AI & API

프로덕션 RAG 시스템에서 청크 크기를 조정하며 검색 정확도와 응답 품질의 상관관계를 분석했다. 512 토큰에서 256 토큰으로 변경 후 정확도가 15% 상승했지만, 검색 오버헤드가 증가하는 트레이드오프가 발생했다.

AI 코드 리뷰 도구를 도입했지만 단일 프롬프트의 한계에 부딪혔다. 체이닝 기법을 적용해 분석-분류-제안의 3단계 파이프라인을 구축하고, 리뷰 품질을 크게 개선한 과정을 기록한다.

대규모 레거시 코드베이스를 리팩토링하면서 Cursor의 Composer 모드를 활용한 경험을 정리했다. 기존 방식 대비 3배 이상 빠른 속도로 작업을 완료할 수 있었다.

사내 문서 검색 RAG 시스템의 응답 품질 저하 문제를 청크 크기와 오버랩 조정으로 해결한 과정을 정리했다. 512토큰에서 256토큰으로 변경하고 오버랩을 50으로 늘린 결과 검색 정확도가 개선됐다.

벡터 검색 시스템 구축 중 임베딩 비용이 예상보다 높게 나왔다. Batch API를 도입해 비용을 절반으로 줄이고 처리 속도도 개선한 과정을 정리했다.

3년 된 Next.js 프로젝트의 컴포넌트 구조를 Windsurf Cascade 모드로 리팩토링했다. 파일 간 의존성을 추적하며 자동으로 수정 범위를 확장하는 기능이 유용했다.

팀 내부 API 문서를 매번 브라우저로 찾아보는 게 번거로워서 Cursor에 MCP 서버를 붙여봤다. Model Context Protocol로 컨텍스트를 확장하니 코드 작성 중 실시간으로 엔드포인트 스펙을 참조할 수 있게 됐다.

단일 프롬프트로는 한계가 있던 코드 리뷰 품질 문제를 프롬프트 체이닝 기법으로 해결했다. 분석-검증-제안의 3단계 파이프라인을 구축하여 리뷰 정확도를 크게 개선할 수 있었다.

Cursor의 Composer 모드를 사내 백오피스 리팩토링에 적용했다. 멀티파일 수정이 필요한 작업에서 효과를 봤지만, 컨텍스트 관리에 예상치 못한 어려움이 있었다.

단일 프롬프트로 복잡한 작업을 처리하다 보면 출력이 불안정해지는 문제가 있었다. 프롬프트 체이닝 패턴을 도입해 각 단계를 분리하고, 중간 결과를 검증하는 방식으로 안정성을 크게 높였다.