이번주가 사실상 프로젝트 개발 마감 기한이다.다음주 목요일이 최종발표일로 정해졌고, 그러기 위해선 월요일까지는 최종 테스트 완료 후 시연 준비를 진행해야하기 때문이다. 지속적으로 EC2 Server를 통해 여러 테스트를 진행하였다.기존 로컬에선 오류라고 파악이 되지 않던 코드들이 여러 서버들과 연계되며 통신, 구문, 버전 등 여러 문제가 발생하여 해결 중에 있는 상황이다. 첫 시작은 HAPA Backend 서비스의 완전하고 안정적인 구동을 가로막던 핵심 문제 해결에 집중했다. 가장 먼저 발생했던 Pydantic 설정 충돌 오류를 해결했다.Pydantic V2에서 Config와 model_config가 혼용되어 발생하는 문제임을 진단하고, Backend/app/core/settings_manager.py ..

이번 주 첫 시작은 전반적인 Refactoring을 목표로 진행했다.Refactoring을 진행하며 Extension의 AI 모델 플로우를 완벽하게 이해하고 최적화하기 위한 코드 심층 분석에 집중했다. 약 15,000라인이 넘는 전체 코드베이스와 25개의 핵심 파일을 분석하며 5단계 레이어 구조(Extension Entry Point, Core Management Layer, Provider Layer, Module Layer, Service Layer)를 파악했다. 특히 ExtensionManager나 TypedMessageHandler와 같은 핵심 컴포넌트의 동작 방식과 apiClient.ts, StreamingCodeGenerator, SidebarProvider 등 주요 기능 모듈의 역할을 상세히..

이번 주는 오늘 오전 한컴 현직자분들께 진행할 중간 발표를 성공적으로 마무리하기 위한 핵심 작업인 AI 모델 연동 최적화에 집중했다.지난주에 구현한 27개 온보딩 옵션 기반의 개인화 프롬프트 생성 로직이 AI 모델과 완벽하게 연동되는지 확인하는 것이 가장 중요했다.실제 질문들을 Backend API로 요청하여 AI 모델의 응답이 VSCode Extension의 UI에 정확하고 빠르게 표시되는지 기능적 테스트를 반복했다.특히, 사용자가 질문을 입력했을 때 AI가 코드를 생성하고 이를 실시간으로 스트리밍하여 VSCode Extension에 점진적으로 보여주는 과정에서 지연이 발생하지 않는지 성능적 테스트를 면밀히 진행했다.vLLM 기반의 백엔드와 AI 백업 시스템 간의 자동 페일오버 기능도 함께 점검하며 어..

AI 코딩 어시스턴트 프로젝트의 전체 시스템 아키텍처를 확정하고 이를 시각화하는 작업에 집중했다.React, FastAPI, PostgreSQL, Redis 등 핵심 컴포넌트 간의 데이터 흐름과 상호작용을 명확히 정의하고 이를 Mermaid 다이어그램으로 상세하게 표현했다.이 과정에서 각 컴포넌트의 역할과 책임 범위를 재정의하며 시스템 전체의 효율성과 확장성을 고려한 설계를 완성하는 데 주력했다.프로젝트의 큰 그림을 그리고 이를 팀원들과 공유할 수 있는 명확한 청사진을 마련하는 중요한 단계라고 생각했다.시스템 아키텍처를 시각화하는 과정은 각 컴포넌트의 역할과 연결성을 명확히 이해하는 데 큰 도움이 되었다.복잡한 시스템을 한눈에 파악할 수 있도록 정리하는 작업은 개발 효율성을 높이고 추후 발생할 수 있는 ..

현재 진행 중인 프로젝트 내용의 제한적인 공개범위로 인해 코드나 구체적인 내용을 기재할 수 없어 이렇게 회고의 내용으로 작성한다. 6월 6일부터 AI 코딩 어시스턴트 프로젝트의 본격적인 시작을 알리며 백엔드 환경 구축에 집중했다.특히 FastAPI와 MongoDB 연동 작업에 많은 시간을 할애했는데, 이전에 겪었던 어려움을 바탕으로 더욱 체계적인 접근을 시도했다.초기 API 설계 단계부터 프론트엔드 팀과의 활발한 논의를 통해 명확한 API 명세를 확립하는 데 주력했고 핵심 기능인 코드 생성(generate) 엔드포인트 개발에 착수하며, AI 모델과의 연동을 고려한 API 구조를 잡는 데 심혈을 기울였다.추후 프론트엔드 영역을 위해 API 연동 테스트를 진행하며 데이터 형식과 통신 방식에 대한 조율하며 ..

