병목을 어떻게 찾았는가
반복 입력, 오래 걸리는 검색과 실수가 생기는 지점을 실제 업무 순서에서 정의합니다.
SEOUL · AI SYSTEMS & AUTOMATION
Z,
영업·운영의 병목을
작동하는 시스템으로 바꿉니다.
사용자가 실제로 반복하는 일을 먼저 관찰합니다. 그다음 RAG, 도구를 쓰는 에이전트와 자동화를 연결해 문제 정의부터 실패 방어, 검증과 운영 인계까지 완성합니다.
- RAG
- MCP
- Claude Code
- Codex
- 업무 자동화
SYSTEM READY
GROUNDED · PRIVATE
USER REQUEST
“필요한 근거를 찾고, 다음 업무까지 처리해줘.”
- 01 INGEST 문서 구조화
- 02 RETRIEVE 근거 검색
- 03 GROUND 출처 검증
- 04 ACT MCP 실행
RESULT
답변과 출처를 함께 제공하고, 권한이 허용된 도구만 실행합니다.
기밀을 제거한 개념 화면PORTFOLIO BRIEF / 2-MINUTE REVIEW
기술 목록보다,
업무가 바뀌는 과정을 보여줍니다.
무엇을 선택하고 만들었는가
SQL, 검색, LLM과 자동화 중 필요한 경로만 선택하고 수용 기준과 함께 구현합니다.
어떻게 검증하고 인계하는가
실패 시 중단 조건, 운영자 경로, 날짜가 있는 증거와 공개 한계를 함께 남깁니다.
SELECTED WORK · 02 FEATURED + 02 QUALITY NOTES
프로젝트를 골라
깊게 살펴보세요.
주문 운영과 Sales RAG를 대표 사례로, 검색 품질과 근거 검증을 보조 노트로 정리했습니다. 각 사례에서 병목, 설계 결정, 확인된 변화, 복구와 공개 한계를 함께 볼 수 있습니다.
PROJECT INDEX
카드를 선택하거나 ← → 키로 이동할 수 있습니다.
PRIVATE CASE STUDY / 01
주문 · 송장 통합 자동화
ROLE · WORKFLOW DISCOVERY / AUTOMATION / QA
쇼핑몰 주문을 내려받아 프로모션·포장 규칙을 계산하고, ERP 주문서와 송장 업로드까지 연결한 현업용 데스크톱 자동화입니다.
- 예약 주문 배치
- 3회 / 일
- 예약 송장 배치
- 1회 / 일
- 실행 모드
- 2업로드 · 파일만
- 브라우저 초기화
- 3회 재시도
직접 발견한 병목
- 쇼핑몰 주문을 ERP 형식으로 매번 다시 가공해야 함
- 고객별 프로모션과 박스 단위 분할 규칙이 복잡함
- 송장·취소 주문까지 서로 다른 관리자 화면에서 처리함
요구사항·구현
- Sixshop 다운로드와 Sellmate 업로드를 Selenium으로 연결
- Google Sheets의 프로모션 표를 주문 행에 자동 반영
- Flet GUI에서 예약 실행, 수동 실행, 즉시 중지를 제공
수용 기준·실패 방어
- 클릭 시각과 파일명 시각을 대조해 잘못된 파일을 차단
- 변환 전후 주문번호 집합을 비교해 누락 시 업로드 중단
- 성공·실패·취소 주문을 이메일로 즉시 알림
주문 식별자가 모두 보존돼야 통과
변환 전후 주문번호 집합이 다르거나 다운로드 파일의 시각이 맞지 않으면 업로드를 중단하도록 수용 기준을 코드로 고정했습니다.
반복 업무를 네 예약 흐름으로 연결
하루 3회 주문 처리와 1회 송장 처리를 구성하고, 주문 다운로드부터 상태 알림까지 여섯 단계를 한 실행 경로로 묶었습니다.
