전체

문서 검색 품질 개선을 위해 청크 오버랩 전략을 도입했다. 경계 부분의 문맥 손실 문제를 해결하고 검색 정확도를 약 15% 향상시켰다.

Go 1.22에서 for loop 변수 스코프가 변경되어 기존 코드에서 발생하던 클로저 버그가 해결됐다. 실제 프로덕션 코드에서 마주친 사례를 정리했다.

사내 문서 검색 RAG 시스템을 구축하면서 청크 크기에 따른 검색 품질 차이를 실험했다. 512 토큰과 1024 토큰 청크를 비교한 결과, 문서 특성에 따라 최적값이 달랐다.

VSCode에서 Cursor로 IDE를 전환하고 일주일간 사용해본 경험을 정리했다. AI 코드 완성 기능의 실용성과 기존 워크플로우 적응 과정을 기록한다.

사내 기술 문서와 위키가 산재되어 있어 필요한 정보를 찾는데 시간이 오래 걸렸다. LangChain과 OpenAI Embeddings를 활용해 RAG 기반 검색 시스템을 구축한 과정을 기록한다.

React 18의 Server Components를 프로덕션에 도입하면서 기존 데이터 페칭 패턴을 전면 재검토했다. useEffect + fetch 패턴에서 벗어나 서버 컴포넌트에서 직접 데이터를 가져오는 방식으로 전환하며 겪은 시행착오를 정리했다.

Go 1.22가 릴리스되면서 제네릭 타입 추론이 크게 개선되었다. 실무에서 자주 마주치는 케이스들을 중심으로 변경 사항을 정리했다.

사내 문서 검색 RAG 시스템을 구축하면서 청크 크기에 따른 검색 품질 차이를 경험했다. 512 토큰에서 256 토큰으로 조정하면서 정확도가 눈에 띄게 개선되었다.

레거시 배치 작업을 비동기로 전환하면서 처리 시간을 1/5로 단축했다. asyncio와 aiohttp를 사용한 동시 API 호출 패턴과 주의할 점을 정리했다.

사내 챗봇 프로젝트에서 GPT-4 API 응답이 일관성 없고 불필요하게 장황한 문제가 있었다. 프롬프트 구조화와 few-shot 예시를 통해 응답 품질을 크게 개선했다.