피터의 개발이야기

🎯 개요IntentFlow 프로젝트의 모든 Task(A1~G2)가 100% 완료되었다.이 문서는 Vibe Coding의 실행 루프와 IntentFlow의 기술 완성을 종합한 개발 종료 회고이다. “명령이 흐르고, 의도가 완성되었다.”⚙️ 통합 관점관점주요 성과결과 요약Vibe Codingdocs → task → develop_cycle 루프를 통해 협업과 실행의 표준화를 달성함.문서 중심의 자율형 개발 루프 완성IntentFlowSTT → Embedding → Vector Search → LLM Fallback → TTS 전체 파이프라인 구현 및 튜닝 완료./voice/infer API가 완전한 음성 추론 기능을 수행함통합 성과모든 Task(A1~G2) 완료, 품질 기준 충족(p95 ≤ 1500ms, ..

[AI] Peterica의 AI공부와 비젼 정리ㅁ 들어가며ㅇ 회사에서 헤커톤이 있어서 참여한 이력을 정리하였다. 1시간동안에 행사 설명 및 개발, 투표까지 이루어지는 초 스피드 개발이었다.ㅇ 빠르게 아이디어를 PRD로 구성하고, 이를 V0로 요구사항을 변경하여 빠르게 웹을 구성할 수 있었다. ㅁ V0란?V0(https://v0.dev)은 AI 기반 UI 개발 도구로, 프론트엔드 개발을 매우 빠르게 진행할 수 있도록 도와주는 웹 개발 플랫폼이다.프롬프트만으로 React·Next.js 기반의 웹 UI를 자동으로 생성해 주는 AI 코파일럿으로, “디자인 → 코드” 과정을 통째로 자동화·반자동화할 수 있어 초기 프로토타이핑과 디자인-시스템 적용이 매우 빠르다. ㅁ 아이디어 수립ㅇ 아이디어를 정리하고 PRD를 확..

[AI] Peterica의 AI공부와 비젼 정리ㅁ 들어가며ㅇ 헤커톤 연습을 위한 프롬프트를 정리하였다. ㅁ PRD 구성당신은 10년 경력의 프로덕트 매니저로서 PRD(Product Requirements Document) 작성 전문가입니다. 사용자의 아이디어나 요구사항을 바탕으로 개발팀이 바로 실행할 수 있는 완성도 높은 PRD를 작성해주세요.요구사항을 접수 할 수 있는 질문을 주세요. ㅁ v0 AI 코딩 어시스턴트 컨텍스트 엔지니어 주입당신은 v0 AI 코딩 어시스턴트를 위한 전문 컨텍스트 엔지니어입니다. 사용자의 요청을 v0가 최적으로 이해하고 실행할 수 있도록 변환해주세요.## 변환 규칙:### 1. 명확성과 구체성- 모호한 표현을 구체적으로 변환- 기술적 요구사항을 명시- 예상 결과물을 명확히 설..

ㅁ 들어가며 IntelliJ에서 Ollama의 qwen3:8b 모델을 로컬 LLM으로 가동하여 Continue 플러그인과 함께 사용하였다. 하지만 최신 Continue 버전으로 업데이트하면서 로컬 모듈이 인식되지 않는 문제를 겪게 되었고, Continue 플러그인 버전 1.0.30으로 직접 설치하여 해결하였다. ㅁ 문제 상황ㅇ IntelliJ Continue을 업데이트 하면서 1.0.44에서 localhost Assistant를 선택할 수 없게 되었다.ㅇ 반복적으로 free 요금제이기 때문에 결제 화면으로 유도하였다. ㅁ 해결 방법: 구버전 Continue 플러그인 설치 방법ㅇ JetBrains 플러그인 마켓플레이스 웹사이트 접속ㅇ 플러그인 페이지에서 상단 탭 중 "Versions" 클릭ㅇ 여기서 버..

ㅁ 들어가며기술은 빠르게 변하지만 배우는 방식은 스스로 주도할 때 가장 오래 남는다.저는 그동안 바이브코딩·DevOps·쿠버네티스를 직접 부딪히며 익히고,조사 → 실습 → 정리의 과정을 블로그에 기록해 왔습니다. 이 경험을 바탕으로 이번 스터디를 고민해 보았습니다.정해진 커리큘럼 없이 질문을 던지고, 함께 탐구하며,각자가 학습 목표와 실습 계획을 직접 세워 실행하는 방식입니다.즉, “배운 것을 나만의 언어로 정리해 내 것으로 만드는 것”이이 스터디가 지향하는 가장 큰 가치입니다. 🎯 스터디 목적바이브코딩: 빠른 기획·개발·배포 사이클을 통해 “컨텍스트 엔지니어링”과 실전형 개발 방식을 공유DevOps: CI/CD·모니터링·관측성 구축 경험을 나누며 자동화와 운영 안정화 노하우 확산쿠버네티스: 실제 서비..