자동 실행과 수동 복구를 함께 제공
Flet 화면에서 예약·수동 실행, 주문서만 생성, 파일 선택 후 업로드를 구분하고 성공·실패·취소 상태를 메일로 남깁니다.
확인하지 못한 ROI는 쓰지 않음
실제 처리량, 사용자 수, 절감 시간과 오류 감소율은 공개 가능한 측정 자료가 없어 성과로 주장하지 않습니다.
OPERATION FLOW
한 번의 실행이 끝까지 이어지는 경로
- 01주문 다운로드Sixshop
- 02파일 검증시각 · 형식
- 03수량 계산프로모션
- 04박스 분할중량 규칙
- 05ERP 업로드Sellmate
- 06상태 · 알림메일
PARALLEL FLOW
Sellmate 송장 다운로드 → 중복 제거 → Sixshop 송장 업로드
PRIVATE CASE STUDY / 02
Sales Intelligence RAG · MCP
ROLE · SYSTEM DESIGN / BACKEND / RETRIEVAL
판매 데이터, 사내 문서, 공식 법령과 상권 근거를 Claude·Codex가 목적별 도구로 조회하는 내부망 전용 AI 지식 시스템입니다.
- MCP 도구 계약
- 27개
- 지원 문서 형식
- 8종
- 검색 채널
- 2semantic + lexical
- 테스트 메서드
- 124unittest
직접 정의한 병목
- 매출·상품 질문과 문서 검색에 서로 다른 근거가 필요함
- 법령·소매인·상권 데이터는 최신성과 출처가 핵심임
- 거래처·주문 정보가 외부 서비스로 새면 안 됨
설계·구현
- 정형 매출은 SQL로 집계하고, 문서는 하이브리드 검색
- FastEmbed ONNX 벡터와 FTS5 BM25를 80:20으로 결합
- Notion·법령·소매인·상권을 목적별 MCP 도구로 분리
안전 설계
- 사무실 내부망만 허용하고 인증정보는 서버에만 보관
- 내부 매출은 사용자가 명시한 경우에만 조회
- 실패한 갱신은 마지막 정상 원본을 교체하지 않음
모든 데이터를 벡터화하지 않음
정형 매출은 SQL 집계, 문서 질의만 RAG로 분리했습니다. LangChain이나 별도 벡터 DB 없이 필요한 검색 경로만 구현했습니다.
검색 계약을 코드로 고정
FastEmbed 다국어 MiniLM ONNX, SQLite BLOB, NumPy 코사인과 FTS5 BM25를 의미 80%·키워드 20%로 결합했습니다.
상태를 확인하고 복구할 수 있게
색인·리소스·진단 대시보드와 마지막 정상 원본 보존 규칙을 두어 운영자가 실패 위치를 확인할 수 있게 했습니다.
업무 성과를 추정하지 않음
내부 데이터, 사용자 수, 응답 정확도와 절감 시간은 공개 근거가 없어 성과 수치로 제시하지 않습니다.
SYSTEM ARCHITECTURE / PRIVATE RAG
근거를 찾는 경로와 도구를 실행하는 경로
OFFICE NETWORK · OPT-IN DATA
-
01 / SOURCES
업무 원천
- Sales상품 · 주문 · 고객
- Knowledge문서 8종 · Notion
- Official법령 · 소매인 · 상권
-
02 / INGEST
정규화 · 분리 저장
Parser & Validator 형식 · 필드 · 출처 확인Privacy Gate 내부 매출은 명시 요청만 -
03 / RETRIEVE
질문에 맞는 엔진
STRUCTURED SQLite 집계 매출 · 상품 · 주문UNSTRUCTURED FastEmbed + FTS5 80% semantic + 20% BM25목적별 라우팅 · 출처 결합
-
04 / DELIVER
근거 기반 응답 · 실행
FastMCP · 27 tools 입력 검증 · 권한 경계ClaudeCodexANSWER + SOURCE + STATUS
KNOWLEDGE PATH
질문 → Hybrid 검색 → 출처가 붙은 답변
ACTION PATH
요청 → 도구 계약 검증 → 허용된 MCP 실행 → 상태 반환
QUALITY ENGINEERING NOTE / 03
OpenViking RAG 검색 품질 개선
ROLE · DIAGNOSIS / SEARCH QUALITY / OPERATIONS
“서버가 살아 있다”와 “사용자가 원하는 문서가 검색된다”를 분리해 평가하고, 누락 색인과 랭킹 오염을 실제 검색 결과로 수정했습니다.
