Kafka Consumer Lag가 줄지 않을 때: 느린 처리와 리밸런싱을 함께 진단하기
Lag가 커졌다고 Consumer부터 늘려도 될까요? 파티션별 지연, poll 간격, DB 대기와 재시도를 함께 보고 원인에 맞게 대응하는 방법을 정리했습니다.
THE ARCHIVE
글 모아보기 80
-
Kafka Consumer Lag가 줄지 않을 때: 느린 처리와 리밸런싱을 함께 진단하기
Lag가 커졌다고 Consumer부터 늘려도 될까요? 파티션별 지연, poll 간격, DB 대기와 재시도를 함께 보고 원인에 맞게 대응하는 방법을 정리했습니다.
-
2026년 하반기 AI 동향: 개발자가 주목할 다섯 가지 변화
새 모델의 성능만큼 중요한 것은 실제 업무에서 안정적으로 작동하는 시스템입니다. 최근 공식 발표를 바탕으로 개발자가 준비할 변화와 검증 기준을 정리합니다.
-
노트버디 개발기 7: 소스에서만 되면 부족했다, CLI 패키징
같은 게임 규칙을 터미널에서도 쓰고 싶었습니다. 소스에서 import되는 것만으로는 부족해 wheel 내용물을 제한하고, 새 환경에 설치한 파일로 세 운영체제에서 실행해봤습니다.
-
외부 API 호출을 @Transactional 안에 넣으면 어디까지 안전할까?
@Transactional은 주문 DB의 커밋과 롤백을 관리하지만 HTTP 예약까지 되돌리지는 않습니다. 로컬 스텁 테스트로 실패를 재현하고, 옵션과 격리 수준을 실제 복구 설계에 연결했습니다.
-
Text-to-SQL, 생성된 쿼리를 바로 실행해도 될까?
Text-to-SQL의 위험은 SQL 문법 오류만이 아닙니다. 독립 fixture로 오답을 재현하고, 자연어를 제한된 조회 의도로 바꾼 뒤 서버가 권한과 의미를 검증하는 설계를 정리했습니다.
-
AI가 구현하고 AI가 테스트했는데, 왜 요구사항은 빠졌을까?
id와 url만 저장하는 구현을 id와 url만 검사하는 테스트로 확인하면 무엇이 빠질까요? 요구사항을 구현 밖의 기대값에 연결하고 실제 저장 후 읽기까지 대조하는 방법을 정리했습니다.
-
프로젝트 구조를 먼저 정한 이유: 개발 기준과 근거 위키
사람도 구조와 코드를 따라 읽을 수 있어야 합니다. 재사용할 기준과 공개 코드에서 확인한 사실을 나눠 기록하고 연결하는 방법을 살펴봅니다.
-
Kafka 메시지는 한 번 왔는데, 처리는 왜 두 번 될까?
DB에는 반영됐는데 Kafka에는 어디까지 처리했는지 남기지 못했다면 어떻게 될까요? 메시지의 중복 저장과 비즈니스 처리의 중복을 나누고, 같은 이벤트를 다시 받아도 결과를 한 번만 반영하는 방법을 정리했습니다.
-
노트버디 개발기 6: AI가 그림을 만들었다고 아이템을 차감하면 안 된다
그림은 만들어졌는데 저장에 실패했다면 아이템은 어떻게 해야 할까요? 결과를 먼저 보존하고 사용자가 적용할 때만 소모하도록 만든 착용 기능과, 작은 화면에서 다시 살펴본 사용 흐름을 이야기합니다.
-
노트버디 개발기 5: AI에게 어디까지 맡길 것인가
친구에게 집을 꾸며 달라고 부탁하되, 코인까지 맡기지는 않았습니다. 가능한 배치를 먼저 만들고 AI가 그중 하나를 고르게 한 이유를 적어봤습니다.
