<aside> 💡

해야 할 일

• [x] 마니또 확장 방향성 고민

• [x] 퍼소나 (사용자층 명확성)

  ---

• [x] Github Repo Project Description PR 최신화

• [x] 팀 Project Repo는 제3자가 검색해서 들어오게되었을때, 구조 이해에 도움이 되도록 Readme.MD 에 내용 정리해 두었습니까?

• [x] 팀 Project Repo의 폴더 구성은 통상 오픈소스 구성처럼 잘 구조화 되어있습니까?

• [ ] 팀 Project Repo에 PR해가면서 공동작업을 github 활용하고 있습니까?

• [ ] 데모한 모든 코드/데이타 등은 팀 Project Repo에 다 올라가 있습니까?

• [x] 팀원별 R&R 정리
• [ ] 핵심기술/솔루션 데모/코드리뷰 스토리
• 기반소프트웨어는 무엇이고, 팀이 수정/변경 등 한 부분이 있다면 무얼 했고, 이것으로 무얼 했고, 입력은 무엇이고, 출력은 무엇인데, 실험결과에 대한 자체 평가는 무엇이고(우리의 문제해결에 작 적용될것 같은 정도), 이 실험은 기말에 무엇으로 쓰일것이다
• [x] 기말에 대략 어떤 것을 만들어 보여줄지의 개요, 그 의미
• [x] 서비스를 지향하는 산학트랙의 경우, API Call을 통해 어떤 AI 서비스를, 어떤 목적으로, 어떤 파라미터를 주고, 그 결과를 어떻게 활용하는지 간단히 정리(어떻든 AI를 적극적으로 적용해보세요)
• [x] AI 투명성 리포트 (텍스트로 간단히 정리)
• [x] 프로젝트 주제/솔루션/방향성에 대하여, 팀이 이해하고 있는 팀지도교수님 코멘트의 핵심내용 요약 </aside>

🧙‍♂️ 마니또 경험 확장 AI 아이디어

• 결과 리포트 생성 시 유저의 게임 내 활동을 분석

  • AI 분류

    • 방사형 그래프 생성 - ex. 전략형 / 이벤트형 / 은밀형 / 소통형 / 혼란형 / …

      • 그래프 축 - 성실도 (미션 달성률), 다정함 (쪽지 빈도, 길이), 존재감 (채팅 참여도) …

        ex) 혼란형 (여러 명에게 의심 받음), 소통형 (쪽지/채팅 적극적), … ex) 쪽지 톤 (장난 / 다정 / 진지), 활동 타이밍 (초반 적극적 / 꾸준 / 막판 스퍼트)

  • 타이틀 생성

    • ex) 주로 늦은 밤에 활동 집중, 쪽지 자주 보냄 → 🦉새벽 감성형 올빼미 마니또 🦉

  • AI 캐릭터 생성

    • 비밀요원, 저격수, 산타, 장난꾸러기 요정, 그림자 스토커, 마니또 고인물…

  • 한 줄 스토리 생성

    • 키워드 기반 → AI는 문장 위주 생성
    • "당신은 '과묵한 저격수형'입니다. 자주 나타나진 않지만 한 번 행동할 때 정확하게 찔러요. 상대는 분명 당신을 의심하면서도 설레고 있을 거예요.”

  • 이번 마니또에서 나와 가장 닮은 참여자

    • 활동 시간대, 쪽지 스타일, 쪽지 길이, 채팅 스타일 등등을 근거로 선정
    • 마니또-마니띠의 일대일 관계 뿐 아니라, 참여자 내 다른 사람과의 친밀감 생성

• 방 생성 시 참여 인원들 간의 정확한 관계/공통 관심사/만남 빈도 등을 입력받고 맞춤형 미션 / 힌트 제공

  • 방에 대한 메타데이터 입력
  • 해당 데이터 기반 힌트 질문 생성
    • ex) ‘온라인 게임 길드’ → 힌트: “가장 좋아하는 캐릭터는?”, “주로 플레이하는 시간은?”
    • ex) ‘대학교 컴퓨터 공학과 동기’ → 힌트: “제일 싫어하는 에러 유형은?”, “수업 들을 때 앞자리 vs 뒷자리?”
  • 미션
    • 방 생성 후 마니또 시작 전 각 사용자들이 미션 작성 (2-3개?)
    • 기본 AI 추천(ex. 갈틱폰) 및 새로고침 가능 → 사용자가 수정 및 재작성 가능
    • 작성한 미션 랜덤 배정 (본인 미션 배정 가능?)

• (보류) 말투/채팅 습관 등을 통한 추리 제한을 위한 AI 보정

  ex) 쪽지를 보낼 때 말투 선택하여 변환 (사극체, 극존칭 등)

• 추리 보조 힌트 (사용자의 채팅 행동을 기반으로 단서 제공)

• (보류) AI 기반 의심 대상 추천/AI 채팅 보조 (“이렇게 답장해보세요”)

퍼소나

퍼소나

핵심기술/솔루션 데모/코드리뷰 스토리

• 이 프로젝트는 Spring Boot와 Google Gemini(또는 ChatGPT)를 기반으로 구현되었으며, 사용자의 작성 시각, 글자 수, 작성 빈도, 랭킹 등 다양한 메타데이터를 분석 로직에 결합했습니다. 또한 AI가 자의적으로 판단하지 않도록 스코어링 규칙과 예시를 함께 제공하여 답변의 일관성을 확보하고자 했습니다.
• 현재 데모에서는 입력값으로 사용자의 쪽지 내용과 함께 내부적으로 요청 시각 및 쪽지의 길이를 활용하고 있으며, 출력값으로는 해당 데이터를 기반으로 생성된 페르소나 칭호와 한 줄 스토리를 Json으로 반환합니다.
• 실험 결과, 텍스트 데이터에 메타데이터를 결합함으로써 보다 다양하고 흥미로운 결과를 도출할 수 있었고, 사용자에게 ‘한 번 더 해보고 싶다’는 반복 사용 동기 요소를 제공할 가능성이 있을 것이라고 판단했습니다. 이 실험 모델은 이후 게임 내 활동 랭킹, 활동 빈도, 총 쪽지 수 등 더 다각화된 파라미터를 추가하여 확장 적용할 예정입니다.

기말에 대략 어떤 것을 보여줄지

기말에 발표할 MVP로는 마니또 플레이를 진행할 수 있는 방 생성, 랜덤 매칭 이후 게임의 지속성 유지를 위한 비밀 쪽지 기능, 이후의 결과 리포트를 위한 비밀 쪽지 내용을 읽어들이고 이를 파라미터화하여 정보값을 저장 후 이를 결과 데이터와 연결하여 출력하는 수준까지를 목표로 합니다. 이는 저희 팀의 주제인 소셜 마니또 앱의 기본 구조(방 생성, 랜덤 매칭, 결과 발표)와 저희 팀이 갖는 차별점인 지속성(비밀 쪽지) 및 추억화(쪽지 내용을 기반으로 한 결과 데이터 생성)를 가장 단순하고 확실하게 보여줄 수 있는 핵심적인 기능의 흐름이라고 생각하여 이와 같이 선정하게 되었습니다.