How it works
타입세이프의 JEV는 LLM과 다릅니다.
글을 생성하지 않습니다.
대신 글을 읽고 판단합니다.
그 판단으로 말투에 따라 젤리를 만듭니다.
객관식이면 JEV가 필요 없습니다
‘나는 다정한 편이다’를 고르는 대신, 평소처럼 답장을 씁니다.
무엇을 고르는지보다, 어떻게 말하는지를 결과에 담고 싶었어요.
객관식이라면
선택지 → 미리 정한 점수
이 젤리는
“괜찮아, 천천히 말해.
내가 들어줄게.”
자유로운 답장 → 문맥과 표현의 판단
객관식이면 JEV가 필요 없습니다. 코드로 점수를 매기면 되니까요.
문제는 답장을 직접 쓰게 하고 싶었다는 거예요. 같은 말도 상황에 따라 뜻이 달라지니까, 그 부분의 판단을 JEV에게 맡겼습니다.
JEV가 판단하고, 코드는 조합합니다
다섯 개의 답장과 판단 기준을 한 번에 JEV에 보냅니다.
JEV가 하는 일은 답장에서 몇 가지 성향이 얼마나 드러나는지 판단하는 것까지입니다.
JEV · 의미 판단
자연어 답장을 읽고
점수·선택·확률을 반환
코드 · 결과 구성
판단값에 맞춰
이름·해석·몸·색을 조합
따뜻함 · 직접성 · 표현성 · 경계감
장난기 · 유연성 · 감정 폭 · 차분함
다정한 격려, 실용적인 도움…
전체를 관통하는 톤
아주 큰 웃음이나 놀람이
드러났는지
여덟 성향의 판단은 각각 0~4의 분포와 신뢰도를 함께 돌려받습니다.
확신이 낮은 판단은 그대로 믿지 않고 중간값 쪽으로 조정합니다.
LLM으로도 만들 수 있습니다
답장을 읽고 점수를 매기는 일은 LLM도 할 수 있어요.
그런데 이 실험에서 필요한 건 새로운 문장을 계속 만드는 일이 아니었습니다.
문장을 읽고 같은 기준으로 여러 개의 작은 판단을 반복해서 받으면 됐어요.
그래서 그 부분에 JEV를 썼습니다.
한 번의 요청으로 성향 여덟 개와 감정 톤, 특별한 반응을 판단합니다. 받은 값은 바로 코드로 넘깁니다.
신뢰도가 낮으면 그 값도 억지로 쓰지 않습니다. 중립값으로 보내거나 제목 조합에서 제외합니다.
그 뒤에는 AI가 할 일이 없습니다.
이름과 설명, 몸과 색은 미리 만든 규칙으로 조합합니다.
직접 짠 규칙
정확하고 저렴합니다. 대신 자유롭게 쓴 문장의 의미를 읽기 어렵습니다.
LLM + 코드
같은 구조를 만들 수 있습니다.
장점: 이 실험에서 필요한 것보다 훨씬 많은 일을 할 수 있습니다.
단점: 마찬가지입니다. 가끔은 너무 과하죠.
JEV + 코드
문장의 의미를 판단하는 부분만 JEV에 맡기고, 그걸 받아 결과를 만드는 일은 코드가 합니다.
JEV가 젤리를 직접 만드는 건 아닙니다
JEV가 판단한 값은 이제 코드로 넘어갑니다.
코드에는 각 판단을 어떻게 이름과 설명으로 바꿀지 미리 정해둔 조합표가 있습니다.
예를 들어 제목은 세 조각으로 나뉩니다.
실제 예시 · 저장된 JEV 판단을 그대로 사용하고 있어요.
각 조각은 두 성향의 5단계 조합으로 만들어집니다.
그래서 여섯 성향의 근거가 충분하다면 15,625개의 제목 조합이 가능합니다.
이 숫자는 AI가 즉석에서 만들어내는 경우의 수가 아니라, 코드에 미리 만들어둔 조합에서 나옵니다.
숫자를 젤리의 몸으로 바꿉니다
같은 판단값은 외형에도 연결됩니다.