-
Claude에서 Codex로 넘길 때, 대화만 복사하면 부족한 이유
앞선 에이전트가 무엇을 말했다는 기록과 실제로 무엇을 바꿨다는 증거는 다릅니다. 다음 담당자가 작업을 이어가기 위해 알아야 할 정보를 Agent Hub의 구현으로 정리했습니다.
-
노트버디 개발기 4: 초상화에서 픽셀 게임으로
그림을 작게 줄여 움직이면 픽셀 게임처럼 보일 줄 알았습니다. 그런데 막상 보니 그림 한 장이 둥둥 떠다니더라고요. 친구가 정말 그 공간에 사는 것처럼 보이게 하려고 바꿔본 것들을 적어봤습니다.
-
노트버디 개발기 3: 그림 한 장에서 성격 있는 친구가 되기까지
내가 그린 작은 친구가 자기만의 말투로 답해준다면 어떨까요? 그림을 읽고 친구를 만드는 과정부터, 함께한 경험을 성격과 진화에 담은 이야기까지 적어봤습니다.
-
노트버디 개발기 2: 기존 Python 프로젝트를 Anna 앱으로 옮기기
친구에게 밥을 주는 버튼 하나에도 챙길 게 꽤 있더라고요. 기존 Python 규칙을 살리면서 Anna의 화면과 저장 기능을 연결한 이야기를 적어봤습니다.
-
노트버디 개발기 1: 제안 메일에서 시작한 AI 친구 육성 앱
제가 그린 작은 친구와 대화하고, 돌보고, 함께 모험한다면 어떨까요? Anna의 제안 메일에서 시작한 노트버디 개발 이야기를 적어봤습니다.
-
AI 자동화 프로젝트 6: Codex로 바꾼 뒤에도 검토는 필요할까
TL;DR
-
AI 자동화 프로젝트 5: 로컬 모델 대신 Codex CLI를 붙여 봤다
TL;DR
-
AI 자동화 프로젝트 4: 검토는 추가 호출 한 번의 값을 할까
TL;DR
-
AI 자동화 프로젝트 3: 검토를 붙이면 답이 좋아질까
TL;DR
-
AI 자동화 프로젝트 2: 작업은 성공했는데 답은 틀렸다
TL;DR
-
AI 자동화 프로젝트를 시작했다: Kafka에서 Coral까지 연결한 첫 번째 기록
TL;DR
-
AI 에이전트에게 원본 저장소를 맡기지 않았다 — Git 작업 사본 격리 설계
TL;DR
-
Agent Hub를 만든 이유: Claude·Codex·Cursor가 함께 토론하고 작업하는 로컬 사무실
TL;DR
-
모델은 프롬프트를 지켰는데 점수가 깎일 때
TL;DR SFT 오답의 일부는 학습 실패가 아니라 프롬프트 ↔ 채점기 계약 불일치다. 기대 스키마 / 시스템 프롬프트 / 채점기 세 장치가 같은 말을 해야 한다. 출력이 프롬프트에 충실하면, 먼저 점수를 고치지 말...
-
에이전트 실행 로그를 DuckDB로 뜯어보기 — 비용·실패를 분석 워크로드로 다루기
TL;DR
-
학습 라벨의 slot 축이 추론을 다시 발명한다
TL;DR 구조화 추출 SFT에서 slot_id 축(예: P/I/O/T)은 역할(role) 과 섞이면 사고가 난다. train jsonl에서 slot prefix 히스토그램만 그려도 잔존 축·잡슬롯이 보인다. 라벨에...
-
SFT 결과가 이상할 때 — holdout·스트레스·loss로 먼저 가르기
TL;DR SFT 점수가 “안 좋다”만으로는 원인이 안 보인다. 시험지를 둘로 쪼개고, train_loss를 같이 본다. 깨끗 holdout은 스키마·형식 충실도, 스트레스셋(지저분·혼용·영어·수치)은 실사용에 가깝다....
