디지털 식대 장부 서비스 개인 프로젝트
직접 입력 대신 QR로 사용액 입력
일일이 계산하지 않도록 자동 계산
장부를 찾아 건네는 일 없이 바로 조회
정산 내역 취합을 기업별·기간별로 자동 집계
각 문제에 맞는 구조를 고민한 프로젝트입니다.
서로 다른 주거 데이터를 믿고 비교하려면 무엇부터 맞춰야 할까?
서로 다른 공공데이터를 같은 기준으로 보는 주거 의사결정 서비스
추천보다 비교 기준을 먼저 만들었습니다.
행정동으로 통일하고, 결측과 한계를 드러내기
ClipSpace와 SweetHome에 Google Analytics와 Search Console을 연결해, 제공되는 지표 범위에서 서비스가 어떻게 발견되고 사용되는지 관찰하고 있습니다.
Search Console의 검색어·노출·클릭
GA4의 유입 경로와 페이지별 조회
제공되는 클릭 이벤트와 평균 참여 시간
모바일·데스크톱 등 기기 유형
아직 트래픽 규모가 크지 않아 화면 구성과 다음 이벤트 설계를 위한 관찰 자료로 활용하고 있습니다.
LOCAL HARNESS
처음에는 AI에게 역할과 지시만 건넸습니다.
지금은 Harness로 맥락과 범위를 고정하고, Loop로 구현·검증·수정을 반복하며, Eval 엔지니어링으로 개선하고 있습니다.
문제, 우선순위, 비즈니스 규칙과 보안·배포 기준을 먼저 결정합니다.
합의한 범위 안에서 AI가 구현하고, 필요한 검증만 실행합니다.
실제 변경 내용과 명령 결과를 기록해 노션과 연동하고, 실행하지 않은 검증은 NOT_RUN으로 구분합니다.
“백엔드 개발자처럼 구현해줘”와 같이 역할과 지시를 전달했습니다.
맥락·허용 범위·완료 조건을 문서로 정해 판단의 흔들림을 줄였습니다.
구현·검증·수정을 작은 단위로 반복하고, 필요한 순간에 사람이 개입합니다.
결과물뿐 아니라 실제 행동과 명령 결과를 기록해 시나리오로 확인합니다.
Java / Spring Boot · Python / FastAPI · TypeScript / Node.js · AWS IoT & Streaming
PostgreSQL / MySQL · Redis · IndexedDB · Supabase
Codex / Claude Code · AI Native Pipeline
Docker / Kubernetes (EKS) · Vercel / Git
CJ올리브영 트랙 TOP 6 선정 🏆
K-뷰티·H&B 커머스의 실제 비즈니스 과제를 해결하는 AI 서비스 구현
클라우드 인프라, MSA 및 현대적 앱 아키텍처 전문 교육 수료
화학과 / 컴퓨터과학 복수전공 · 졸업
식품영양과 · 졸업