- 01 · 몸의 윤곽
- 따뜻함 → 둥근 정도
직접성 → 모서리
장난기 → 별의 갈래 - 02 · 눈의 리듬
- 표현성 → 눈의 열림
경계감 → 눈매와 시선 - 03 · 말의 색
- 감정 톤 → 색 계열
감정 폭 → 색의 개수
세 성향의 강도 → 색의 비율
성향 점수를 색의 비율로 바꾼 뒤, 실제 젤리처럼 섞이도록 렌더링합니다. 아래 예시의 값이 최종 색 배합이 됩니다.
JEV는 이미지를 생성하지 않습니다.
판단값이 코드의 재료가 되는 구조입니다.
한 번 태어난 젤리는 기억해둡니다
같은 답장으로 돌아왔는데 젤리가 매번 달라지면 이상하니까, 처음 만들어진 결과를 저장합니다.
앱 DB에 원문 저장 안 함
답변 원문은 포함 안 함
목록은 이 브라우저에
저장되는 것은 결과를 다시 만들 수 있는 판단값과 설계 정보입니다.
그래서 같은 버전의 같은 입력으로 돌아오면, 처음 만났던 젤리를 다시 보여줄 수 있습니다.
실제 예시 데이터와 판단 기준
2026-09-21 · jev-1.13.0으로 평가한 공개 예시입니다. 이 페이지를 열거나 설계 실험을 눌러도 API를 호출하지 않습니다.
Score 신뢰도 55% 미만은 계산용 50점, 55–75%는 중립값 쪽으로 40% 보정합니다. Choice 신뢰도 55% 미만은 기본 감정 톤을 씁니다. 신뢰도는 모델의 판단 지표이며, 성격 해석의 정확도를 뜻하지 않습니다.
따뜻함69점중립값 보정
원래 판단 3.26 / 4 → 반영 69점 · 신뢰도 71%
신뢰도가 55% 이상 75% 미만이라 중립값 쪽으로 40% 옮겼어요.
직접성50점중립값 보정
원래 판단 2.14 / 4 → 반영 50점 · 신뢰도 46%
신뢰도가 55% 미만이라 중립값 50점을 썼어요.
표현성74점신뢰도 87%
원래 판단 2.95 / 4 → 반영 74점 · 신뢰도 87%
경계감27점중립값 보정
원래 판단 0.47 / 4 → 반영 27점 · 신뢰도 61%
신뢰도가 55% 이상 75% 미만이라 중립값 쪽으로 40% 옮겼어요.
장난기51점신뢰도 87%
원래 판단 2.05 / 4 → 반영 51점 · 신뢰도 87%
유연성94점신뢰도 81%
원래 판단 3.77 / 4 → 반영 94점 · 신뢰도 81%
감정 폭73점중립값 보정
원래 판단 3.51 / 4 → 반영 73점 · 신뢰도 59%
신뢰도가 55% 이상 75% 미만이라 중립값 쪽으로 40% 옮겼어요.
차분함54점중립값 보정
원래 판단 2.28 / 4 → 반영 54점 · 신뢰도 58%
신뢰도가 55% 이상 75% 미만이라 중립값 쪽으로 40% 옮겼어요.
감정 톤다정한 격려신뢰도 79%
원래 판단 다정한 격려 → 반영 다정한 격려 · 신뢰도 79%
큰 웃음·놀람59%‘예’의 확률
원래 판단 59% → 반영 59%
큰 웃음이나 놀람이 드러났다는 판단의 확률이에요. 현재 젤리는 입 없이 검은 비즈 눈으로 표현합니다.
숫자의 의미
이 실험의 점수는 성격의 함량이나 확률이 아닙니다.
짧은 답장 다섯 개에서 특정한 말하기 방식이 얼마나 관찰됐는지를 화면에 쓰기 좋은 값으로 바꾼 것입니다.
신뢰도가 낮은 판단은 중립값 쪽으로 조정하거나 결과 조합에서 제외합니다.
짧은 대화에서 관찰한 표현을 바탕으로 젤리를 만들어보는 JEV 실험입니다. 성격 검사가 아닙니다.