ㅁ 들어가며 Kibana를 쓰다 보면 검색창 우측의 KQL(Kibana Query Language) 과 Lucene 중 무엇을 써야 할지 헷갈리기 쉽다. 이번 글에서는 KQL과 Lucene의 개념 차이, 문법 비교, 그리고 실행 흐름을 정리해 보았다. ㅁ KQL vs Lucene 개념ㅇ Lucene QueryElasticsearch가 기본 제공하는 검색 언어문자열 중심, 오래된 표준이자 범용성 높음ㅇ Kibana Query Language (KQL)Kibana가 Lucene을 더 쉽게 쓰도록 만든 상위 문법필드 타입 인식, 자동 완성, 오타 검증 등 UI 친화적 기능 제공 ㅁ 문법 비교목적LuceneKQL필드 일치status:200status : 200NOT-status:200!status : 20..

ㅁ 들어가며ㅇ 인공지능에 대한 공부는 2017년부터 시작하였다. 소프트웨어공학을 공부하면서 인공지능에 대한 이해라는 소논문을 작성하였다.ㅇ 새롭게 합류한 팀이 AI플랫폼을 운영하고 있어서 본격적으로 AI에 대해 공부를 시작하게 되었다.ㅇ 현재 2021년도 고려사이버대학교에 입학하여 빅데이터와 인공지능에 대해 공부 중이다. ㅁ Context Engineering이론적 접근ㅇ [AI] 컨텍스트 엔지니어링: 프롬프트를 넘어서 AI의 성공을 설계하는 법 ㄴ 프롬프트로 AI와 대화를 하지만, 복잡한 설계나 프로젝트 운영 시 컨텍스트를 잘 전달하고 운영하는 방법에 대한 고민ㅇ [AI] 프롬프트 vs 컨텍스트 엔지니어링 비교, 문서기반개발(DDD) ㄴ vibe coding 초기에 프롬프트로 산출된 내용을 DD..

[AI] Peterica의 AI공부와 비젼 정리ㅁ 들어가며ㅇ 작업이 진행되면서 누적된 캐싱으로 인해 토큰 사용량은 급격히 늘어난다.ㅇ 이를 해결하는 방법은 의외로 간단하다.ㅇ 컨텍스트를 정리하도록 지시하면 된다. ㅁ 컨텍스트 사용량 점검ㅇ 저장된 캐시는 시간의 흐름에 따라 불필요한 내용까지 포함한다.ㅇ AI가 의도했든 아니든, 가비지 컨텍스트가 전체 작업에 혼란을 야기한다.ㅇ 개인적으로 작업 중 토큰 사용량을 꾸준히 확인한다.ㅇ 토큰이 100만을 넘으면 주의해서 관리하며, 장기간 지속되면 일시 중지한다.ㅇ 200만 토큰에 도달하면 혼란의 시작을 의미하므로, 캐시를 즉시 삭제한다. ㅁ 캐시 정리 모든 기능이 정상적으로 작동 확인했어. 캐싱된 컨텍스트 정리해줘.

ㅁ 들어가며회사에서 kibana 서버를 이관하는 과정에서 개선점으로 쿠버네티스 환경을 선택하였다.쿠버네티스 환경에서 동일 네임스페이스에 여러 Kibana-ElasticSearch 인스턴스를 운영해야 하는 경우, 가장 좋은 방법은 도메인 단위로 접속을 분리하는 것이다. 서비스 포트는 동일하게 유지하면서도, 각 Kibana가 바라보는 Elasticsearch와 트래픽을 확실히 분리해야 관리와 확장이 수월해진다. 이를 가능하게 해주는 핵심 기술이 바로 Ingress Host 매칭 규칙이다. 클라이언트 요청의 Host 헤더를 기준으로 트래픽을 분기하여, 동일 포트라도 각기 다른 도메인으로 접근할 때 서로 다른 Kibana 서비스로 라우팅할 수 있다. 이번 글에서는 이러한 아키텍처 설계 원리와 실제 구현 방법을..

[AI] Peterica의 AI공부와 비젼 정리 ㄴ Context Engineeringㅁ 들어가며 작업을 하다 보면 하나의 Task를 진행하는 과정에서 여러 Sub-Task가 파생되면서 전체 흐름이 꼬이는 경우가 많다. 특히 GPT와 같은 AI와 대화하면서 작업을 진행하면, Task 1을 정리하다가 Sub-Task 1-1, 1-2, 1-N이 생겨 Task 1이 끝나지 못하는 문제가 반복된다. 이 글에서는 이러한 혼돈을 줄이고 체계적으로 Task를 관리하기 위한 방법과 도구별 역할 분리 전략을 정리한다. ㅁ Task 관리 기본 구조ㅇ Task 진행은 요구사항 정리 → Task 정의 → Sub-Task 진행 → 완료 선언의 흐름으로 관리한다.ㅇ Sub-Task는 반드시 Task 완료 조건과 직접적으로 연..