- 재색인 문서
- 33개
- 벡터 인덱스
- 12,066 → 12,208
- 처리 큐 오류
- 0건
- 핵심 질의
- TOP 1복구
운영과 검색 품질을 따로 측정
health, queue, latency만 보지 않고 실제 vault와 리소스 트리의 차이, 검색 상위 결과의 노이즈를 골든 쿼리로 확인했습니다.
Hybrid 검색을 얇게 보강
exact lexical 결과와 semantic 결과를 중복 제거해 병합하고, 폐기 아카이브와 원시 세션 기록을 기본 결과에서 감점했습니다.
실제 질의 순위로 회귀 검증
누락된 폴더를 재색인한 뒤 대표 질의가 목표 문서를 1위로 반환하는지, 실행 중 테스트 프로세스가 남지 않았는지 확인했습니다.
SAFETY PROTOTYPE NOTE / 04
R-GATE Legal Research Agent
ROLE · AGENT DESIGN / GROUNDING / SAFETY
하나의 사건 기록을 검사·변호·합의부 관점에서 교차 검토하되, 실재를 확인하지 못한 판례 사건번호는 인용하지 않는 법률 리서치 프로토타입입니다.
- 분석 모드
- 4종
- 판례 소스 역할
- 3경로
- 실행 트랙
- 2경량 · 심층
- 인용 전 강제 게이트
- 1R-GATE
현업 문제
- 복잡한 사실관계가 여러 죄명·증거·절차 쟁점으로 흩어짐
- 한쪽 관점의 분석은 반대 논리와 입증 취약점을 놓치기 쉬움
- LLM이 존재하지 않는 판례 사건번호를 만들 위험이 큼
구현
- 모든 역할이 동일한 CASE BRIEF를 단일 사실 기록으로 공유
- 자문·검사·변호·공방 4모드와 경량·심층 2트랙 제공
- 공식 검증·폭넓은 발굴·무료 전문 회수의 소스 역할 분리
실패 방어
- 사건번호 인용 전 R-GATE로 실재 여부를 반드시 확인
- 확인 실패 시 인용을 거부하고 미검증 슬롯으로 격리
- 분석 말미에 법률자문 아님과 전문가 검토 필요성을 고지
EVIDENCE-GATED WORKFLOW
판례 실재 확인이 끝나야 분석에 들어가는 흐름
- 01사실 입력fact pattern
- 02CASE BRIEFsingle record
- 03소스 라우팅official · search
- 04R-GATEverify or reject
- 05적대적 검토prosecution · defense
- 06근거 산출source · disclaimer
ABOUT / ROLE
업무를 이해하고,
AI가 책임질 경계를 설계합니다.
정해진 요구사항만 구현하기보다 사용자가 반복하는 일, 데이터가 머무는 곳, 실패하면 안 되는 지점을 먼저 찾습니다. 그다음 RAG·MCP·자동화를 가장 작은 운영 가능한 흐름으로 연결합니다.
SEOUL · OPEN TO AI SYSTEMS / AUTOMATION근거를 찾는 AI
FastEmbed ONNX, NumPy cosine, SQLite FTS5 BM25, OpenViking, 출처·최신성 검증
경계 안에서 행동하는 AI
FastMCP, 도구 계약, source gate, Claude·Codex orchestration
끝까지 이어지는 자동화
Python, Selenium, Pandas, Flet, Sheets, 파일·주문 무결성 검사
운영 가능한 인계
진단 상태, 실패 알림, 회귀 체크, 문서화, privacy-by-default
- 2FEATURED CASES
- 27MCP TOOL CONTRACTS
- 124UNITTEST METHODS
MORE WORK / LOCAL AUDIT
대표 사례 밖에서도,
제품과 도구를 끝까지 만듭니다.
