Jev 런치 포스트
Diogo Almeida가 TypeSafe의 구조화된 판단 모델 Jev를 소개합니다. 런치 영상과 원문 스레드에서 접근 방식, 활용 사례, 제작자가 발표한 성능을 확인하세요.
JEV인터넷 곳곳의 Jev 프로젝트, 실용적인 가이드와 놀라운 아이디어를 한곳에서.
Updated 3 JEVLAB NEWS posts
새로운 소식Diogo Almeida가 TypeSafe의 구조화된 판단 모델 Jev를 소개합니다. 런치 영상과 원문 스레드에서 접근 방식, 활용 사례, 제작자가 발표한 성능을 확인하세요.
TypeSafe가 스텔스 모드를 마치고 Jev를 공개했습니다. Diogo Almeida의 런치 영상과 소개 스레드로 이어지는 공식 발표입니다.
TypeSafe가 대기 목록 없는 Jev 공개 접근을 발표했습니다. 공식 콘솔에서 앱에 사용할 구조화된 판단을 시작할 수 있습니다.
TypeSafe가 Jev의 구조화된 출력을 소개합니다. 앱의 상태와 질문을 전달하면 확률·선택지·점수로 응답하며, 연결된 발표에서 Venice API 통합도 확인할 수 있습니다.
요약·번역에 AI를 활용합니다. 원문과 성능 주장은 출처에서 확인하세요.
이 프로젝트는 실시간 게임 상태를 JSON으로 변환하고 Jev에 전략적 결정을 요청하여 Clash Royale을 플레이하는 봇을 보여줍니다. 컴퓨터 비전을 통해 화면 데이터를 해석하며, 강화 학습 없이 모델이 직접 이동을 선택하도록 설계되었습니다.

Menta es el software de gestión clínica impulsado por IA. Una plataforma todo en uno para la gestión administrativa y clínica de profesionales y clínicas
후원 프로젝트 보기이 프로젝트는 Jev를 Chrome Dino 게임에 통합하여 실시간 의사결정 점수를 제공합니다. 게임 플레이 중에 실시간 평가 지표를 표시함으로써 외부 로직이 게임 메커니즘에 어떻게 영향을 줄 수 있는지 보여줍니다.
이 PHP 및 Laravel SDK는 TypeSafe AI의 JEV 모델 시리즈와 상호 작용하기 위한 인터페이스를 제공합니다. 개발자가 기존 웹 애플리케이션 워크플로우에 해당 AI 모델을 통합하는 방법을 보여줍니다.
이 저장소는 다양한 Jev 기반 애플리케이션에 대한 개요를 제공합니다. 각 도구의 핵심 기능과 작동 원리, 장단점을 명확하게 설명하여 사용자가 실제 환경에서 이러한 기술이 어떻게 활용되는지 이해하도록 돕습니다.
이 실험은 검색 인터페이스에 Jev를 통합하여 의도 인식을 통해 사용자 경험을 개선하는 방법을 탐구합니다. 제작자는 Replicas 플랫폼 내에서 의도 인식 로직이 검색 결과를 어떻게 개선할 수 있는지 보여줍니다.
jevcal은 TypeSafe Jev 의사결정 모델을 보정하고 임계값을 설정하기 위한 프레임워크를 제공합니다. 이 도구는 LLM 교사를 사용하여 모델의 드리프트를 확인하고 수동으로 임계값을 추측할 필요 없이 모델의 신뢰성을 향상시키는 방법을 보여줍니다.
JEVLAB ART이 도구는 LLM 계획과 Jev를 결합하여 브라우저 자동화를 구현합니다. 라이브러리, CLI 및 MCP 서버를 통해 유형 안전 시스템이 구조화된 의사결정을 통해 웹 상호작용을 관리하는 방법을 보여줍니다.
이 저장소는 Jev를 사용하여 정책 기반 의사결정 워크플로우를 구현하기 위한 템플릿을 제공합니다. TypeScript 애플리케이션 내에서 신뢰도 라우팅, 대체 메커니즘 및 RAG 통합 패턴을 통해 안정성을 높이는 방법을 보여줍니다.
JEVLAB ART이 프로젝트는 Jev를 사용하여 Bluesky 실시간 데이터 스트림을 분류하고 라우팅하는 방법을 보여줍니다. 자동화된 처리와 인간의 검토를 결합하여 콘텐츠를 관리하는 프레임워크를 제공합니다.
