피터의 개발이야기

ㅁ 들어가며유튜브 영상인 퀄리티와 토큰절약을 한번에. Serena MCP를 소개합니다.은 Serena MCP라는 AI 개발 도구를 활용해, 실제 프로그래밍 작업에서 토큰 사용량을 줄이는 방법을 시연하며 설명하였다. 주된 프로젝트 예시로 MBTI 검사 사이트를 개발하며 MCP를 사용할 때의 장점과 토큰 절약 효과를 실습 중심으로 보여주었다. 실질적으로 20% 감소 효과가 있었다. ㅁ 동영상 목차00:00 인트로 00:11 Serena MCP 소개00:36 Serena MCP의 장점01:28 클로드코드 사용량 확인 MCP 설치02:48 MBTI 검사 사이트 확인 및 수정하기03:43 Serena MCP 설치하기04:24 Serena MCP가 설치된 상태에서 MBTI 개발하기05:19 MBTI 검사 사이트 ..

[AI] Peterica의 AI공부와 비젼 정리ㅁ 들어가며 "AI 시대 서버 관리자의 챌린지, SE에서 플랫폼 엔지니어로!" 영상을 보고 내용을 정리하였다.이 방송은 AI·클라우드 시대의 서버 관리자의 변화와 미래를 주요 주제로 다루었다. ㅁ 서버 관리자의 역할 변화ㅇ 전통적 서버 관리(OS패치, 스토리지 확장 등)의 대부분이 클라우드, 자동화 툴 덕분에 사라지고 있음.ㅇ 이제 ‘서버 한대 한대 관리’는 의미가 없음.ㅇ 생존을 위해서는 두 가지 방향이 있음 - 클라우드 네이티브 인프라 전문가(퍼블릭 클라우드·IAC 등) - 플랫폼 엔지니어/SRE(서비스 전체 최적화, 설계, 자동화) ㅁ 플랫폼 엔지니어/시스템 엔지니어/SRE 차이 ㅇ 시스템 엔지니어는 반복적 서버 관리 업무에서 벗어나 서비스 전체 구..

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 GPT의 뜻ㅇ Generative 생성하는 ㅇ Pre-trained 미리 학습된ㅇ Transformer 인공 신경망 ㅁ AI개발전략/기획ㅇ [AI] 문서 기반 개발 프로세스: AI를 ‘알바생’으로 활용하는 실전 노트ㅇ [AI] The AI-Native Software Engineer 요약ㅇ [AI] 환경을 설계하는 시대: 프롬프트에서 컨텍스트 엔지니어링으로ㅇ [AI] MSA 서비스를..

[AI] Peterica의 AI공부와 비젼 정리ㅁ 들어가며[GPT5 답변이 만족스럽지 않다면? AI가 AI를 돕는 메타 프롬프트 완벽 가이드 - 일잘러 장피엠의 동영상을 보고 정리하였다. 메타 프롬프트의 개념을 설명하고, 좋은 프롬프트를 위한 3가지 조건을 설명하고 있다. 메타 프롬프트는 “AI에게 좋은 질문 만드는 것도 AI에게 시키는” 접근이다.구조화·참고자료·단계화·전문가 소환·자기검증을 결합하면,더 깊이 있고 신뢰성 높은 결과를 얻을 수 있다. ㅁ 동영상 목차00:00 메타 프롬프트 개념00:58 좋은 프롬프트의 필요 조건 3가지01:18 접근 전략 1 : 프롬프트 구조화04:50 메타 프롬프트 1 : 프롬프트 생성기 활용10:12 메타 프롬프트 2 : 피드백을 통한 프롬프트 개선12:45 접근 ..

[AI] Peterica의 AI공부와 비젼 정리ㅁ 들어가며 지난 글, [AI] Cursor 토큰 소비 구조와 절약 전략 (실사용 경험 기반)에서 과도환 토큰 소비에 대해서 정리하였다. 지금 토큰이 바닥이라도 코딩은 계속 해야 하기 때문에 토큰을 아끼는 방법을 정리해 보았다. 지금은 “AI 최소 의존” 모드로 전환한다. ㅁ 오늘 당장의 작업 루프문제 정의서를 5줄 이내로 쓴다 → 목표/입력/출력/제약/완료조건을 적는다.가장 작은 단위로 쪼갠다 → 함수 하나·케이스 하나씩 처리한다.TDD 루프로 간다 → 실패 테스트 추가 → 최소 구현 → 리팩터링 반복한다.실패를 빠르게 확인한다 → ./gradlew test -q 또는 go test -run -v만 돌린다.변경 범위를 좁힌다 → 파일 1개, 함수 1개만..

