오늘도 공부

구조는 이렇게 보면 가장 정확합니다.게임 상태 → Jev → 구조화된 선택 → 게임 코드가 실제 레벨 생성예를 들어 러너 게임에서 현재 상태를 Jev에 보냅니다.플레이어 위치속도현재 점프 중인지대시 사용 가능 여부현재 주변 지형최근 생성된 지형실제 글에서도 x, y, vx, vy, grounded, dash_ready 같은 게임 상태를 Jev에 전달합니다. (Sprite Fusion)그리고 중요한 부분은 Jev에게 자유롭게 "다음 맵 만들어줘"라고 시키지 않는다는 것입니다.개발자가 먼저 선택 가능한 범위를 정해놓습니다.발판 종류- Solid roof- One-way ledge폭- 2칸- 3칸- 5칸간격- 0칸- 1칸- 2칸높이- Row 4~9Jev는 여기서 다음 지형에 적합한 조합을 선택합니다. 한 번의..

AI가 코드를 쓰는 대신 UI를 조립하기 시작했다“매출 현황을 보여주는 대시보드를 만들어줘.”지금까지 AI에게 이렇게 요청하면 보통 이런 일이 벌어졌다.AI가 React 코드를 작성한다.컴포넌트를 만든다.CSS를 붙인다.차트 라이브러리를 고른다.상태 관리 코드를 만들고 버튼 이벤트도 연결한다.그리고 우리는 그 코드가 실제로 실행되기를 기도한다.컴파일 오류가 나기도 하고, 이미 회사에서 사용 중인 디자인 시스템을 무시한 새로운 버튼이 생기기도 한다. 버튼 하나를 수정해 달라고 했는데 AI가 파일 전체를 다시 작성하기도 한다.Vercel Labs의 json-render는 이 문제를 조금 다른 방향에서 바라본다.AI에게 프론트엔드 코드를 작성하게 하지 말고,우리가 허용한 UI 부품으로 화면의 ‘설계도’만 만들..

LLM에게 버튼 하나까지 생각하게 해야 할까?Jev 오픈소스 프로젝트 8개로 살펴본 AI Agent의 다음 구조AI 에이전트를 만들다 보면 이상한 순간을 자주 만나게 된다.파일을 읽고, 검색하고, 브라우저 버튼 하나를 누르고,수백 개의 Skill 중 하나를 고르는 모든 순간에 거대한 LLM을 호출한다.“이 버튼을 누를까, 저 버튼을 누를까?”“이 로그를 남길까 버릴까?”“수백 개의 Skill 중 어떤 것을 사용할까?”사람에게 물어본다면 그리 어려운 문제가 아니다.하지만 AI 시스템에서는 이런 작은 판단에도Claude나 GPT 같은 대형 모델을 호출하는 경우가 많다.결과적으로 에이전트는 느려지고,비용은 증가하며,컨텍스트는 계속 커진다.최근 등장한 Jev는 이 문제를 조금 다른 방향에서 바라본다.“모든 AI..