이 오픈 소스 플랫폼은 Jev 및 기타 AI 모델을 평가하기 위한 Bring-Your-Own-Key 아레나를 제공합니다. 사용자는 이를 통해 모델의 출력 품질, 운영 비용 및 지연 시간을 비교하고 잠재적인 오류를 식별할 수 있습니다.
SIEGE는 다수의 에이전트 공격을 방어하기 위한 타입 안전 액션 게이트 시스템입니다. 이 프로젝트는 침해 시도에서 학습하는 방어 루프 구조를 보여주며, W&B Weave를 통해 평가를 수행합니다.
chowder is a unified API layer that aggregates, normalizes, and serves your data from any source. One endpoint. Every ingredient.
후원 프로젝트 보기이 저장소는 Jev를 사용하여 Hyperliquid 플랫폼에서 실시간 거래를 구현하는 방법을 제공합니다. 이 도구는 자동화된 거래 로직을 거래소 API와 통합하여 시장 운영을 실시간으로 실행하는 과정을 보여줍니다.
rh-guard는 코딩 에이전트를 위한 보상 해킹 탐지 메커니즘을 제공합니다. 구조적 거부와 TypeSafe Jev System One 사이드카를 사용하여 Claude Code 및 Cursor 내의 후크를 모니터링하며, 자동화된 개발 작업 중 발생할 수 있는 보상 해킹 행위를 식별하는 것을 목표로 합니다.
이 웹 애플리케이션은 Jev가 다양한 LLM, Stockfish 또는 인간 플레이어와 체스를 두는 모습을 보여줍니다. 실시간 이동 추적, Jev의 이동 확률 확인 및 게임 기록 관리를 위한 시각적 인터페이스를 제공합니다.
이 저장소는 Jev 모델 보안 평가를 위한 프레임워크를 제공합니다. jev-go 라이브러리를 활용하여 프롬프트 인젝션 및 취약 코드 탐지에 대한 블라인드 벤치마크를 수행하고 System One 모델의 보안 대응 능력을 테스트하는 방법을 보여줍니다.
메타가 미국과 프랑스를 잇는 초당 1페타비트 용량의 해저 케이블 'Petal'을 공개했습니다. 이번 인프라 구축은 AI 데이터센터 확장에 따른 글로벌 네트워크 수요 증가를 반영합니다.

Sound notifications for any AI agent — hooks for Claude Code, Cursor, Codex & more, plus an MCP server so the agent can choose its own sounds.
후원 프로젝트 보기이 문서는 TypeSafe AI SDK의 Description 타입 별칭을 정의합니다. 개발자가 기준 레이블의 구조를 이해하는 데 도움을 주며, null 값은 레이블이 설명되지 않았음을 나타낸다는 점을 명시하고 있습니다.
이 커뮤니티 기반 Go SDK는 TypeSafe AI Jev 및 System One 아키텍처와 상호 작용하기 위한 도구를 제공합니다. 개발자가 Jev 기반 워크플로우를 Go 애플리케이션에 직접 통합할 수 있도록 지원하는 프로그래밍 인터페이스 역할을 합니다.
JEVLAB ARTtenbin은 TypeSafe AI System One API를 위한 MCP 서버 및 에이전트 스킬을 제공합니다. 이 도구는 판단을 선택, 점수, Noul 질문으로 분해하고, 린팅을 수행하며, 레이블이 지정된 데이터를 사용하여 임계값을 보정하는 방법을 보여줍니다.
이 커뮤니티 유지 관리 Ruby SDK는 TypeSafe AI API를 위한 인터페이스를 제공합니다. 개발자는 이를 통해 Ruby 애플리케이션 내에서 유형이 지정된 질문을 정의하고, 재시도 및 API 오류를 처리하여 구조화된 데이터 분류와 라우팅을 수행할 수 있습니다.
이 커뮤니티 주도 프로젝트는 Jev를 활용하여 격투 기술을 분석하고 개선합니다. 격투 게임 플레이어가 체계적인 피드백을 통해 자신의 실력을 향상할 수 있도록 돕는 디지털 훈련 보조 도구입니다.
A Chrome extension that gives you full control over your browser. Open tabs, fill forms, research topics, automate tasks — all inside Chrome.
