왜 이 형태인가 — (1)은 "쓸수록 정확해진다(복리)"가 메시지라 순환(플라이휠)이 맞습니다(선형은 복리감을 못 줌). (2)는 8개 결정론 모듈과 35가지 하네스를 펼친 레이어드 아키텍처로 기술 깊이를 드러냅니다. (3) 음식↔식재료 관계망은 네트워크 그래프(거미줄)가 가장 직관적입니다.
DIAGRAM 1
대표 엔진 — 메뉴→식재료 매핑 + 급식 코퍼스 플라이휠
라이브 · 학교 급식과 같은 도메인에서 지금 작동
✓ 형태: 플라이휠(순환 루프) + 결정론 4단 파이프라인
급식 코퍼스
플라이휠 ↻
플라이휠 ↻
쓸수록 정확
① 메뉴 한 줄 입력
부모 · 예: 닭볶음탕
② 결정론 4단 매핑
닭볶음탕→닭·감자·당근·양파
③ 식재료별
31종 영양 환원
31종 영양 환원
각 식재료 영양 합산
④ learned_menus
코퍼스
코퍼스
공공DB + 유저입력 학습중
② 결정론 4단 매핑 (환각 0)
1
정규화
산지·괄호·주석 제거, 표면형 통일
"닭볶음탕(국내산)"→"닭볶음탕"2
사전·렉시콘 매칭
도감 표준명 + 가공식품 베이스 사전(소시지·게맛살·너겟…) substring 스캔
"비엔나소시지"→돼지고기3
복합메뉴 분해
한 메뉴 속 여러 식재료 분리 · 1글자 표준명 누수 방지
"닭볶음탕"→닭·감자·당근·양파 "다시마무채국"→다시마·무4
learned 폴백·학습
위 3단서 미해결인 '신메뉴만' LLM 분해 → 저장. 모르면 빈 배열(환각 차단)
"숙주나물오리볶음"→오리고기·숙주·양파 (1회 학습 후 결정론)③ 식재료별 31종 영양 분석
분해된 식재료마다 농진청·식약처 식품DB 기준으로 31종 영양소를 계산해 그날 끼니로 합산합니다.
닭 → 단백질·나이아신(B3)
감자 → 탄수화물·비타민C·칼륨
당근 → 비타민A·식이섬유
양파 → 식이섬유·퀘르세틴
→ 합산해 31종 영양 프로필 완성 → KDRI 대비 부족 영양소 진단 → 코칭·키트 처방으로 연결.
④ learned_menus 코퍼스 & 학습
코퍼스의 뿌리는 공공 데이터입니다 — 보건복지부 영양기준(KDRI) · 급식지원센터·학교 급식 데이터(NEIS 전국 급식) · 식약처 식품DB.
여기에 부모들이 매일 입력하는 실제 끼니가 더해져, 사전에 없던 신메뉴가 learned_menus로 계속 학습·강화되는 중입니다 (현재 약 1만 메뉴).
연료는 공개 NEIS 급식 API — 학교 채널과 같은 도메인에서 자가 부트스트랩. 신메뉴만 학습하니 코퍼스↑ → 다음 분해가 더 빠르고 정확해지는 복리 구조.
