부탁했다. 내가 만들고 싶은 일러스트 RAG 기획을 커스터마이징하여 더 내가 원하는 기능 위주로 리팩토링할꺼야. (SSAFY 가 요구하는 사항들은 전부 배제하고) 이에 대해 기획을 확정하고 싶으니 비슷한 사례나 비즈니스 모델들로 여러 참고 자료들을 검색해주고, 이가 시사하는 바 들을 정리해줄래? 5분 48초 뒤에 돌아온 건 조사 결과가 아니라 완성된 기획서였다. 제품 정의, 사용자층, MVP 범위, 아키텍처, 비즈니스 모델까지. 마지막에는 “개인화된 일러스트 제작 의사결정 어시스턴트”를 1차 제품 방향으로 채택하라고 추천했다. 일단 너 혼자... Read More

개요 그림을 그리다 레퍼런스가 필요하면 GPT에게 물어보곤 했다. 이 기법이 쓰인 그림을 찾아달라거나, 참고할 만한 작가를 모아달라는 식이었다. 그런데 받아 보면 내가 말한 조건과 다른 그림이 오거나, 그림 없이 설명만 오는 경우가 많았다. 무엇보다 가져온 그림이 내가 보고 배우고 싶은 그림이 아닌 경우가 많았다. 설명이 이론적으로 맞아도 그림이 마음에 안 들면 참고할 마음이 안 생긴다. 그래서 내가 좋다고 고른 그림과 거기서 배운 걸 쌓아두고, 필요할 때 AI가 그걸 꺼내주는 시스템이 있으면 좋겠다고 생각했다. 마침 SSAFY에서 RAG 프로젝트 과제가 나와서 도메인을 일러스트로 잡았다. 이 글은 그 과제... Read More

개요 비가 오면 농부는 싫어할까? 보통은 그렇다고 답한다. 그럼 표에 농부 × 비 = 불만이라고 한 줄 쓰면 끝이다. 그런데 그 농부가 사실 일하기 싫은 농부라면? 비가 오면 오늘은 쉴 수 있으니 오히려 좋아한다. 같은 비, 같은 농부인데 반응이 뒤집혔다. 이 프로젝트를 시작할 때부터 붙잡고 있던 질문이 있다. 이거, Jev 말고 if 분기로도 되지 않나? 앞 글에서 게임을 구름 캐는 천사로 피봇하면서 이 질문이 다시 나왔다. 게임에 판정 모델이나 LLM을 넣을지 고민 중이라면, 그 판단을 “반응이 맥락 때문에 뒤집히는가” 하나로 줄인 과정과 그걸 검증할 케이스 설계를 볼 수 있을 거다. 적어보겠다... Read More

개요 조미료를 고르기도 전에 요리가 맛없다는 판정이 나왔다. 처음 기획할 때 광질 게임을 요리로, AI를 조미료로 두었다. 요리가 맛없으면 무엇을 쳐도 소용없다고. 그런데 둘이 맛본 첫 요리에는 재미, 도파민 요소가 아예 없었다.. 광질 게임인데 광질이 맛없으면 광질을 버려야 할까? 우리는 광질을 재료로 남기고 재미를 다른 데로 옮겼고, 그러다 광부가 하늘에서 구름 캐는 천사가 됐다. 그 과정을 적어보겠다! “재미없다”를 빈칸으로 바꾸기 테스트 판에는 때리면 도망가는 광물, 캐다 보면 터지는 광물, 팀 점수가 다 들어가 있었다. 그런데도 남은 건 “재미없다” 하나였고, 이것만으로는 무엇을 고칠지 알 수 없... Read More

개요 말로만 그림을 설명하고 상대가 그리게 하는 게임에서, 그리는 쪽이 갑자기 스케치 세 장을 내밀며 “이 중에 뭐야?”라고 물으면 어떻게 될까? AI로 플레이어 로봇을 모델링하면서 도면을 아무리 자세히 그려도 blockout(큰 덩어리만 잡은 초안)에서 더 나아가지 않았다. 그래서 설명을 더 하는 대신 AI가 일하는 틀, 하네스를 만들었다. 고쳐도 되는 범위, 고친 뒤 재야 할 것, 남겨야 할 기록을 저장소 규칙과 코드로 정해 둔 것이다. 그러자 장면이 바뀌었다. 내가 추상적으로 말한 것이 후보 보드로 렌더되어 돌아왔고, AI가 이 중 어느 쪽이냐고 되물었다. 고치기 전에 먼저 재고, 잰 숫자와 수정안부터 ... Read More

개요 말로만 그림을 설명하고 상대가 그리게 하는 게임이 있다. 설명이 자세할수록 그림이 닮아갈 거라 믿게 된다. 나도 그렇게 믿었다. 도면만 제대로 뽑아주면 AI가 잘 만들 거라 생각해서, GPT로 정면·측면·단면·분해도까지 담은 도면을 만드는 데 시간을 바쳤다. 그런데 Blender 안의 로봇은 아무리 설명을 보태도 blockout(큰 덩어리만 잡은 초안 모델)에서 더 나아가지 않았다.. Minor On Air는 로봇 광부들이 거대한 생명체 안에서 광석을 캐는 1인칭 협동 게임이다. 이번엔 플레이어가 조종할 그 로봇을 AI로 모델링해 보려 했다. ChatGPT 6.1-sol과 Claude Opus 5.5를... Read More

개요 끝이 안 보이는 줄. 빨강, 파랑, 노랑, 초록 모자를 차례로 쓴 네 명을 찾아야 한다. 맨 앞 사람부터 모자를 본다. 빨강이 아니다. 한 칸 옆. 또 아니다. 한 칸 옆.. 그러다 네 번째 사람을 먼저 봤다고 해보자. 보라 모자다. ..그럼 이 사람이 끼어 있는 네 명은 볼 필요도 없잖아? 한 명 보고 네 칸을 건너뛴다. 보이어-무어가 패턴을 오른쪽 끝부터 비교하는 이유다. 찾는 줄이 길수록 더 멀리 뛴다. 이번에 배운 건 텍스트 안에서 패턴의 위치를 찾는 알고리즘 네 가지다. 브루트포스, 라빈-카프, 보이어-무어( 호스풀 방식 ), KMP. 넷은 결국 같은 두 질문에 다르게 답한다. 실패... Read More