후원 프로젝트 보기이 공식 TypeSafe 가이드는 의도 라우팅의 아키텍처 패턴을 설명합니다. 사용자 입력을 분류하여 특정 처리 로직으로 요청을 전달하는 방법을 보여주며, 복잡한 대화 작업을 더 정확하고 안정적으로 처리할 수 있도록 지원합니다.
이 저장소는 TypeSafe AI의 Jev를 위한 재현 가능한 벤치마크를 제공하며, 에이전트 도구 호출 위험 분류 성능을 평가합니다. 명확하거나 모호한, 혹은 적대적인 작업 시나리오 전반에 걸쳐 정확도, 지연 시간 및 신뢰도 점수의 신뢰성을 테스트합니다.
이 Chrome 확장 프로그램은 Jev를 사용하여 X 게시물의 어조와 감정을 분석합니다. 사용자는 게시물을 올리기 전에 초안 내용을 검토하여 의도한 소통 방식과 메시지가 일치하는지 확인할 수 있습니다.
이 프로젝트는 TypeSafe AI의 Jev 모델을 사용하여 실시간으로 패들을 제어하는 Next.js 기반 벽돌 깨기 게임을 보여줍니다. 제작자는 이 애플리케이션이 Claude Code를 사용하여 구축되었다고 설명합니다.
이 프로젝트는 MLX를 통해 Apple 실리콘에서 로컬 Gemma 3 4B 모델을 사용하여 원패스 옵션 스코어링을 수행하는 방법을 보여줍니다. Doom 데모를 포함하여 해당 스코어링 방식의 실제 구현 사례를 제시합니다.

The AI-augmented control plane for cybersecurity — unify your security stack, quantify cyber risk in dollars, and run governed AI agents.
후원 프로젝트 보기이 리소스는 TypeSafe AI SDK를 위한 JsonValue 타입 별칭을 정의합니다. 문자열, 숫자, 불리언, null, 배열 및 중첩된 객체를 포함하여 유효한 모든 JSON 호환 데이터를 나타내기 위한 재귀적 TypeScript 구조를 보여줍니다.
이 실험은 Jev가 픽셀 캔버스에서 시각적 콘텐츠를 생성할 수 있는지 테스트합니다. 시연 결과, 모델이 아직 인식 가능한 이미지를 생성하는 데 어려움을 겪고 있음이 나타나며, 공간 생성 능력의 한계를 보여줍니다.
pi-typesafe는 Jev 판단 모델을 Pi 에이전트 환경에 통합합니다. 이 도구는 에이전트가 산문 대신 보정된 확률을 사용하여 분류, 점수 매기기 및 부울 확인과 같은 구조화된 데이터 평가를 수행할 수 있도록 지원합니다.
이 리소스는 검색 엔진 및 지리적 최적화에 중점을 둔 7가지 Jev 자동화 워크플로우를 보여줍니다. 경쟁사 페이지 분석, 인용 가능성 평가, 콘텐츠 최적화 전략 등 디지털 마케팅 전문가를 위한 실용적인 작업을 다룹니다.
이 저장소는 Qwen3.5-0.8B 아키텍처를 기반으로 한 Jev 스타일의 보정된 의사결정 모델을 보여줍니다. 소형 언어 모델 환경 내에서 선택, 점수 및 Noul 의사결정 프레임워크의 구현을 탐구합니다.

One system for commercial operations. AI automation for order processing, quote-to-cash, and the work behind the work, built around your rules and approvals.
후원 프로젝트 보기
JEVLAB ARTsiftr는 코딩 에이전트를 위한 의미론적 코드 검색 기능을 제공합니다. 이 프로젝트는 SWE-bench Lite 데이터셋에서 벤치마크를 수행하여 자동화된 개발 작업 중 코드 검색 성능을 평가하고 검증하는 데 중점을 둡니다.
이 참조 문서는 TypeSafe AI JavaScript SDK 내의 LOG_LEVELS 변수를 정의합니다. 개발자가 시스템 출력 및 디버깅 동작을 구성할 수 있도록 상세 수준별로 정렬된 지원되는 로그 레벨의 읽기 전용 배열을 제공합니다.
jeff는 TypeSafe의 jev를 대체하는 자가 호스팅 솔루션입니다. 이 프로젝트는 GliFormer를 기반으로 구축되었으며, 사용자가 직접 jev 환경을 구성하고 운영할 수 있는 기능을 제공합니다.