📱 실제 앱 화면 — 라이브 증거
① 메뉴 입력 → AI가 식재료로 풀이 (파란=AI 추정)
③ 31종 KDRI 신호등 · 식품군 다양성
DIAGRAM 2
결정론 코칭 플랜 엔진 — 아키텍처
"계획은 코드, 작문만 LLM" · 지능의 대부분이 결정론 모듈에 있다
✓ 형태: 입력 신호 → 결정론 모듈들 → CoachPlan → 얇은 LLM 작문
① 입력 신호 — 매일 수집 (아이별 상태)
끼니 기록키·몸무게·BMI만성질환거부·미경험 음식간식 섭취최근 편지 이력
▼
② 결정론 엔진 모듈 — LLM 호출 0회
영양 분석
KDRI 31종 신호등 · 빈도 밴드별 차등 임계 → 결핍 진단
computeKdriSignals()타깃 엔진
결핍 식품군 우선 + 날짜·자녀 시드로 결정론 회전(매일 다른 타깃)
buildCoachPlan.target시나리오 라우터
13 시나리오 trigger×우선순위, 최근 2일 중복 회피
selectScenario()무브 회전
코칭 '행동' 7종 결정론 회전(부모 모델링·향/촉감 먼저·잘게 섞기·간식 분리…)
MOVE_MENU강화 / 정체 전환
같은 타깃 반복 시 환기 각도 교대(gap↔plateau) — 채근 방지
escalate→plateau추천 네트워크
잘 먹는 식재료 → 사촌 → 인기 음식(food-graph·kit-matrix)
coachRecos만성질환 · 간식
6질환 식이 방향 + 간식 4축 평가(초가공·BMI 칼로리·식사 간섭)
coachChronic · snack비중복 가드
본문·도입부 유사도(3-gram) 검사 → 겹치면 무브 바꿔 재생성
letterSimilarity▼
③ 35가지 국제 편식 방법론 하네스 → 13 시나리오 · 7 무브로 코드화
| 01Satter 책임분담 | 02푸드체이닝 | 03SOS 섭식 | 04HabEat | 05ICFQ |
| 06ESPGHAN | 07AAP 지침 | 08복지부 지침 | 09KDRI | 10WHO 영양 |
| 11NICE | 12단순노출 | 13반복 미각노출 | 14Tiny Tastes | 15반응적 섭식 |
| 16BLW 이유식 | 17향-향 학습 | 18향-영양 학습 | 19사회적 모델링 | 20감각놀이 |
| 21음식 다리놓기 | 22체계적 둔감화 | 23Premack 원리 | 24비압박 노출 | 25가족 식사 |
| 26다양성 노출 | 27질감 단계화 | 28보상 분리 | 29Toomey 분류 | 30신공포증 관리 |
| 31선택 구조화 | 32양 모델링 | 33포만 신호 | 34또래 모델링 | 35환경 조성 |
흩어진 35가지 이론·지침을 매일의 '시나리오 선택 + 행동(무브) 회전' 규칙으로 결정론화 — 같은 결핍도 매일 다른 검증된 방법으로 공략.
▼
④ 출력 — CoachPlan (확정된 계획)
CoachPlan {
frame : 오늘의 관점(시나리오),
target : 공략할 영양소·식품군,
move : 코칭 행동(7무브 중 회전),
signature: 중복 방지 지문 // 지난 편지와 안 겹치게
}
frame : 오늘의 관점(시나리오),
target : 공략할 영양소·식품군,
move : 코칭 행동(7무브 중 회전),
signature: 중복 방지 지문 // 지난 편지와 안 겹치게
}
▼ 확정된 계획만 넘김
LLM 레이어작문 · 1회
편지 문장 생성 (소형 모델)한국어 퇴고 1회
▼
💌 오늘의 코치 편지
지능의 대부분 = 무료 결정론 코드
위 8모듈 · 환각 0 · 일관 · 개인화
위 8모듈 · 환각 0 · 일관 · 개인화
LLM = 마지막 한 겹
아이 1명당 월 ≈ 1,000원(추정)
아이 1명당 월 ≈ 1,000원(추정)
매 판단마다 LLM을 부르는 단순 래퍼였다면 수십 배의 토큰 비용 + 환각. 모든 '결정'은 코드가, LLM은 마지막 '작문'만 — 이 분리가 저비용·일관성·안전을 동시에 만듭니다.
📱 실제 앱 화면 — 라이브 증거
출력 · 매일 도착하는 코치 편지 (LLM 작문 1회)
신호 분석 · 영양 점수(집·기관 분리, WHO·KDRI·SOS·HabEat)
DIAGRAM 3
← 문서 허브
궁합·사촌 추천 네트워크 — 음식↔식재료 거미줄
추천 엔진의 지식 그래프 (food-graph · kit-matrix)
✓ 형태: 네트워크 그래프(거미줄) — 관계망은 노드-엣지가 가장 직관적
김치찌개
된장국
잡채
미역국
두부
돼지고기
김치
시금치
당근
버섯
미역
근대
단호박
음식(메뉴)
식재료
사촌 식재료
푸드체이닝 다리
레시피 4,727건 동시출현으로 음식↔식재료 '궁합'(실선)을, 맛·식감 닮은 '사촌'(점선=푸드체이닝)으로 다리를 엮은 지식 그래프. 잘 먹는 식재료에서 사촌으로 다리를 놓아 거부 없이 새 음식·식재료를 추천하고, 개인화 키트를 구성합니다.
📱 실제 앱 화면 — 라이브 증거
식재료 도감 204종 — 네트워크의 노드(친해지기 훈련)
사촌 다리놓기 + '어떤 음식에 넣을까'(궁합) + 급식 빈도
네트워크 → 이번 주 개인화 키트 구성(7종·소량)
