제안
서비스 구성과 진행 방식에 대한 제안입니다.
1.AI 매칭 구현 방식
- 1단계: HAVE·WANT를 의미 벡터로 바꿔 DB(PostgreSQL + 벡터 확장)에 저장하고, 가까운 후보만 추립니다.
- 2단계: 추린 후보만 상용 LLM API로 양방향 채점·이유 작성을 합니다.
- 모든 쌍을 AI에 묻지 않아 비용이 회원 수에 비례해 폭증하지 않습니다.
- LLM은 한 곳에 묶이지 않게 연결부를 분리해, 나중에 다른 회사 API로 교체할 수 있게 합니다.
2.역방향 적합도 — 포함 권장
- 한쪽만 이득인 추천은 수락으로 이어지기 어렵습니다. 1차 목표가 “상호 수락”이므로 양방향 평가가 맞습니다.
- 추가 비용은 채점 호출이 한 방향에서 두 방향으로 늘어나는 정도입니다.
3.더 싸고 빠르게 검증하는 방법
- 초기 50~100명에서는 AI 추천을 관리자가 승인하는 구조만으로 충분합니다. 자동 노출은 수락률을 본 뒤에 결정합니다.
- 실시간 채팅 대신, 상호 수락 후 연락처 공개로 충분합니다.
4.이어받을 수 있는 구조와 인수인계
- 소스·DB·디자인 원본·계정 모두 발주자 명의로 하고, 프롬프트는 코드 밖 설정 파일로 분리합니다.
- 인수인계 문서: 구조도, 프롬프트 수정 방법, 배포 방법.
5.발주자가 결정할 일과 시점
| 시점 | 결정할 것 |
|---|---|
| 1주차 | 회원 유형, 온보딩 질문 범위 |
| 2주차 | 화면 디자인 확정 |
| 4주차 | 추천 기준(적합도 최소 점수, 제외 규칙) |
| 6주차 | 테스트 회원으로 추천 결과 확인 |
| 8주차 | 오픈 승인 |
6.확인이 필요한 사항
- 사용할 LLM 회사(발주자 명의 계정)
- 개인정보 공개 범위(수락 후 연락처 외 공개 항목)
- 초기 회원 모집 방식(관리자 초대 / 공개 가입)