이 저장소는 TypeSafe Jev(System One) 모델을 위한 실습 데모를 제공합니다. API 키 없이도 실행 가능한 예제와 필드 노트를 통해 라우팅, 스코어링 및 검증 패턴을 구현하는 방법을 학습할 수 있습니다.
이 TypeSafe AI 참조 가이드는 대규모 언어 모델에 가드레일을 구현하기 위한 핵심 전략을 설명합니다. 모델 출력물을 관리하고 배포 중 발생할 수 있는 잠재적 위험을 완화하기 위한 안전 경계를 설정하는 방법을 보여줍니다.
이 프로젝트는 사용자 목표를 MCP 카탈로그와 연결하는 2단계 매칭 시스템을 구현합니다. TypeSafe Jev를 활용하여 에이전트 기반 도구 검색 및 선택 프로세스를 효율화하는 방법을 보여줍니다.
jevframe은 pandas 및 Polars 데이터프레임과 TypeSafe Jev를 통합하는 Python 라이브러리입니다. 자연어 질문을 통해 텍스트 분류, 감정 분석 및 행 점수 매기기를 수행하며, 전체 확률 분포를 포함한 구조화된 결과를 제공합니다.
DiffJury는 위험 수준에 따라 풀 리퀘스트를 라우팅하는 TypeSafe Jev 도구입니다. 이 도구는 개발자가 코드 제출 품질을 향상할 수 있도록 지원하는 자동화된 코드 리뷰 코치 역할을 수행합니다.
이 Chrome 확장 프로그램은 Jev를 사용하여 웹 페이지가 상업적 목적인지 또는 직접적인 경험을 보고하는지 분석합니다. Google 검색 결과에 기존 판정이나 스니펫 기반 추정치를 표시하며, 신뢰도가 낮은 항목은 판단을 유보하여 사용자가 콘텐츠 유형을 구분하도록 돕습니다.
이 웹 기반 프로젝트는 Jev가 체스 양쪽 진영을 모두 플레이하는 3D 체스 환경을 제공합니다. 사용자는 자동화된 게임 플레이를 관전하거나 직접 개입하여 게임 도중 특정 진영을 조종할 수 있습니다.

One system for commercial operations. AI automation for order processing, quote-to-cash, and the work behind the work, built around your rules and approvals.
후원 프로젝트 보기이 실험은 Jev와 LLM을 사용하여 Doom을 플레이하는 방법을 보여줍니다. 게임 플레이 중 여러 잠재적 미래 결과를 동시에 시뮬레이션하여 게임 환경 내의 의사 결정 과정을 지원하는 기능을 탐구합니다.
이 프로젝트는 사용자 북마크를 활용하여 소셜 미디어 콘텐츠를 필터링하는 방법을 보여줍니다. Jev 분석을 통해 개인화된 피드를 구성하며, 사용자의 관심사와 저장된 항목에 맞춰 콘텐츠의 관련성을 높이는 것을 목표로 합니다.
이 Val Town 데모는 사용자가 텍스트를 입력할 때 16개의 유형화된 판단이 실시간으로 업데이트되는 인터페이스를 보여줍니다. 웹 기반 환경에서 실시간 유형 검사 피드백을 관찰하기 위한 실용적인 실험 도구로 활용됩니다.
JEVLAB ART이 프로젝트는 Jev가 개발자 도구를 선택하고 Codex가 그에 맞춰 코드를 생성하는 자동화 워크플로우를 보여줍니다. 이는 작업 중심의 소프트웨어 개발 자동화를 위한 실험적인 통합 사례입니다.
이 프로젝트는 Jev 모델에 의해 제어되는 자동 스네이크 게임을 보여줍니다. 코드 내에서 합법적인 이동과 사실을 생성하며, 모델이 틱당 하나의 결정을 내리는 시스템을 시연합니다.

Für Ideen, Gespräche, Meetings und alles dazwischen.
후원 프로젝트 보기Probably는 BTC, ETH 및 XRP의 실시간 시장 데이터를 제공합니다. 이 프로젝트는 실제 거래를 실행하지 않고 TypeSafe 접근 방식을 사용하여 매수 또는 대기 신호를 결정하는 로직을 시연합니다.
