01
AI 기능 구현
자연어와 생성 모델의 출력을 제품 동작으로 연결합니다.
Chat To Do · Todaktodak
사용자가 실제로 쓰는AI 서비스를 만들고 운영합니다.
AI 기능을 서비스 흐름에 연결하고, 배포 이후의 안정성과 지식 재사용까지 고민합니다.
프로젝트 살펴보기
About Me
02
서비스 통합
Frontend·Backend·AI가 하나의 사용자 흐름으로 동작하게 만듭니다.
PinLog · AlgoSu
03
배포와 운영
자원·실패·로그를 관찰하고 안전한 배포 경로를 설계합니다.
PinLog · AlgoSu
04
지식 재사용
프로젝트의 판단과 결과를 검증 가능한 근거로 남깁니다.
Graph RAG Second Brain
Selected Work
SELECTED WORK
AI 기능에서 운영 가능한 서비스까지
다섯 프로젝트는 자연어 기능 구현, 생성형 AI 통합, 팀 인프라 운영, 개인 서비스 운영, 지식 재사용으로 이어집니다.
TEAM AI OPERATIONS6인 팀인프라·DevOps 리드
PinLog
제한된 자원에서 팀의 AI 서비스를 운영했습니다.
장소를 저장한 이유와 경험을 기록하고, 자연어로 다시 찾을 수 있는 장소 기록 서비스입니다.
k3scontainerdArgo CDPrometheusFastAPI
Single VM / 4 vCPU / 15 GiB
Team AI Platform
DELIVER
GitHub Actions · Argo CD
RUN
k3s · containerd
OBSERVE
Sentinel · Human decision
PinLog API → Atomic Queue → GPU Worker → Result
문제
Frontend·Backend·AI·관측 도구를 4 vCPU·15GiB 단일 VM에서 함께 운영해야 했습니다.
구현
Docker·cri-dockerd의 CPU 병목을 분석해 containerd로 전환하고, Helm·ApplicationSet 기반 GitOps와 운영 관측 체계를 구축했습니다.
결과
배포 경로를 표준화하고 실제 동기화 장애를 탐지했으며, 분리된 GPU 서버의 이미지 생성 작업을 안전한 비동기 Queue로 연결했습니다.
KEY IMPLEMENTATION
Optimize
CPU throttling 측정 → containerd 전환
Deliver
불변 이미지·Infra PR·Argo CD
Observe
Sentinel이 근거를 요약하고 사람이 조치
Async AI
원자적 Job 선점·재큐잉·실패 종료
VERIFIED SIGNALS
1.44%containerd CPU
1.10CPU PSI avg60 최대
6/6Cowork 팀 채택
AI 검색 품질과 Keyword fusion은 자문 범위이며 직접 구현 성과에 포함하지 않았습니다.
AI PRODUCT개인 프로젝트1인 기획·개발·운영
AlgoSu
AI 코드 리뷰를 실제 서비스로 만들고 운영했습니다.
알고리즘 풀이의 정답 여부를 넘어 복잡도·가독성·개선 방향을 근거와 함께 전달하는 AI 리뷰 서비스입니다.
FastAPINext.jsAI Agentsk3sObservability
SUBMISSION PIPELINE
Code in, actionable review out
ANALYZE
복잡도와 풀이 구조
REVIEW
역할별 AI 리뷰
SYNTHESIZE
근거 있는 개선안
RetryStateObservability
문제
AI 답변을 한 번 생성하는 것보다, 실패와 재시도까지 포함한 리뷰 흐름을 안정적으로 운영하는 일이 필요했습니다.
구현
리뷰 단계를 분리하고 비동기 작업·재시도·상태 추적을 설계했으며, OCI 환경에 배포해 모니터링과 로그 기반 운영을 이어가고 있습니다.
결과
기획·개발·배포를 넘어 장애 원인과 자원 사용량을 관찰하며 개선하는 개인 AI 서비스 운영 경험을 만들었습니다.