이번주는 최종 확정 배정된 팀프로젝트의 기획을 시작으로 프로젝트가 시작되었다.내가 참여하는 프로젝트는 AI coding Assistant이다.해당 프로젝트에서 BE 전반과 FE 컨트롤을 맡기로 했다. 기존에 진행 중인 공모전 프로젝트와 병행으로 인해 굉장히 바빠질 것으로 예상되고 있다.일정 컨트롤을 최대한 하며 진행해야할 것이다. 큰 문제는 없길 바라며... 원래 2주차에 시작할 계획이었으나 타이트한 개발일정으로 기본 구축을 한주 빨리 시작하기로 결정하고, 작업을 시작하였다.해당 프로젝트에서 전반적인 문서관리도 진행하고 있기에 기획서나 개발계획서와 같은 문서들을 취합하고 정리하며, 팀장을 서포트하고 있다. 기획서 작성이 마무리 되어가는 것 같아 개발환경 구축을 시작하였고 진행내용은 아래와 같다. 1...

이번주에는 28일 수요일에 정보처리기사 2회차 필기 시험이 있어 공결로 강의에 불참하였다.기출문제 풀이 시 3과목이 점수가 나오질 않아 합격에 간당간당하여 너무 걱정되었다. 이번주는 트랜스포머 기반 모델 실습이 주로 이뤄졌다. 기존과 달리 대규모 텍스트까지 처리가 가능한 모델이기 때문에 중요한 실습이라고 생각한다. 강의 내용 및 요약 정리 1. 트랜스포머(Transformer) 기반 기계번역 실습 A. 트랜스포머란?자연어 문장 내 모든 단어쌍의 관계를 한 번에 파악하는 딥러닝 모델입니다.기존 RNN/LSTM과 달리 병렬처리가 가능하고, 긴 문장도 효과적으로 처리합니다.번역, 요약, 질의응답 등 다양한 NLP 작업의 표준 구조입니다.B. 실습 흐름1) 데이터 준비 및 전처리# 영어-스페인어 병렬 문..

이번 주에는 자연어처리(NLP) 실습, RNN/LSTM, 그리고 트랜스포머 모델까지 다양한 딥러닝 구조와 코드를 접했다.특히 트랜스포머 구조와 어텐션, 포지셔널 인코딩 등은 처음 접하는 개념이라 이해하는 데 시간이 많이 걸렸고, 코드 구현 과정에서 데이터 전처리(토큰화, 패딩, OOV 처리 등)와 모델 입력/출력 형태를 맞추는 부분에서 오류가 자주 발생했다.트랜스포머의 각 블록(멀티헤드 어텐션, 인코더/디코더, 마스킹 등)이 어떻게 연결되는지 처음엔 전체 흐름이 잘 그려지지 않았다. 강의 내용 및 요약 정리 1. 자연어 처리(NLP) 기본 실습 (1-NLP.ipynb, nlpsilseub.ipynb)텍스트 데이터 준비 및 전처리- 영화 리뷰(긍정/부정) 등 텍스트와 라벨 데이터 준비- 토크나이저로..

이번주부터 본격적인 ML/DL 파트가 시작되었다.일요일 밤에 오랜만의 불면증으로 인해 한숨도 못자고 월요일을 시작해버렸다. 도저히 잠이 들지 않아 헬스장을 오픈런해서 다녀왔고,저녁땐 매주 2번 러닝 뛰기로한 날이기에 러닝까지 일부러 빼먹지 않고 뛰어 신체적인 피로도를 높였다.그래야만 기절하듯 잠들 수 있을 것 같아서 말이다.이번주 시작부터 꼬여버려 굉장히 긴 일주일이 되어가고 있는 느낌이다. 강의 내용 및 요약 정리 1. 데이터 전처리의 중요성정의: 원시 데이터를 분석 및 모델링에 적합한 형태로 가공하는 과정.필요성: 현실 데이터는 결측치, 이상치, 중복, 불일치 등 다양한 문제를 포함.모델 성능 저하, 잘못된 결론 초래 가능.데이터 품질 개선과 모델 성능 향상에 필수적임.주요 전처리 단계:결측치 처..

이번주도 월,화 연휴로 인해 수요일부터 다시 일정이 시작되었다.어제까지 FastAPI(Web Server)강의가 진행되었고, 금요일인 오늘부터 새 강의인 Mashine Learning / Deep Learning 이 시작되었다. 사실상 이 과정의 핵심이 오늘부터 약 한달간 진행하는 것이다. 이것을 위해 약 3개월간 달려온 것이라고 해도 무방하다.한달동안의 강의로 다음달에 프로젝트가 가능할지 매우 의문은 든다.. 강의 내용 및 요약 정리 라우터분리 개요FastAPI는 기본적으로 하나의 main.py 파일에 모든 API 경로를 정의할 수 있는 기능을 제공한다.예시 API 경로: /users, /items, /posts 등.이러한 구조는 작은 프로젝트에서는 유용하지만, 프로젝트가 커질수록 복잡성이 증가하게..