이 실험은 Jev V13이 최첨단 언어 모델들과 블리츠 체스 대결을 펼치는 모습을 보여줍니다. 다양한 AI 아키텍처가 제한된 시간 내에 전략적 의사결정과 전술적 게임 플레이를 어떻게 처리하는지 확인하는 실증적인 사례입니다.
이 프로젝트는 JEV가 라이브 MVP 개발을 위한 스트림 아이디어를 평가하고 선택하는 TypeSafe System One 의사결정 보드를 구현합니다. 콘텐츠 계획 및 프로젝트 우선순위 지정을 위한 자동화된 의사결정의 구조적 접근 방식을 보여줍니다.
이 프로젝트는 Jev가 Codex Computer Use 환경 내에서 작업을 선택하고 실행하는 에이전트 워크플로우를 보여줍니다. 데스크톱 브라우저 작업에 자동화된 의사결정을 통합하기 위한 실용적인 구현 사례를 제공합니다.
JEVLAB ART이 프로젝트는 System One 모델이 음악 생성을 효과적으로 제어할 수 있는지 탐구합니다. Jev가 열거형을 사용하여 계획을 선택하고 악보, 오디오 및 MIDI 파일을 렌더링하는 워크플로우를 보여줍니다.

Whale sharks drifting past. A quiet café after hours. Sixteen living worlds, just beyond your screen.
후원 프로젝트 보기Diogo Almeida가 TypeSafe의 구조화된 판단 모델 Jev를 소개합니다. 런치 영상과 원문 스레드에서 접근 방식, 활용 사례, 제작자가 발표한 성능을 확인하세요.
이 프로젝트는 Notion을 위한 네이티브 macOS 메뉴 막대 애플리케이션을 제공합니다. Swift와 SwiftUI로 구축된 이 도구는 시스템 메뉴 막대에서 직접 Notion 작업 공간에 접근할 수 있는 가벼운 인터페이스를 제공하는 것을 목표로 합니다.
이 공식 TypeSafe AI 참조 문서는 구조 복구 기술을 설명합니다. 비정형 모델 출력을 다운스트림 애플리케이션 통합을 위한 일관된 기계 판독 가능 데이터 구조로 안정적으로 파싱하고 형식화하는 방법을 보여줍니다.
이 리소스는 OpenRouter에서 사용할 수 있는 System One 모델인 Jev를 소개합니다. 이 모델이 확률 지표와 함께 의사결정을 생성하는 방식을 보여주며, 플랫폼 환경 내에서 자동화된 추론 및 출력 평가에 대한 구조화된 접근 방식을 제공합니다.
이 실험은 Jev를 공중전 시뮬레이션에 통합하는 과정을 다룹니다. 제작자는 게임 환경 내에서 AI의 공중전 기동과 전술적 의사결정 능력을 개선하기 위한 지속적인 개발 노력을 보여줍니다.

Wallpets brings cinematic animal companions to your desktop with lightweight mouse-following behavior, idle play, and a growing pet catalog.
후원 프로젝트 보기이 비공식 Go SDK는 TypeSafe AI System One API를 위한 인터페이스를 제공합니다. 제작자는 공식 JavaScript 및 Python SDK와 기능적 동등성을 유지한다고 주장하지만, TypeSafe AI와는 관련이 없습니다.
이 도구는 Jev를 사용하여 코딩 에이전트의 도구 호출, 출력 및 응답을 평가하는 보안 가드 역할을 합니다. 프롬프트 인젝션 탐지, 비밀 정보 삭제, 작업 고정 기능을 통해 에이전트 상호작용의 안전성을 높여줍니다.
JEVLAB ART이 저장소는 TypeSafe API와 상호 작용하기 위한 Go 클라이언트 라이브러리를 제공합니다. 개발자가 Go 기반 애플리케이션 및 도구 워크플로우에 TypeSafe 기능을 직접 통합할 수 있도록 지원합니다.
이 팟캐스트 세그먼트는 제본스 역설과 TypeSafe AI의 자금 조달 모델 간의 개념적 연결 고리를 탐구합니다. 현대 인공지능 프로젝트의 개발 및 지속 가능성과 이러한 경제 원리가 어떻게 관련되는지에 대한 개요를 제공합니다.
