• Next.js를 사용하여 AI 관련 워크플로우를 위한 대화형 데이터 주석 도구를 설계 및 구현하여 대규모 라벨링 및 검토 프로세스의 사용성을 개선했습니다.
• 확장 가능한 백엔드 서비스와 API를 구축하여 애플리케이션 워크플로우를 AI 알고리즘 및 데이터 파이프라인과 통합하는 동시에 유지 관리 용이성과 명확한 서비스 경계를 유지했습니다.
• 구조화된 프롬프트, 반복적인 개선, 그리고 프로덕션 사용 전 생성된 코드에 대한 철저한 검토를 통해 AI 기반 개발을 일상적인 엔지니어링 작업에 통합했습니다.
• 명확한 컨텍스트, 제약 조건 및 유효성 검사 단계를 통해 구현 작업을 안내하여 AI 코딩 도구의 출력 품질을 향상시키고 개발 중 재작업을 줄였습니다.
• 여러 사용자가 동시에 작업할 수 있는 실시간 협업 기능을 추가하여 공유 주석 작업 전반에 걸쳐 팀 생산성을 향상시켰습니다.
• 코드 분할 및 지연 로딩을 통해 프런트엔드 성능을 최적화하여 초기 로딩 시간을 단축하고 데이터 집약적인 인터페이스의 응답성을 개선했습니다.
• GraphQL API를 통합하여 데이터 액세스 패턴을 간소화하고 복잡한 애플리케이션 뷰 전반에 걸쳐 프런트엔드 응답성을 개선했습니다.
• 테스트 관행, 코드 검토, AI 생성 코드 및 사람이 작성한 코드의 지속적인 개선을 통해 엔지니어링 품질을 강화했습니다.
• 프롬프트 오케스트레이션, 응답 유효성 검사, 오류 처리 및 보안 통합 패턴을 포함하여 제품 워크플로와 대규모 언어 모델 API를 연결하는 백엔드 서비스를 설계하여 LLM 통합 작업을 주도했습니다.
• 복잡한 워크플로 자동화를 위한 AI 에이전트 기능을 구축하여 에이전트가 구조화된 애플리케이션 데이터를 기반으로 추론하고, 백엔드 작업을 트리거하고, 프로덕션 안정성을 위한 사람의 검토를 지원할 수 있도록 했습니다.
• 프런트엔드 인터페이스, 오케스트레이션 로직, LLM 제공자, 도구 실행 및 애플리케이션 데이터 계층 간의 경계가 명확한 재사용 가능한 에이전트 서비스 아키텍처를 설계했습니다.
• AI 기반 기능 전반에 걸쳐 LLM 출력의 정확성, 일관성 및 유지 관리성을 향상시키기 위해 프롬프트 엔지니어링, 컨텍스트 관리, 가드레일 및 유효성 검사 루프를 구현했습니다.
• 제품 및 엔지니어링 팀과 협력하여 Next.js, TypeScript, Nest.js, GraphQL 및 MySQL을 사용하여 AI 에이전트 요구 사항을 확장 가능한 풀스택 기능으로 구현했습니다.
더보기