장애와 삽질이 가르쳐 준 것들
실무에서 만난 문제들을 기록합니다.
Spring 장애
JPA N+1, 배치 지연, 스케줄러 데드락 — 실전 트러블슈팅 모음
아키텍처
SAGA, 분산락, 데이터 정합성 — 설계 원칙부터 분산 시스템까지
AI/DX
Claude Code, MCP, AI 에이전트 — 백엔드 개발자의 AI 전환 가이드
백엔드 개발자의 AI 비서 만들기 (3편) — "저번에 말한 거 기억해?"
TL;DR 문제: Claude는 대화가 끝나면 리셋. 어제 한 얘기를 오늘 또 처음부터 해야 했습니다 실패 1: 대화 전체를 시스템 프롬프트에 붙여넣기 → 4주 만에 토큰 폭발 실패 2: MEMORY.md 하나에 요약 누적 → 20KB 돌파 후 에이전트가 죽었습니다 성공: LanceDB 벡터 DB + 유사도 검색 → 관련 것만 꺼내서 주입 결과: 발표 전날 아침, Jarvis가 먼저 “내일 기술 공유 세미나가 있습니다…
백엔드 개발자의 AI 비서 만들기 (2편) — 메시지 하나가 처리되는 과정
TL;DR 전체 흐름: Discord 메시지 → Node.js 봇 → Nexus MCP → → Discord 응답. 전부 맥미니 로컬에서 돌아갑니다 채널이 11개인 이유: 처음엔 1개였습니다. 섞이는 게 불편해서 하나씩 쪼갰습니다. 채널 = 페르소나 + 컨텍스트 Nexus MCP 없으면: Claude는 대화만 합니다. 외부를 조회하거나 명령을 실행할 수 없습니다 그 차이: “GCP 콘솔 직접 확인해주세요” vs…
백엔드 개발자의 AI 비서 만들기 (1편) — 1월 28일, 맥미니와 Anthropic 공지
TL;DR 발단 1: 1월 28일, 당근마켓에서 맥미니 중고 충동구매 → “기왕 돈 썼으니 제대로 해보자” 발단 2: 바로 그 주, Anthropic이 Claude Max를 서드파티 SaaS에 연결하면 계정 밴 예고 두 가지가 겹쳤다: 서버가 생겼고, 직접 만들 수밖에 없는 이유도 생겼다 48시간 후: Discord 메시지를 보내면 집 맥미니가 Claude를 돌려 답해주는 프로토타입 완성 지금: 크론 93개, RAG…
MEMORY.md 20KB가 에이전트를 죽였다 — OpenClaw 오픈소스 탄생기
TL;DR 상황: OpenClaw 에이전트를 24/7 운영하다가 가 20KB+로 팽창 원인: 매 세션마다 MEMORY.md를 전부 로딩 → 컨텍스트 압박 → 게이트웨이 크래시 해결 1: openclaw-self-healing — 4단계 자동 복구 (~30초) 해결 2: openclaw-memorybox — 3-tier 메모리 관리 CLI (20KB → 3.5KB) 한계: 토큰 절감은 전체 세션의 5-15%. 진짜 가치는…
자바 개발자의 AI 입문기 (5편) - LangGraph, 상태 기반 멀티 에이전트
TL;DR LangGraph: 상태 기반 AI 워크플로우 프레임워크 핵심 개념: 노드(작업) + 엣지(연결) + 상태(데이터) 사용 사례: 다단계 처리, 조건부 분기, 도구 사용 에이전트 자바 비유: Spring Batch의 Job/Step 구조와 유사 한계: 노드 수 증가에 따라 디버깅 복잡도 상승, 단순 선형 흐름에서는 체이닝이 더 적합 이전 편 요약 4편에서는 다음을 다뤘습니다: RAG 파이프라인 완성…
자바 개발자의 AI 입문기 (4편) - RAG 실전, Knowledge Base 검색 챗봇 만들기
TL;DR 목표: 회사 문서 기반 Q&A 챗봇 완성 파이프라인: 질문 → 문서 검색 → 컨텍스트 주입 → 답변 생성 핵심: 검색된 문서를 프롬프트에 넣어서 AI가 답변하게 함 결과: “우리 회사 정책”에 대해 정확히 답변하는 챗봇 한계: 청킹 전략과 검색 k값 튜닝이 품질을 좌우, 최적값은 도메인마다 다름 이전 편 요약 3편에서는 다음을 다뤘습니다: Embedding으로 텍스트를 벡터로 변환 ChromaDB…
자바 개발자의 AI 입문기 (3편) - RAG 기초, 문서를 벡터로 저장하기
TL;DR RAG: AI가 모르는 정보를 검색해서 답변에 활용하는 기술 Embedding: 텍스트를 숫자 배열(벡터)로 변환하는 것 Vector DB: 벡터를 저장하고 유사도로 검색하는 데이터베이스 핵심 흐름: 문서 → 청킹 → 임베딩 → 저장 → 검색 한계: ChromaDB는 로컬 전용, 대용량/멀티 인스턴스 환경에서는 Pinecone 등 클라우드 Vector DB 필요 이전 편 요약 2편에서는 다음을…
자바 개발자의 AI 입문기 (2편) - LangChain 기초, 체이닝과 프롬프트 템플릿
TL;DR LangChain: AI 호출을 체계적으로 관리하는 프레임워크 프롬프트 템플릿: 재사용 가능한 질문 형식 (자바의 MessageFormat과 비슷) 체이닝: 여러 AI 호출을 연결 (자바의 Stream API 파이프라인과 비슷) 핵심: 복붙 대신 재사용 가능한 구조를 만드는 게 LangChain의 목적 한계: LCEL 체이닝은 직관적이지만 복잡한 분기 로직에서는 LangGraph 사용 권장 이전 편…
자바 개발자의 AI 입문기 (1편) - Python 환경 세팅과 OpenAI 첫 호출
TL;DR 목표: 자바 개발자가 AI 개발 환경을 세팅하고 첫 API 호출까지 해보기 도구: Cursor IDE + Python + OpenAI API 소요 시간: 약 30분~1시간 비용: OpenAI API 크레딧 $5 정도면 연습하기 충분 핵심: 자바 알면 Python 문법은 금방 익힘, 바이브코딩으로 배우면 더 빠름 한계: OpenAI API는 유료 서비스 (실습 시 소액 비용 발생), 인터넷 연결 필수…