DevLog

1. 개요1-1. 프로젝트 개요온디바이스 AI 포즈 가이드 서비스 - TryAngle의 AI 기반 사진 분석 결과 및 실시간 AI 데이터 모니터링을 위한 어드민 시스템을 개발 중이다. 서비스 구현 중, 레이아웃과 UX 흐름을 빠르게 검증하기 위해 정적 HTML/CSS 목업으로 프로토타이핑했다. 기획서나 피그마 없이 해당 목업 사이트를 기준으로 개발자-디자이너-기획자가 함께 작업 중이다.프로토타이핑의 전반적인 과정은 이전글(https://wavicle.tistory.com/42)과 목업 사이트 레포지터리 README(https://try-angle-at.github.io/tryangle_admin_mock/)에 작성해두었다. 🔗관련 링크- 목업 사이트: https://try-angle-at.github...

추후 이미지 추가 예정1. 개요: LLM 서비스의 불확실성을 시스템으로 제어하기LLM 기반 서비스는 사용자의 자유로운 발화라는 '비정형성'을 다룬다. 이는 기획과 개발 단계에서 예측 불가능한 변수를 창출하며, 안정적인 서비스 운영을 저해하는 요소가 된다. Project DOQ는 이러한 불확실성을 해결하기 위해 AI 프로토타이핑을 설계의 중심(SSOT)에 두고, 데이터 구조와 파이프라인을 체계화했다.2. 프로토타입 중심의 Single Source of Truth(SSOT)기존의 '기획-디자인-개발'로 이어지는 순차적 워크플로우는 정적인 피그마(Figma)만으로는 LLM의 동적인 상태 변화를 모두 정의하기 어려웠다.문제 상황: 대화 흐름에 따른 예외 케이스와 상태 변화의 시각화 한계로 인해 직군 간 해석 차..

1. 배경 및 문제점Vision AI 기반의 실시간 모션 분석 기능을 개발하면서, 프레임당 133개에 달하는 keypoint를 일반적인 JSON 포맷으로 전송할 경우 네트워크와 DB에 심각한 병목이 발생할 것으로 예상되었다.이를 해결하기 위해 좌표 데이터를 Hex String로 변환하는 커스텀 인코딩 방식을 도입하여 데이터 크기를 약 36% 경량화했다.고해상도 포즈 데이터 처리 환경인물 1명당 133개의 Keypoint에 대해 30fps로 실시간 정밀 분석 수행.매 프레임마다 Bounding Box 및 메타데이터를 포함한 대량의 좌표 데이터 발생.JSON Array 포맷의 구조적 오버헤드기존 JSON 배열([0.1234, 0.5678, ...]) 방식 사용 시, 실수형(Float)의 긴 자릿수와 불필요한..

1. 문제 및 배경앞선 편에서 시나리오 테스트 자동화로 ‘입력’의 번거로움은 해결했으나, '출력(로그)'의 검증 문제가 남았다. 1-1. 문제점(1) 자동화 스크립트가 실행될 때마다 수백 줄의 Raw Log가 쏟아짐.(2) 구구절절한 로그 데이터를 사람이 일일이 읽고 판단하는 것은 또 다른 비효율. 1-2. 수동 검증의 한계문제점영향심각도상세 내용✋ 수동 검증 필수개발자 피로도 ↑🔴 높음개발자가 로그 파일을 직접 열어 정독하고 문맥을 파악해야 함📊 정량 평가 불가객관성 결여🔴 높음"대화가 자연스러운가?"는 주관적 영역 → 지표화 불가능📈 확장 불가검증 비용 급증🔴 높음시나리오가 1개 늘어날 때마다 검증 시간도 정비례하여 증가⏱️ 시간 소모개발 속도 저하🟠 중간3개 시나리오 × 20단계 = 6..

1. 배경 및 문제1-1. 항아리 게임삐끗하면 추락한다…A 프롬프트 - good. 여기에 ‘ 기능만 추가하면 될 듯?A’ 프롬프트로 살짝 바꾸어 넣음이상한 응답을 내뱉기 시작 or 더 nice한 B’가 됨 1-2. 문제점주관적인 기준: 너 뭔가 달라진 느낌이다? ‘느낌’이 뭔데 그게 왜 그런 ‘느낌’이 나는 건데~ 뭘 한 건데~비효율성: 챗봇에 시나리오 검증을 해야 하는데, 하나하나 입력하자니 넘 오래 걸림재현성 부족: 분명 같은 버전인데 어제는 됐는데 오늘은 또 안됨 왜 이럴까…한 줄 요약: 왜 되는지도 모르겠고 왜 안 되는 지도 모르겠음. 근데 드럽게 오래 걸림 1-3. 그나마 다행인 점로그를 전부 수집하고 있다. 구구절절 긴 raw data 그대로… 말 그대로 ‘전부’어쨌든 결과는 나온다. outp..

