전체

사내 문서 검색 RAG 시스템의 검색 정확도를 개선하기 위해 청크 크기와 오버랩 전략을 실험했다. 512토큰 청크에 128토큰 오버랩 조합이 가장 좋은 결과를 보였다.

TypeScript 5.8에서 개선된 조건부 타입 추론을 프로젝트에 적용하면서 겪은 경험을 정리했다. 특히 제네릭 함수의 타입 안정성이 크게 향상되었다.

Go 1.24에서 개선된 제네릭 성능을 실무 API 서버에 적용했다. 기존 interface{} 기반 캐시 레이어를 제네릭으로 전환하면서 타입 안정성과 성능을 모두 잡은 과정을 기록한다.

프로덕션 RAG 시스템에서 청크 크기를 조정하며 검색 정확도와 응답 품질을 측정했다. 512토큰 기준으로 오버랩 50토큰을 적용했을 때 가장 좋은 결과를 얻었다.

레거시 프로젝트의 API 클라이언트 구조를 개선하면서 Cursor의 Composer 모드를 활용했다. 20개 이상의 파일을 일관되게 수정하는 작업이 예상보다 빠르게 끝났다.

레거시 API 라우터를 App Router로 마이그레이션하면서 Cursor Composer를 활용했다. 20개 이상의 파일을 일관되게 수정하는 작업에서 시행착오와 효과적인 프롬프트 패턴을 정리했다.

TypeScript 5.8로 업그레이드하면서 enum 관련 타입 추론이 개선되어 기존 코드의 타입 에러가 줄어들었다. 특히 const enum과 일반 enum의 동작 차이를 명확히 이해하게 된 계기가 되었다.

Windsurf의 Cascade 모드를 활용해 레거시 코드베이스를 리팩토링했다. 여러 파일에 걸친 변경 작업을 자동으로 추적하고 적용하는 과정을 정리했다.

단일 프롬프트로 복잡한 작업을 처리하려다 보면 응답 품질이 떨어지는 경우가 많았다. 프롬프트 체이닝 기법을 도입해 작업을 단계별로 분리하니 일관성과 정확도가 크게 향상되었다.

단순 벡터 검색만으로는 정확도가 부족했던 RAG 시스템에 BM25와 벡터 검색을 조합한 Hybrid Search를 도입했다. Reciprocal Rank Fusion으로 결과를 병합하면서 검색 정확도가 체감상 30% 이상 개선되었다.