Jeffy는 Activepieces에서 메시지 의도, 감정, 스팸 여부 등을 분류하는 커뮤니티 제작 도구다. 사전 학습된 분류기 70개 중 하나를 선택해 텍스트를 분류할 수 있으며, 공개 플레이그라운드나 자체 호스팅 서버에 연결해 쓴다.
Jeffy는 고정된 임베딩(frozen embeddings)에 로지스틱 회귀(logistic regression)를 적용한다. 제작자가 제시한 수치는 분류당 15ms, Banking77 정확도 94.3%, API 호출당 비용 0달러다. 자체 호스팅에서는 데이터가 네트워크 밖으로 나가지 않는다고 설명한다.
지원 작업에는 77개 뱅킹 의도 분류, 감정 분석, 주제 분류, 스팸 탐지, 감정 탐지가 포함된다. Activepieces에서는 단일 텍스트 분류, 여러 텍스트 일괄 분류, 서버의 분류기 목록 조회, 서버 상태 확인을 할 수 있다. 분류 결과에는 레이블, 신뢰도, 확률이 포함된다.
제작자는 LLM 기반 분류와 비교해 Jeffy가 결정적 출력을 내고, 프롬프트 작성이나 응답 파싱이 필요 없다고 설명한다. 비교 자료에서 LLM은 항목당 500ms~3초, Jeffy는 로컬에서 약 15ms·원격에서 약 300ms로 제시됐다. 다만 이는 제작자가 제시한 비교 수치다.
Activepieces에서 설정할 때는 Settings → Pieces → Install from npm에서 activepieces-piece-jeffy를 설치하고, Jeffy 연결을 추가한 뒤 분류 작업과 분류기를 선택한다. 기본 연결은 API 키나 가입 없이 쓸 수 있는 공개 서버 playground.jeffyclassify.com이다. 실제 서비스에서는 CPU가 있는 머신에 Jeffy를 자체 호스팅할 수도 있다.
$ pip install jeffy-classify
$ jeffy serve --port 8400
서버를 실행한 뒤 연결 주소를 http://localhost:8400으로 지정한다. Activepieces를 자체 호스팅하는 경우 npm 패키지를 설치하거나 Activepieces API로 tarball을 업로드할 수 있다. 아직 없는 분류 작업은 라벨이 붙은 예시 몇 개로 직접 학습할 수 있으며, 제작자에 따르면 CPU에서 몇 초 안에 학습하고 모델을 내보내 다른 Jeffy 서버에서 불러올 수 있다.
70개 분류기 체험 · GitHub 저장소 · npm 패키지 · Jeffy
댓글 (0)
로그인하면 이 기사에 내 생각을 남길 수 있어요