[AI] Peterica의 AI공부와 비젼 정리ㅁ 들어가며 최근 바이브코딩을 통해 기존 코드의 고도화, 2개의 gateway를 하나로 통합, 신규 모니터링 알람 프로젝트를 진행하였다. 토큰이 부족하여 20$, 60$(8.4)를 지불하였지만, 8.8에 모든 토큰을 소모하고 말았다. 이번 글에서는 토큰은 무엇인지, 토큰 소비에 구조와 절약 전략을 정리해 보았다. ㅁ 토큰이란 무엇인가?토큰은 AI 모델이 텍스트를 처리하는 최소 단위이다. 영어 단어 하나는 보통 1~2 토큰, 한국어 단어 하나는 2~3 토큰 정도로 계산된다.Cursor에서 한 번 요청을 보내면 내가 작성한 프롬프트 + 모델이 참고하는 컨텍스트(이전 대화, 코드, 분석 대상 파일)가 모두 토큰으로 환산된다. ㅁ Cusrsor 요금제 변경요금제특징..

ㅁ 들어가며ㅇ AI 코딩과 관련된 동영상을 정리한 글이다. ㅁ 이제 코딩 3배 빨라진다고? 커서 AI 실화? (25분 완벽 정리)ㅇ AI 코드 편집기인 '커서 AI'에 대한 기본적인 소개 영상 탭 기능: 현재 코드의 맥락을 파악하여 다음 코드를 제안하며, 탭 키를 눌러 쉽게 적용할 수 있다.인라인 편집 기능 (Command/Control + K): 원하는 영역을 지정하여 AI 코드를 활용해 코드를 수정할 수 있다.챗 기능 (Command/Control + I): 자연어로 커서 AI와 직접 대화할 수 있는 기능으로, 다음 세 가지 모드를 지원한다.에이전트 모드 (자율 실행 모드): 코드 베이스를 학습하고 프로젝트 전체를 스스로 파악하여 자율적으로 처리한다.에스크 모드 (대화형 상담 모드): 코드에 대한 질..

[AI] Peterica의 AI공부와 비젼 정리ㅁ 들어가며ㅇ 멀티모달(Multi-modal)과 MoE(Mixture of Experts)는 인공지능 모델에서 자주 언급되는 개념이지만, 서로 완전히 다른 목적과 구조를 가진 용어이다. - 멀티모달: 다양한 입력 종류(텍스트, 이미지 등)를 함께 처리- MoE: 여러 전문가 모델 중 일부만 사용해 효율성 극대화 ㅁ 멀티모달 (Multi-modal)ㅇ 다양한 입력 형태(모달리티)를 동시에 처리할 수 있는 AI 모델모달리티(Modality)란 데이터의 형태를 의미: 예) 텍스트, 이미지, 음성, 영상 등멀티모달 모델은 이 서로 다른 정보를 통합하거나 병렬로 분석함으로써 복합적인 이해를 도출함.목적: 다양한 유형의 데이터를 하나의 모델에서 통합 처리대표 예:GP..

[AI] Peterica의 AI공부와 비젼 정리 ㅁ 들어가며 ㅇ 카카오가 최근 진행된 ‘국가대표 AI’ 선발전(정식 명칭: 독자 인공지능 파운데이션 모델 개발 프로젝트)에서 최종 탈락한 이유를 정리해 보았다. ㅁ 요약 테이블기준 항목선발된 팀(예: 네이버·LG 등)카카오소버린 AI 접근외부 의존 없이 모델 설계·학습 완비외국계 파트너 협업 중심From Scratch 개발자체 모델 설계 및 훈련 경험 충분경험 상대적으로 부족기술 구성·전략명확하고 포괄적인 전략 및 공개 정책서비스 중심 전략 우위,그러나 평가 기준 대응 부족인프라 & 자원 계획GPU·데이터·인재 확보 계획 명확상대적으로 설득력 약함 ㅁ 탈락 배경 및 이유 요약‘소버린 AI’ 원칙에서의 벗어남카카오(및 KT)는 자체 AI 모델과 오픈소스 공..

ㅁ 들어가며 최근 개발 현장에선 "문서 기반으로 차근차근, 마치 알바생에게 하나씩 지시하듯" 작업을 진행하는 방식에 깊이 공감하고 있다. 프롬프트 몇 줄로 원하는 기능을 부탁하던 시대를 지나, 이제는 단계별 명확한 설계와 체계적 관리가 AI 개발 성과의 핵심임을 체감한다. 오늘은 바이브코딩 트렌드 리포트의 내용을 참고해, 실무 관점에서 어떻게 AI를 잘 ‘활용’할 수 있을지 고민을 정리한다. ㅁ 바이브코딩: 도구가 아닌 '알바생'으로서의 AI1. AI 활용의 관점 전환아직 많은 개발자들이 AI를 ‘도구’처럼 여기고, 엑셀이나 쿼리툴처럼 빠르고 정확하게 동작하길 기대한다. 하지만 실제 AI는 빠르지도, 완벽하지도 않다. AI의 진짜 강점은 반복적이거나 단순한 업무를 ‘위임’할 수 있다는 것이다. 2. 실..