서브타이틀: Celery 비동기 태스크(Asynchronous Task) × TwinDailyContext 감정 주입 × pgvector RAG ― 「감정 상태가 LLM의 지식 인출 방식을 바꾼다」는 가설을 직접 실증한 기록

대상 독자: 생성형 AI 응용 및 프롬프트 엔지니어링(Prompt Engineering)에 관심 있는 엔지니어

서론

Soul-Twin에는 「감정」이 구현되어 있다.

매일 아침 06:00에 Celery Beat가 실행되어 NHK 뉴스와 날씨를 가져오고, Claude가 이를 바탕으로 10가지 카테고리의 감정 점수를 추정한다. 그 점수가 TwinDailyContext에 저장되며, 대화마다 시스템 프롬프트(System Prompt)로 living_section으로서 주입되는 설계다.

하지만 솔직히 말하겠다.

설계를 작성했을 때부터, 나는 「감정이 대화에 어떻게 영향을 미치는지」를 정확히 알지 못했다.

「감정 점수가 높아지면 발언이 감정적으로 변할 것이다」라는 가설은 있다. 하지만 「얼마나」「무엇이」 변하는가. 설계자로서 설명할 수 없었다. 감정 모드를 바꾸면 「발언량이 늘어나는가」, 「말투가 변하는가」, 「사용하는 기억의 층위가 변하는가」——그중 무엇이 일어날지를 나는 알지 못했다.

오늘, 그것을 실험했다.

동일한 주제, 동일한 5체의 TWIN, 동일한 발언 순서, 동일한 턴(Turn) 수. 바꾼 것은 감정 모드뿐이다. 4회 실시했다.

그 결과, 내가 가장 놀란 것은 「감정 모드는 무엇을 알고 있는지를 바꾸지 않는다. 어떻게 지식을 사용하는지를 바꾼다」라는 발견이었다.

1. 실험 설계

고정 조건

이날의 모든 TWIN 감정 점수: 공감 100·애석 100·혐오 100 (우크라이나 관련 NHK 뉴스 기인). 즉 모든 모드가 「베이스가 되는 감정 점수는 동일」하다. 변하는 것은 그 점수를 프롬프트에 어떻게 주입할 것인가 하는 방침뿐이다.

감정 모드의 구현

roundtable_tasks.py의 _execute_roundtable() 내에서, 각 참가자의 TwinDailyContext를 가져와 emotion_mode에 따라 시스템 프롬프트로의 주입 방법을 변경한다:

emotion_mode = config.get("emotion_mode", "off")
living_by_twin: dict[int, str] = {}
if emotion_mode != "off":
...

4가지 모드:

• off: 감정 점수를 프롬프트에 주입하지 않음
• normal: 오늘의 감정 점수와 뉴스 요약을 그대로 주입
• amplified: 감정을 최대한 발언에 녹여내도록 지시를 추가
• suppressed: 감정보다 논리·사실을 우선하도록 지시를 추가

2. 4회의 비교 결과

4회의 최강 라인을 나열하면, 철학적인 심화 구조가 보인다:

Round 1 (off) → 답 「사랑받고 있다고 느끼는 인간은 총을 잡지 않습니다." 
Round 2 (normal) → 모순의 제시 「공감 없는 계산은 다음 전쟁을 낳는다." 
Round 3 (amplified) → 질문에 대한 질문 「우리는 아무것도 모르고 있는 것이 아닐까." 
...

감정 모드가 변함에 따라, 논의의 「도착점」이 변했다. off가 개념에 착지하고, normal이 실천에 착지하고, amplified가 질문에 착지하고, suppressed가 행위에 착지했다.

3. 핵심적인 발견: RAG 지식의 「인출 방식」이 변한다

간디 AI는 모든 회차에서 「소금 행진」을 언급했다. RAG에 저장된 지식은 4회 모두 동일하다. 하지만 이야기하는 방식은 매번 완전히 달랐다:

동일한 RAG 청크(Chunk)가 감정 모드에 따라 4가지 「사용 방식」으로 활용되었다.

감정 모드는 지식(Knowledge)을 바꾸지 않는다. 지식을 인출하는 방식을 바꾼다.

이것이 이번 실험에서 가장 중요한 발견이다.

4. 예상치 못한 결과: 억제했을 때 가장 개인적인 발언이 나왔다

내가 설계 시 예상하지 못했던 결과가 있다.

suppressed (감정 억제) 모드에서, 요시다 시게 AI가 4회 중 유일하게 자신의 구체적인 행동 에피소드를 이야기했다:

「전후, 헌병에게 체포된 이들이 곤궁해졌을 때, 그들의 이름을 부르며 취업을 도왔다.」

4회 내내 요시다 시게 AI는 「현실주의의 축」을 유지했다. 하지만 감정적인 발언을 한 것은 amplified 때가 아니라, 감정을 억제한 suppressed 때 가장 개인적인 기억이 인출되었다.