KEY IMPLEMENTATION
Review Pipeline
역할별 리뷰와 결과 합성
Resilience
비동기 상태·재시도·실패 가시화
Operations
Prometheus·Grafana·Loki 관측
OPERATING PRINCIPLE
배포는 끝이 아니라 운영의 시작입니다.
KNOWLEDGE OPERATIONS개인 시스템1인 설계·개발·운영
Graph RAG Second Brain
경험과 의사결정을 근거 기반 지식으로 운영합니다.
문서·대화·프로젝트 기록을 Claim과 Evidence로 연결해 검색하고, 사람이 승인한 근거만 다시 쓰는 로컬 지식 시스템입니다.
Graph RAGSQLiteEmbeddingsObsidianHuman-in-the-loop
EVIDENCE GRAPH
Source → Claim → Evidence → Answer
원본
Claim
Evidence
검증 답변
근거가 부족하면 답을 만들지 않고 보류합니다.
문제
문서가 늘수록 최신 정보와 오래된 주장이 섞이고, 답변의 출처와 개인 기여 범위를 다시 확인하기 어려워졌습니다.
구현
문서 원본, 엔티티, Claim, Evidence를 분리하고 검토 상태와 출처 경로를 보존하는 검색·갱신 워크플로를 설계했습니다.
결과
이력서·자기소개서·프로젝트 설명을 추측이 아니라 검증된 근거에서 생성하고, 답할 수 없는 질문에는 보류하도록 운영하고 있습니다.
KEY IMPLEMENTATION
Ground
Claim과 Evidence를 출처에 연결
Review
사람이 승인한 사실만 재사용
Regress
갱신 후 검색·답변 회귀 검사
OPERATING PRINCIPLE
근거 없는 답보다 검증 가능한 보류를 선택합니다.
AI SERVICE FOUNDATIONS
서비스 운영으로 이어진 AI 개발의 출발점
Chat To Do에서 자연어를 제품 동작으로 연결했고, Todaktodak에서 여러 생성 모델을 하나의 서비스 흐름으로 통합했습니다.
GENERATIVE AI PIPELINE
Todaktodak
여러 생성형 AI를 하나의 사용자 흐름으로 연결했습니다.
일기를 바탕으로 4컷 만화·음악·감정 분석 결과를 생성하는 감정 위로 AI 서비스입니다.
MY ROLE
AI 리소스·파이프라인 기여
WHAT IT TAUGHT ME
모델 자체보다 여러 AI 결과를 사용자에게 전달하는 전체 서비스 흐름과 협업의 중요성을 배웠습니다.
Generative AIAI PipelineBackend Collaboration
NATURAL LANGUAGE TO ACTION
Chat To Do
자연어를 실행 가능한 기능으로 변환했습니다.
대화로 할 일을 등록하고 관리할 수 있도록 사용자의 의도를 서비스 기능에 연결한 프로젝트입니다.
MY ROLE
AI 리소스·파이프라인 기여
WHAT IT TAUGHT ME
AI 답변 생성에서 한 단계 나아가, 사용자의 말이 실제 제품 동작으로 이어지는 구조를 경험했습니다.
Function CallingRAGIntent Routing
HOW I WORK
기능을 만들고, 운영하고, 다시 쓰는 방식
프로젝트가 달라도 사용자 문제에서 시작해 운영 근거를 남기는 흐름은 같습니다.
01
사용자 문제
기술보다 먼저 사용자가 막히는 지점을 정의합니다.
02
AI 기능
모델의 출력을 실제 서비스 동작과 연결합니다.
03
운영 검증
실패·자원·로그를 관찰하고 근거로 개선합니다.
04
지식 재사용
판단과 결과를 검증 가능한 지식으로 남깁니다.
자동화는 반복 작업을 맡고, 책임 있는 운영 판단은 사람이 내리도록 설계합니다.
Blog
Blog
Writing
실전에서 배운 것들을 기록합니다.
Contact
배우고, 만들고, 성장합니다.
채용 문의, 기술 이야기, 협업 제안 모두 환영합니다.