1. 프로젝트 개요다양한 도메인의 AI 서비스를 신속하게 구축하고 운영하기 위한 통합 서버 프레임워크를 제작했다. 본 프로젝트는 반복되는 인프라 설정 리소스를 최소화하고, AI 모듈의 재사용성을 극대화하는 것을 목표로 한다.배경: 프로젝트마다 반복되는 DB, MQ, Redis 설정 및 AI 인터페이스 설계 리소스 절감주요 기능:Web API Server: 사용자 요청 처리 및 서비스 로직 실행Middleware Server: 추론 시간이 긴 AI 작업의 비동기 메시징 처리기술 스택: Python 3.11, FastAPI, LangChain, RabbitMQ, Redis, MongoDB, MySQL참고글: LLM 인터페이스 설계 https://wavicle.tistory.com/21 2. 아키텍처 설계A..

프로젝트 개요 제목: 방토리 - AI 기반의 스마트 룸 컨디션 매니저 기간: 25년 6월 6일 ~ 25년 9월 26일 (112일) 팀원: 정상민(팀장), 박민용, 이민규, 이효근, 조은비 수상: 다학제 캡스톤 공모전 아이디어 우수상 수상 방학부터 학기 초까지 기계공학과, 소프트웨어학부 학우분들과 진행했던 프로젝트 입니다. 공학대학에서 주도로 진행한 다학제 캡스톤인데, 본선 기준으로는 유일한 다빈치 캠퍼스 학생이자 예술공학대학 학생으로 참가했습니다. 전시 당일에 오고가며 부스를 발견하신 분들도 있던 것 같더라구요. (특히 피지컬 컴퓨팅 수강하시는 분들께 제보를 많이 받았습니다 ㅋㅋㅋ…) 매년 열리는 대회인 듯 하니 참고하셔서 공모전 참가하시면 좋을 것 같습니다. 저는 AI M/W 서버 개발, LLM 프롬프..

작성자: 조은비블로그: https://wavicle.tistory.com/깃허브: https://github.com/jio311프로젝트 개요github: https://github.com/GetOurRI서비스 주소: https://getourri.github.io/DungDong 안녕하세요, 둥지동지의 개발자 조은비 입니다.둥지동지 2.0.0 업데이트에서 Google Gemini API를 활용한 AI 자동 이미지 생성 기능이 새롭게 추가되었습니다. 이번 글에서는 2.0.0 버전을 중심으로 둥지동지의 시스템을 포함해 전반적인 개발 내용에 대해 다루었습니다. 업데이트 개요AI를 활용한 자동 이미지 생성 기능이번 2.0.0 업데이트에서는 서비스 유입층 확대와 콘텐츠 소비 구조 전환을 목표로 AI 편의 기능을 ..

블로그 챌린지 제출 시스템을 개편했다. ~ 블로그 개편 연혁 ~1차 개편 - 노션 제출에서 깃허브 제출로 변경함1) 깃허브 제출을 위해 멤버들과 깃 사용법 컨퍼런스 진행함2) 첫 깃허브 제출을 시도했으나 자동화 단계에서 예상외의 오류들 다수 발생특히 앞선 작성 내용을 복붙하여 사용하는 과정에서 시스템에서 자동 작성하는 항목들을 유저가 직접 편집하는 경우 다수 발생. (예: cDate, uDate 등)auto merge 시에 작성 항목을 점검하는데, 위의 오류로 인해 오토액션 에러 발생 > 필요없는 알람 증가 3) 제출한 json 데이터로부터 출석/결석 및 제출 통계를 자동 집계하려 했으나, 서버가 없는 정적 호스팅 페이지를 사용하고 있어 데이터의 일관성 떨어짐 + 로딩 오래 걸림 2차 개편 - json..

처음 문제가 발생한 지점부터 작성하다보니 두서가 없는 글이 된 것 같다… 이번 시리즈 작성이 끝나면 아웃라인을 수정해보도록 하겠다. 이번편은 아마 문제상황 제시만 하다 끝날 것 같다. 그리고 그림 열심히 그렸다. ..문제상황감상문을 LLM으로 분석해주는 웹페이지를 MVP 개발중이다. 이 과정에서 ‘응답을 어떻게 받아서 어떻게 보여줄 것인가?’에 대한 문제로 구현 방향과 구조를 바꿔가면서 아주 삽질을 하고 있다. 기본적인 골격은 프론트엔드(사용자 웹) ↔ 웹 서버 ↔ AI 서버의 구조를 유지하고 있다.서비스 페이지와 기능 검토용 어드민 페이지를 개발하면서, 프론트엔드와 웹 서버 사이에 각 페이지의 특성에 따라 HTTP REST API 와 WebSocket 중 서로 다른 통신 방식을 적용하게 되었다. 1...