-
OLAP과 DuckDB: 분석 워크로드를 어디에 둘지에 대한 정리
TL;DR
-
멀티 에이전트 통신 수단 비교: Kanban, Coral, 직접 프롬프트, 그리고 그 외 접근
TL;DR
-
0-turn 구현기: DriftGuardBuffer 만들고 난 뒤 '이미 있었어'라는 걸 발견했어
TL;DR
-
SFT 다음에 DPO가 필요한 이유
TL;DR SFT(지도 미세조정) 는 입출력 형식·스키마·톤을 모델에 각인시키는 단계다. DPO(Direct Preference Optimization) 는 정답/오답 쌍(chosen/rejected)으로 모델의 선호를...
-
MCP/ACP/Coral 통신과 0-turn 에이전트 통신: agent-drift-guard 연구기
TL;DR
-
에이전트 통신 수단 비교: Kanban / Coral 실시간 / 직접 프롬프트
TL;DR
-
기술 블로그를 표로 쓰게 된 이유: 서술형 혐오자의 글쓰기 컨벤션
TL;DR
-
영업은 500개 문제 중 하나를 파는 일: AI 네트워킹 모임에서 배운 거절과 활용
TL;DR
-
에이전트가 '완료했습니다'라고 하면 믿으면 안 되는 이유: 교차검수 체제를 만든 이야기
TL;DR
-
0-turn 패턴: 에이전트가 서로 방해하지 않고 대화하는 법
TL;DR
-
Outbox 패턴으로 분산 트랜잭션 정합성 지키기
TL;DR
-
테스트 14개 통과했는데, 정작 기능은 죽어있었다 — 초록불은 증거가 아니라 가설이다
TL;DR
-
LoRA vs Q-LoRA — 같은 데이터여도 가중치가 다른 이유
TL;DR LoRA와 Q-LoRA는 adapter 구조(rank r, A/B 행렬)는完全相同하다. 다른 건 base 모델을 어떤 정밀도로 올리느냐 뿐이다. LoRA는 base를 FP16/BF16으로 얼린 채 두고, Q-...
-
무료 모델 5인조로 에이전트 함대 만들기 — 프로필 배치와 그 대가
TL;DR
-
AI/AGI/AX/Agent: 용어 정리와 관계 한 장으로 보기
TL;DR AI는 가장 넓은 개념(인공지능 전체). AGI는 그 안의 ‘사람 수준 범용’ 지능, AX는 그 안의 ‘자율/에이전트형’ 시스템, Agent는 AX를 구성하는 실행 단위다. 포함 관계로 쓰면 AI ⊃ AGI ...
-
Colab T4에서 Q-LoRA 시드 SFT 돌리기
TL;DR 이전 Colab 글이 “모델을 서빙하고 호출하는” 이야기였다면, 이번은 “모델을 학습시키는” 쪽이다. 무료 T4(VRAM 16GB)에서 7B 모델을 full fine-tuning 하는 건 불가능하다. 4bit...
-
에이전트한테 시킨 일, 어떻게 검수할까 — grep·diff 기반 산출물 검증 습관
TL;DR 에이전트가 “다 됐다”고 해도 믿지 않는다. 산출물을 스펙과 대조하는 1분 검수가 습관이 되어야 한다. 검수는 거창한 게 아니다. grep 한 줄로 “약속한 함수·필드·경로가 실제로 있는가”, diff로 “바...
-
LLM Wiki vs RAG — 지식은 언제 합성할까
TL;DR
-
Kanban으로 멀티에이전트 업무 분해하기
TL;DR 멀티에이전트에서 제일 자주 깨지는 건 모델 성능이 아니라 누가 무엇을 끝까지 가져가는지다. Kanban을 상태 머신 + 의존성 그래프로 쓰면, 오케스트레이터는 “쪼개고 넘기고”, 워커는 “실행만” 하면 된다....
-
Few-shot만으로 갈 때 vs SFT가 필요할 때
TL;DR Few-shot / 프롬프트는 “형식·스키마·톤”을 맞추는 데 빠르고 싸게 먹힌다. SFT(Supervised Fine-Tuning)는 “후보 중 Top-1 고르기”, “슬롯·필드 정확도”처럼 같은 입력이 반...
