
검색 Indexing 파이프라인 개선기
검색 색인 파이프라인의 생산성과 안정성을 높이기 위해 설정 기반 자동화, Offline Storage 활용, 배치 처리 구조를 도입했습니다. 이를 통해 대용량 이벤트와 풀색인 비용 문제를 줄이고 운영 효율을 개선했습니다.
새로운 기술 블로그가 추가되었어요

검색 색인 파이프라인의 생산성과 안정성을 높이기 위해 설정 기반 자동화, Offline Storage 활용, 배치 처리 구조를 도입했습니다. 이를 통해 대용량 이벤트와 풀색인 비용 문제를 줄이고 운영 효율을 개선했습니다.


Meta Llama 4 토크나이저의 한국어 효율과 주요 특성을 비교 분석했습니다.\n독자 토크나이저, 강화된 챗 템플릿, 스페셜 토큰 구성도 함께 살펴봤습니다.


XSS 공격의 개념과 유형을 정리하고, 필터를 활용한 방어 방법을 소개했습니다. Servlet Filter 예시 코드를 통해 요청 래핑 방식도 함께 보여주었습니다.


Cursor와 Playwright를 결합해 QA 테스트를 프롬프트로 자동 생성하는 사례를 소개했습니다.\n테스트 케이스 추출, 코드 수정, 리포트 생성까지 LLM으로 자동화하는 흐름을 다뤘습니다.


지식 증류가 student 성능 개선뿐 아니라 LLM 추론 속도 향상에도 활용된다는 점을 정리했습니다. speculative decoding과 SKD 같은 최신 방법으로 성능과 효율을 함께 높이는 흐름을 설명했습니다.


주니어 개발자들의 디버깅 역량 강화를 위해 10주간 스터디를 진행했습니다. 현상보다 원인과 단서 수집에 집중하는 디버깅 습관과 실전 사례를 공유했습니다.

MCP 환경에서 AI가 실제 실행 주체가 되면서 기존 보안 체계의 한계를 짚고, 실행 시점 통제를 위한 MCP PAM을 제안했습니다. AI-SPM의 탐지 기능과 MCP PAM의 실시간 차단을 비교하며 자율 접근제어 필요성을 설명했습니다.

AI 에이전트가 실제 시스템을 실행하는 MCP 시대에 필요한 보안 모델을 설명했습니다. 탐지 중심 AI-SPM의 한계를 짚고, QueryPie MCP PAM의 실시간 차단과 자율 접근제어를 제안했습니다.


다중 클러스터 kubeconfig 환경에서 현재 클러스터를 인지시키고 선택 실수를 줄이는 인터랙티브 프롬프트를 소개했습니다. 함께 관련 bash shell 예시와 적용 맥락도 설명했습니다.

자율주행 AI 모델 학습에서 합성데이터 활용을 주제로 현업의 고민을 정리한 글입니다. AI 시대의 데이터와 학습 데이터 관점을 함께 다루었습니다.


Gemma sLLM을 한국어 요약용으로 파인튜닝하는 과정을 Hugging Face와 QLoRA 기반으로 소개했습니다. 데이터셋 준비부터 프롬프트 구성, 학습, 병합 모델 추론까지의 흐름을 정리했습니다.

OpenSearch와 Analyzer로 부분 검색, 대소문자 무시, 특수문자 제거 검색을 구현하는 방법을 설명했습니다. 또한 카카오페이손해보험의 검색 서비스 활용 사례도 함께 소개했습니다.