서비스 병목을 분석하고, 성능과 비용을 개선하는 구조를 설계하는 백엔드 개발자입니다. Spring Boot 기반 REST API 개발부터 RAG 챗봇 시스템, IoT 디바이스 연동, Vibe Coding까지 — 기능 구현을 넘어 구조적인 의사결정을 추구합니다.
- Spring Boot 기반 REST API 설계 · 구현 · 운영까지 고려한 백엔드 개발
- RAG + LLM 구조 설계로 AI 챗봇 응답속도 4 ~ 5초 → 0.3 ~ 0.8초 단축, 비용 80% 절감
- MQTT 기반 IoT 디바이스 제어 + 자연어 → 디바이스 명령 변환 시스템 구현
- OpenAI Codex · Claude Code 기반 Vibe Coding — 설계 주도 AI 협업 개발 경험
- filesystem · GitHub · Notion · Pinecone MCP 서버 연동 경험
- Docker Compose 컨테이너화 + GitHub Actions CI/CD 파이프라인 구성
| 지표 | Before | After | 결과 |
|---|---|---|---|
| 챗봇 평균 응답시간 | 4 ~ 5초 | 0.3 ~ 0.8초 | 90% 개선 |
| LLM 토큰 사용량 | — | 60 ~ 80% 절감 | 비용 80% ↓ |
| 특정 API 응답속도 | — | 쿼리 + 인덱스 최적화 | 유의미하게 개선 |
| 컨테이너 환경 재현성 | 수동 설정 | docker compose up 단일 명령 |
100% 재현 |
NOVA — 스마트 아파트 통합관리 플랫폼 Main Project
LLM 호출 구조를 Rule 기반으로 재설계해 비용 80% 절감, 응답속도 90% 개선을 달성한 IoT + AI 통합 플랫폼.
Tech
Spring Boot JPA MySQL MariaDB MQTT RAG Pinecone Gemini API React Native React Docker GitHub Actions Swagger
핵심 역할
- Rule 기반 Dispatcher 설계 — 단순 명령은 DB/API, 복잡 질의만 LLM + RAG 처리
- RAG 챗봇 파이프라인 구현 (Embedding → Pinecone → 검색 → 응답)
- 자연어 → MQTT 제어 명령 변환 로직 구현
- Controller → Service → Repository 계층 구조 REST API 설계
- 쿼리 구조 개선 + 인덱스 적용으로 API 응답속도 유의미하게 개선
성과
| 항목 | 결과 |
|---|---|
| LLM 토큰 사용량 | 60 ~ 80% 절감 |
| 챗봇 응답시간 | 4 ~ 5초 → 0.3 ~ 0.8초 |
| IoT 제어 | 자연어 기반 디바이스 제어 구현 |
Mindflow — AI 행동 코칭 챗봇 Vibe Coding
행동 로그 × 감정 패턴 분석 × AI 피드백 코칭을 연결한 풀스택 서비스. 설계와 조사는 직접, 구현은 OpenAI Codex + Claude Code Vibe Coding 방식으로 진행.
Tech
FastAPI SQLAlchemy MySQL Redis Gemini API React Vite Recharts Docker Compose GitHub Actions
Vibe Coding 적용 방식
| 단계 | 방식 | 도구 |
|---|---|---|
| 아키텍처 설계 · 기술 조사 | 직접 설계 | — |
| 전체 모듈 초기 생성 | 프롬프트 기반 코드 생성 | OpenAI Codex |
| 기존 코드 리팩토링 | 구조 개선 지시 | Claude Code |
| 버그 수정 · 디버깅 | AI 보조 디버깅 | Claude Code |
| 아키텍처 검토 · 개선 | 설계 리뷰 | Claude Code |
MCP 연동 경험
Filesystem MCP — 로컬 파일 읽기/쓰기 자동화, 코드 파일 직접 수정
GitHub MCP — 레포 연동, 코드 push · PR 생성 자동화
Notion MCP — 개발 일지 · 스펙 문서 자동 동기화
Pinecone MCP — Vector DB 데이터 삽입 · 조회 자동화 연동
리팩토링 — Claude Code 적용 전후
Before
# 모든 분석 로직이 단일 함수에 집중
def analyze(data):
# 500줄짜리 God Function
...After
# 계층 분리 — PatternAnalysisService
class PatternAnalysisService:
def analyze_frequency(self) -> FrequencyResult: ...
def analyze_intensity(self) -> IntensityResult: ...
def analyze_trend(self) -> TrendResult: ...
# /api/ui ViewModel 계층 — 프론트 데이터 조립 비용 최소화
class UIViewModel:
def build_dashboard_response(self) -> DashboardDTO: ...Architecture
User → React (Vite) → FastAPI Backend
├── JWT Auth (HS256)
├── PatternAnalysisService
├── MySQL / Redis (캐시 · Rate Limit)
└── Gemini API ──▶ fallback 분석 텍스트 (미연동 시 자동 전환)
성과 및 개선점
| 구분 | 항목 | 내용 |
|---|---|---|
| ✓ | 환경 재현성 | Docker Compose로 3서비스 컨테이너화, 재현성 100% 확보 |
| ✓ | CI/CD | GitHub Actions lint + build 자동화, PR 머지 시 자동 검증 |
| ✓ | AI 안정성 | Gemini fallback 구조 — 네트워크 장애 시에도 전체 흐름 유지 |
| ✓ | 캐시 최적화 | Redis 적용으로 분석 API 반복 호출 비용 절감 |
| △ | 코드 구조 | God Function → Claude Code로 계층 분리 리팩토링 |
| △ | 테스트 커버리지 | 바이브 코딩 특성상 초기 부족 → 핵심 로직 단위 테스트 보완 필요 |
| △ | 코드 일관성 | AI 생성 코드 컨벤션 통일을 위한 문서화 필요성 인식 |
Vibe Coding 인사이트
AI가 코드를 생성해도 설계 의도와 구조적 판단은 개발자의 몫임을 체감했습니다. 프롬프트 품질이 곧 코드 품질로 이어졌고, MCP 연동으로 반복 작업(파일 수정, PR, 문서화)을 자동화하면서 개발 흐름 자체에 집중할 수 있었습니다.
스마트 주차장 — 모빌리티 허브
RC카와 IoT 센서를 활용한 스마트 주차 시스템. OCR 자동 승인의 인식 한계를 빠르게 판단해 관리자 확인 기반 반자동 구조로 전환, 실제 동작 가능한 시스템으로 완성.
Tech
Spring Boot JPA MySQL MQTT Raspberry Pi Python React
핵심 역할
- 입차 승인 로직 설계 및 구현
- 라인트레이서 기반 차량 감지 처리
- 관리자 승인 → MQTT 기반 서보모터 제어 연결
- OCR 한계를 판단하고 서비스 동작 중심으로 구조 재설계
Backend
Database
AI / ML
Vibe Coding / AI Tools
IoT
Frontend
Languages
Infra / DevOps
Tools
heewonn09@naver.com · 010-5129-8600