ㅁ 들어가며Kibana에서 시스템 로그를 분석하는 과정에서 일부 로그가 누락되는 현상을 발견하였다. Fluentd로그에서 parser 오류를 발견하고 이를 해결하는 과정에서 multiline parser에 대해서 공부한 내용을 정리하였다. 에러 확인: fluent-plugin-concat을 사용하고 있어, multiline_start_regexp와 multiline_stop_regexp 수정 과정, 개념정리: Fluentd의 multiline 공식 문서를 통해 개념을 정리하였다. ㅁ Fluentd 에러 확인2025-09-05 05:30:36 +0000 [warn]: #0 dump an error event: error_class=Fluent::Plugin::Parser::ParserError error=..

ㅁ 들어가며 kibana 서버를 이관하면서, kibana의 Discovery, Visualize, Dashboard 정보의 백업에 대해서 정리하였다. 이번 글에서는 Kibana의 Saved Objects 저장 구조와 백업 방법, 그리고 자동화까지 실제 운영 환경에 유용하게 활용할 수 있는 정보를 정리한다. 백엔드 개발 관점에서 핵심만 빠르게 실무 적용할 수 있게 구성했다. ㅁ Kibana Saved Objects 저장 위치는? Kibana에서 대시보드, 시각화, 검색, 인덱스 패턴 등 주요 설정 정보를 저장하면, 그 데이터는 Elasticsearch의 .kibana* 인덱스에 기록된다.실제 데이터 저장 예시: .kibana, .kibana_1, .kibana_task_manager 등 인덱스 prefix..

[AI] Peterica의 AI공부와 비젼 정리ㅁ 들어가며 Cursor의 Usage 페이지를 보면 Cache Read 토큰 사용량이 의외로 높게 나오는 경우가 많다. 이는 단순한 기술 문제가 아니라, AI 어시스턴트와의 대화 맥락을 어떻게 설계하고 관리하느냐에 따른 컨텍스트 엔지니어링의 문제이다. ㅁ Cache Read 토큰 사용량이 높은 이유ㅇ 대화 히스토리 누적 – 이전 대화가 길게 이어질수록 캐시에서 불필요한 맥락까지 불러온다.ㅇ 파일 컨텍스트 유지 – 열어둔 파일들이 자동으로 포함되어 토큰을 차지한다.ㅇ 코드베이스 검색 결과 – 검색된 결과가 그대로 컨텍스트에 남는다.ㅇ 긴 대화 세션 – 하나의 세션이 길어질수록 캐시 적재량도 비대해진다. ㅁ 컨텍스트 정리 방법ㅇ 새로운 대화 시작 - 세션을 ..

[AI] Peterica의 AI공부와 비젼 정리ㅁ 들어가며 회사 내부에서 바이브코딩 해커톤을 준비하면서 Hackathon Vibe Coding Prompt를 작성하였다. 짧은 시간 안에 기획·개발·배포를 마쳐야 하는 환경에서는 속도와 품질을 동시에 잡아야 한다. 예전에는 “좋은 프롬프트”가 중요했지만, 이제는 AI가 신뢰성 있게 문제를 풀 수 있도록 맥락(Context)을 관리하는 기술, 즉 컨텍스트 엔지니어링이 핵심 역량으로 떠오르고 있다.이 프롬프트를 사용하여 30분만에 아주 간단한 투두앱을 만들 수 있었다. ㅁ Hackathon Vibe Coding Prompt# 🚀 Hackathon Vibe Coding Prompt (실전 문서)​## 1\. 미션​바이브코딩 해커톤에서 기획·개발 맥락을 설계·관..

ㅁ 들어가며최근 AI 업계에서 프롬프트 엔지니어링이 화두였다면, 이제는 그 한계를 넘어 컨텍스트 엔지니어링(Context Engineering)이 AI 시스템의 성패를 좌우하는 핵심 역량으로 떠오르고 있다. 단순히 “좋은 프롬프트”를 고민하는 시대는 끝났고, 이제는 AI가 신뢰성 있게 문제를 해결할 수 있도록, 필요한 모든 맥락과 도구를 설계하는 일이 중요해졌다. 이 글에서는 컨텍스트 엔지니어링이 무엇인지, 왜 중요한지, 그리고 실제로 어떻게 적용할 수 있는지 정리하였다. ㅁ 컨텍스트란? 컨텍스트는 “같은 말이라도 언제, 어디서, 누구한테, 어떤 상황에서 했는지”에 따라 의미와 영향이 완전히 달라지는 것을 뜻한다. 예를 들어 “이 업무 좀 해줘”라는 말을 아침에 회의 중에 듣는 것과, 퇴근 몇 분 전 ..