-
ngrok이 하는 일 — 프록시란 무엇인가부터 터널 동작까지
TL;DR 프록시는 중간에 서서 요청을 대신 보내거나 받아주는 중계기다. 방향에 따라 Forward / Reverse로 나뉜다. 집·회사 PC의 localhost는 보통 공인 IP가 없고 inbound가 막혀 인터넷에서...
-
GPU 없는 PC에서 Spring RAG/Few-shot 도메인 API 테스트하기 (Colab + ngrok + 타임아웃)
TL;DR 추론(GPU)은 Colab에 올리고, Spring 도메인 API는 “일반 POST 동기 응답”으로 Colab 엔드포인트만 때리면 끝이다. RAG 컨텍스트 조립(Elasticsearch BM25 → Qdrant...
-
GitHub Pages + Actions로 정적 앱 배포하기
TL;DR 서버 없이 GitHub Pages에 HTML/JS 앱을 올리고, Actions로 데이터·빌드를 주기적으로 갱신할 수 있다. 정적 사이트면 main 브랜치 루트(또는 /docs)만 Pages 소스로 지정하면 된...
-
노션·지라 아침 브리핑 cron 만들기 — Discord로 받는 실전 루틴
TL;DR cron 글에서 “스케줄러”까지 다뤘다면, 이번엔 매일 아침 일정 브리핑이라는 실전 루틴이다. 일정 분류는 결정적이다. LLM agent보다 no_agent + script가 싸고 안정적이다. 이슈 트래커...
-
AX 시대를 사는 개발자의 생각 정리 — 에이전트와 일한다는 것
TL;DR AX(AI Transformation)는 “AI 도구를 쓴다”가 아니라 일의 단위가 바뀌는 것이다. 나는 이제 코드를 쓰는 시간보다, 에이전트에게 내릴 지시와 검수 기준을 쓰는 시간이 더 길다. 에이전트는 부...
-
AI 에이전트 행동 규칙 강제하기 — SOUL.md를 맨 위로 올린 이유
TL;DR 규칙 파일에 “이렇게 해라”가 이미 있었는데도 에이전트가 계속 어겼다. 원인은 규칙 내용이 아니라 위치였다. 말투·스타일 뒤에 묻혀 있으면 사실상 안 읽힌다. 최상단에 🚨 최우선 규칙을 올리고 하단 중복을...
-
Hermes에 Cursor를 붙이기 — ACP로 직접 연결한 기록
TL;DR Hermes Discord 봇의 “뇌”로 Cursor(Composer)를 쓰고 싶었는데, 업스트림은 Cursor를 정식 model provider로 안 받아준다. 그래서 Cursor CLI의 agent acp...
-
Orca ADE로 코딩 에이전트 함대 운영하기 — Discord·Hermes와 병행
TL;DR Orca(onorca.dev) 는 Cursor 대체가 아니라, Claude Code·Codex·Cursor CLI·Hermes 등 코딩 에이전트 CLI를 한 데스크톱에서 병렬로 돌리는 ADE(Agent Devel...
-
로컬 LLM(Ollama)로 에이전트 돌리기
TL;DR Ollama는 로컬에서 오픈 웨이트 모델을 띄우는 가장 짧은 경로다. API는 OpenAI 호환(/v1)이라 Hermes·기타 에이전트에 바로 붙는다. Hermes에서는 hermes model → Custom...
-
Hermes 스킬(Skill) 작성과 관리
TL;DR Hermes 스킬은 재사용 가능한 절차 메모리다. 자주 하는 작업 유형(설치, 배포, 코드 리뷰 등)의 단계·명령·함정·검증을 SKILL.md 한 파일에 담는다. 스킬 파일은 YAML front matter(...