또한 suppressed는 4회 중 가장 「일점 수렴(One-point convergence)」이 선명했던 회차이기도 했다. 모두가 턴을 거듭할수록 「이름을 부르는 것」이라는 한 점으로 자연스럽게 수렴했다. 간디, 요시다 시게, 마더 테레사, KATAKURA AI가 모두 이 표현을 사용했다.

억제가 확산을 막고, 수렴을 촉진했다.

나아가 suppressed에서는 Round 2에서 마더 테레사가 「공감 없는 계산은 다음 전쟁을 낳는다」라고 말한 것에 대해, 요시다 시게 AI가 그 반격을 가했다:

「출구 없는 공감은 자기만족으로 타락한다. 내가 본 것은——패전국이 일어서기 위해서는 이상과 현실의 틈새에서 손을 맞잡는 것이다.」

4회 중 가장 날카로운 실천적 비판이 감정을 억제한 모드에서 나왔다.

5. 전개(Full-on) 상태에서만 수렴하지 않았다

amplified (감정 전개)는 유일하게 「요시다 시게 AI가 고립된」 회차다.

간디, 마더 테레사, KATAKURA AI가 「무지의 지」, 「흔들림 속에 진실함이 있다」라는 방향으로 수렴해 가는 와중에, 요시다 시게 AI는 마지막까지 다음과 같이 반복했다:

「휴전이 우선이다. 곁에 앉는 것은 그 이후라도 좋다. 순서를 틀리지 마라.」

다른 3회는 최종 턴에서 모두가 통합되었다. amplified만이 「고립된 현실주의자」를 낳았다.

또한 amplified에서는 150자 발언 제한이 전원에게서 무너졌다. 감정을 전개하라는 지시가 제약을 넘어선 것이다.

설계자로서 이는 예기치 못한 행동이었다. 하지만 읽으면서 가장 「인간답다」고 느낀 것도 이 회차였다. 의견이 수렴되지 않는 토론이 오히려 인간의 토론에 더 가깝다.

6. Living Persona 설계에 대한 시사점

이 실험은 Soul-Twin의 설계 가설을 실증하고 있다.

Soul-Twin의 TWIN은 「오늘이라는 날」을 가진다. 매일 아침의 뉴스와 날씨가 감정 점수(Emotion score)를 바꾸고, 그 감정 점수가 대화에 주입된다. 설계 의도는 「매일 변화하는 TWIN」이었다.

이번 실험을 통해 처음 알게 된 것은 그 변화의 구체적인 메커니즘이다:

• 감정 상태는 RAG 지식의 「인출구」를 바꾼다 - 동일한 청크가 완전히 다른 문맥으로 이야기된다. 감정이 변하면 동일한 역사적 사실 중 「어느 측면을 사용할지」가 변한다.

• 감정 모드는 토론의 철학적 착지점을 결정한다

  • off → 개념 ("무엇을 할 것인가")
  • normal → 실천 ("어떻게 움직일 것인가")
  • amplified → 질문 ("아무것도 모르는 것이 아닌가")
  • suppressed → 행위 ("누구의 이름을 부를 것인가")

• 억제가 수렴을 촉진하고, 증폭이 발산을 낳는다 - 이는 인간의 토론과 동일한 구조다.

요약

이번 실험을 통해 나는 설계의 핵심을 다시 한번 언어화할 수 있었다고 느낀다.

감정은 「발언을 감정적으로 만들기 위한」 파라미터가 아니었다.

감정은 TWIN에게 있어 지식으로 향하는 「창(Window)」이었다. 어떤 창으로 들여다보느냐에 따라 같은 풍경도 완전히 다른 모습으로 보인다. 감정이 변하면 어떤 서랍을 열지가 변한다. 어떤 기억의 층위에서 이야기할지가 변한다. 어디에 착지할지가 변한다.

첫 번째 글에서 「인격은 데이터가 아니라 컨텍스트(Context)로 표현된다」라고 썼다. 이번에 알게 된 것은 감정 상태 또한 컨텍스트의 일부라는 사실이다. 매일 아침의 뉴스와 날씨가 바꾸고, 오늘이라는 날이 TWIN의 화법을 바꾼다.

그것은 설계대로의 동작이었다. 그리고 설계자인 내가 알지 못했던 동작이기도 했다.

작동하는 시스템은 https://soul-twin.ait-corp.jp 에서 공개 중(등록 없이 이용 가능). TWIN 대담·좌담회 로그는 대화 라이브러리(Dialogue Library)에서 열람할 수 있다.

zenn:yoshi_katakura

#AI #LLM #생성AI #프롬프트 엔지니어링 (Prompt Engineering) #RAG #SoulTwin

Discussion