로컬 소스와 작업 기록을 다시 확인해, 완성된 빌드와 개발 중인 실험을 같은 성과처럼 포장하지 않고 현재 상태와 검증 근거를 함께 적었습니다.
LOCALLY VERIFIED · STATUS-LABELEDTrailbound
Godot 4.6 데스크톱 오토배틀러. macOS·Windows 빌드, 201개 헤드리스 검증과 6개 시뮬레이션 게이트.
PocketAI
SwiftUI·llama.cpp 기반 로컬 AI 앱. 스트리밍 추론, KV 캐시, 5개 도구 플러그인과 GGUF 무결성 검사.
Chemical Intelligence
PubChem·ORD를 연결한 화학 조회 도구. 사실과 추론을 분리하고 규제·안전 게이트를 먼저 적용.
Polymarket Crypto Lake
Gamma·CLOB·Chainlink 공개 데이터를 원문 JSONL과 호가 체크포인트로 보존하는 read-only 수집 인프라. 전략·주문·실데이터를 제외한 MIT 공개 패키지로 분리했습니다.
REPOSITORY LINK · GITHUB REVIEW PENDING
EVIDENCE STANDARD
숫자보다 먼저,
근거의 종류를 밝힙니다.
AI 포트폴리오는 그럴듯한 데모만으로 신뢰하기 어렵습니다. 그래서 각 사례의 수치가 어디에서 왔는지, 무엇을 공개하지 않았는지, 실패하면 어디서 멈추는지를 함께 적습니다. 사람과 AI 검토자에게 같은 사실과 한계를 제공합니다.
구현에서 직접 센 범위
27개 MCP 계약과 124개 unittest 메서드처럼 제공된 코드·백업에서 직접 확인한 수치만 사용합니다.
운영 증거에는 날짜를 붙임
검색 순위, 색인 수와 큐 상태는 영구 성과가 아니라 확인 시점이 있는 운영 스냅샷으로 표시합니다.
불확실하면 실행을 멈춤
잘못된 주문 파일, 누락 주문번호, 확인되지 않은 판례는 다음 단계로 넘기지 않습니다.
공개보다 경계를 우선
고객·주문 원본, 인증정보, 내부 주소와 비공개 소스는 아키텍처 설명에서도 제외합니다.
PUBLIC FACTSHEET / HUMAN + MACHINE READABLE
검증 사실표 JSON 보기
주장, 확인 방식과 한계를 같은 파일에서 봅니다.
사람과 AI가 같은 공개 근거와 한계를 읽도록, 재현 가능 여부와 비공개 검토 범위를 프로젝트별로 구분했습니다.
WORKING PRINCIPLES
복잡한 일을,
작동하는 흐름으로
-
01
반복과 병목을 찾습니다
중복 입력, 오래 걸리는 검색, 실수가 생기는 지점을 실제 작업 순서에서 찾습니다.
-
02
데이터와 근거를 정리합니다
출처, 스키마, 최신성, 개인정보 경계를 먼저 정해 답과 행동의 기준을 만듭니다.
-
03
가장 작은 자동화를 연결합니다
한 가지 업무가 처음부터 끝까지 이어지는지 확인한 뒤 필요한 만큼만 확장합니다.
-
04
실패를 운영하고 인계합니다
빈 결과, 중복 실행과 권한 오류를 확인하고 로그·복구 기준, 운영자 경로와 공개 한계까지 남깁니다.
LET'S BUILD SOMETHING USEFUL
업무를 이해하고,
안전하게 배포할 AI 시스템이 필요하다면.
서울에서 AI 시스템과 업무자동화 역할을 찾고 있습니다.