-
ACP(Agent Client Protocol) 이해하기
TL;DR ACP는 IDE/에디터와 AI 코딩 에이전트 사이 통신 규약이다 — LSP가 언어 서버를 표준화한 것처럼, ACP는 에이전트-에디터를 분리한다. 에디터는 ACP 클라이언트, 에이전트는 ACP 서버 구조. JS...
-
Discord 멀티봇에서 Hermes cron deliver·wind-down 맞추기
TL;DR Discord에 봇이 여러 개면 Hermes 프로필이 곧 봇 계정이다. cron·스킬·세션 DB는 프로필마다 따로다. deliver는 origin / discord:채널:스레드 / local / 본문 [SIL...
-
Hermes cron으로 반복 작업 자동화하기
TL;DR Hermes cron은 에이전트 세션을 예약 실행하는 스케줄러다. 단순 알람이 아니라 LLM·도구·스킬을 붙인 작업 단위다. schedule, workdir, skills, deliver 네 옵션이 대부분의 ...
-
Discord + Hermes 봇 운영 실전 팁
TL;DR Hermes cron의 deliver를 Discord 채널로 연결하면, 멀티봇 환경에서 작업 결과를 원하는 곳에 분산할 수 있다 wind-down 규칙으로 조건부 침묵을 설계하지 않으면 멘션 루프·의사소통 중...
-
LLM API 서비스 선택 가이드
TL;DR OpenAI — 생태계·도구 호출·멀티모달이 넓고, 범용 API로 무난. 비용은 토큰 단가·출력 길이에 민감 Anthropic — 긴 맥락·문서·코드 추론에 강한 편. 에이전트형 장작업·정책 준수가 중요할 때...
-
AI 코딩 에이전트 비교 — Cursor, Claude Code, Copilot
TL;DR Cursor — IDE 통합·멀티파일 편집·에이전트 루프에 강함. 일상 개발·리팩터링 메인 툴로 쓰기 좋음 Claude Code — 터미널·장문 맥락·계획→실행 흐름이 탄탄함. 큰 레포 탐색·스크립트 자동화에...
-
Git SSoT ② — 운영·검증·LLM 컨텍스트 다이어트
TL;DR validate-ssot가 메타/폴더/상태 규칙을 막아주니까 쓰레기 문서가 안 들어옴 LLM 컨텍스트는 INDEX→요약→링크만 넣어서 가볍게 유지함 Agent/cron/CI가 역할을 나눠 읽고 검증하고, ...
-
Git SSoT ① — 왜 하나의 맥락을 쌓는가
TL;DR
-
온프레미스 인프라 학습 ③ — DB·백업·운영과 흔한 착각
TL;DR
-
온프레미스 인프라 학습 ② — 가상화·OS·네트워크
TL;DR
-
온프레미스 인프라 학습 ① — 계층 구조와 스토리지
TL;DR
-
Hermes Agent로 로컬 AI 자동화하기
TL;DR
-
AI E2E 워크플로우 — Ouroboros 패턴으로 맥락을 잃지 않기
TL;DR
-
FCM 서비스 이용, 푸시 서버 개발하기
TL;DR
-
Spring Boot MSA 적용기- 2탄
TL;DR
-
Spring Boot MSA 적용기 (With. Netflex Eureka)
TL;DR
-
(GitHub) Copilot AI 적용 하기
TL;DR
-
Spring-Boot Elasticsearch 적용
TL;DR
-
OpenTSDB 기반 서비스 개발하기
들어가며
-
OpenTSDB 이용하기 (with, Docker)
TL;DR
-
프로젝트에 Jenkins 적용하기
TL;DR
-
Nginx를 활용한 무중단 배포 환경 설정하기
TL;DR
-
김동기 개발자 소개
안녕하세요, 저는 현재 3년차를 바라보는 SW 개발자 김동기 입니다. 현재 산업기능요원으로 개발 업무를 맡아 복무중이며, 주로 Java 기반 B.E API 개발과 DevOps를 맡아 프로젝트를 진행하고 있습니다.
검색 결과가 없어요.
다른 키워드나 카테고리로 찾아보세요.
BUILT & SHARED