JEVLAB ART이 프리 알파 PostgreSQL 확장은 TypeSafe AI 프레임워크 내에서 범주형 분류를 지원합니다. 데이터베이스 수준에서 Jev 기반 데이터 처리를 위한 인터페이스를 제공하며, 구조화된 분류 로직을 SQL 워크플로우에 직접 통합하여 데이터 처리 효율을 높이는 것을 목표로 합니다.

Dotient is a local-first semantic file search tool that indexes your personal archive. No cloud, no uploads. Starts at $10 one-time.
후원 프로젝트 보기이 프로젝트는 Jev를 활용하여 소셜 미디어 콘텐츠를 8개의 차원으로 분류하는 대시보드를 보여줍니다. 대규모 데이터 세트를 체계적으로 정리하여 커뮤니티 기반의 콘텐츠 연구 및 분석을 용이하게 하는 방법을 제시합니다.
이 저장소는 코딩 에이전트를 위한 제한된 TypeSafe Jev 워크플로우 구현 프레임워크를 제공합니다. 자동화된 소프트웨어 개발 작업 내에서 신뢰성과 안전성을 유지하기 위해 에이전트 프로세스를 구조화하는 방법을 보여줍니다.
Arbiter는 Jev 호환 API를 통해 맞춤형 의사결정 모델을 제공하는 개발 도구입니다. 이 도구를 사용하면 개발자가 표준화된 인터페이스를 활용하여 애플리케이션 내에 구조화된 맞춤형 의사결정 로직을 구현할 수 있습니다.
이 라이브러리는 TypeSafe AI API와 상호 작용하기 위한 관용적인 Elixir 클라이언트를 제공합니다. 개발자는 이를 통해 Elixir 애플리케이션에서 네이티브 언어 패턴과 구조를 사용하여 TypeSafe AI 서비스를 쉽게 통합할 수 있습니다.
이 도구는 자연어 컴파일러 역할을 하며, 텍스트를 입력하여 언어적 진단을 받을 수 있게 합니다. 구조화된 코드 처리 프레임워크를 통해 인간의 의사소통 패턴을 분석하는 실험적인 인터페이스를 제공합니다.
이 프로젝트는 일본 우편국 KEN_ALL 데이터를 사용하여 Jev의 주소 퍼지 매칭 성능을 평가합니다. AI SDK를 통해 Jev가 실제 주소 데이터의 모호한 입력을 얼마나 효과적으로 처리하고 검증할 수 있는지 보여줍니다.
이 저장소는 DiffusionGemma를 활용한 타입 지정 JSON 추론을 탐구합니다. Every 및 Jev 벤치마크 결과를 실험적으로 제공하며, 연구 환경에서 이러한 모델들이 구조화된 데이터 추론 작업을 어떻게 처리하는지 보여줍니다.
JEVLAB ART이 도구는 Gherkin 기능 파일을 Jev를 통해 직접 해석하여 자동화된 테스트를 지원합니다. TypeSafe AI를 사용하여 단계를 해결하고 Playwright를 통해 실행함으로써 수동 단계 정의의 필요성을 제거합니다.
이 공식 문서는 TypeSafe AI JavaScript SDK에 대한 참조를 제공합니다. 개발자가 JavaScript 기반 애플리케이션 내에서 TypeSafe 기능을 구현하는 데 필요한 메서드와 통합 패턴을 설명합니다.
Jev Detector는 저품질 텍스트를 식별하기 위해 설계된 도구입니다. 개발자는 이 도구가 2초 만에 약 10,000단어를 처리할 수 있다고 주장하며, 자동화된 콘텐츠 검토 및 편집 평가를 위한 빠른 방법을 제공합니다.

Falconer is an AI-powered company brain that keeps your engineering documentation accurate, searchable, and up to date by syncing with GitHub, Slack, Linear, and the rest of your stack.
후원 프로젝트 보기이 저장소는 TypeScript SDK를 사용하여 Jev를 프로젝트에 통합하려는 개발자를 위한 입문 가이드입니다. Bun 환경에서 TypeSafe AI 구성 요소를 시작하는 데 필요한 기본적인 설정 단계를 보여줍니다.
연구실에서 나누는 작은 대화.
불러오는 중…
Google로 로그인하면 모든 대화를 읽고 채팅에 참여할 수 있어요.
공개 채팅방입니다. 비로그인 방문자에게는 일부가 가려진 미리보기가 보여요. 개인정보