영리의 테크블로그

이번 해커톤에서 백엔드/AI 파트를 맡아 쉬운말 번역기 라는 서비스의 흐름을 설계해보았다.이 글은 langgraph 로 '문서 분기 - ocr - 쉬운말 변환 - tts' 를 어떻게 한 파이프라인으로 묶었는지 정리한 글이다. 백엔드 파이프라인 auth/ratelimit : fastapi 로 구현 / 파일 업로드, jwt 인증, websocket 브릿지worker : 분기, 재시도, 스트림 처리s3 : 이미지,음성 저장db : 작업 메타데이터, 사용자 로그 저장그래프 구조 짜기세부 노드 설명load doc : S3 등 이미지 서버에서 발급ocr snippit : OCRclassfiy doc : OCR 내용 공적/사적 판별private : 로그인 리턴public : 다음 노드로 이동easy translate..

간단한 mvp 프로젝트의 서버를 선택하기 위해 백엔드 프레임워크들을 정리해 보았다. 1. FastAPI파이썬 문법제일 많이 쓰는 언어라 문법이 익숙함주요 특징비동기 I/O: async/await 문법 지원!자동 API 문서: 스웨거 문서 지원해 주어 개발 아주 편함!!장점생산성: 타입 기반 오류 검출, 자동 문서화로 CRUD API 빠르게 작성 가능성능: Uvicorn + Starlette 조합으로 동기 파이썬 프레임워크 대비 높은 처리량단점생태계 규모: Django·Flask만큼 방대한 커뮤니티·플러그인은 아직 부족 / 정식 개발로 넘어갈때 문제가 될 가능성 높음..배포 복잡도: Uvicorn, Gunicorn 등 서버 설정이 필요 / AI 모델 적용시 잘 터짐.. + 아주아주 높은 서버 비용2. Ne..

서론학교 과제인 Super Mario Kart 에이전트를 학습하기 위해 구현한 순환 신경망(RNN) 기반 모델을 구현했다. https://github.com/YoonJae00/gym-SuperMarioKart-Snes GitHub - YoonJae00/gym-SuperMarioKart-Snes: Super Mario Kart Snes integration with OpenAI Retro GymSuper Mario Kart Snes integration with OpenAI Retro Gym - GitHub - YoonJae00/gym-SuperMarioKart-Snes: Super Mario Kart Snes integration with OpenAI Retro Gymgithub.com 4번 학습데..

최근 langgraph를 사용할 때는 단순히 def 함수로 로직을 구현했던 경험이 있었다.그런데 이번에 투자 AI 모임 코드를 보면서 각 모듈이 클래스를 기반으로 설계되어 있다는 점이 눈에 띄었다.기존 함수 기반 구현 vs 클래스 기반 구현함수 기반 코드는 짧고 간단한 작업을 수행할 때 빠르게 작성할 수 있지만 다음과 같은 한계가 있다.상태 관리의 어려움: 여러 함수에 걸쳐 데이터를 주고받으며 상태를 관리해야 하는 경우 복잡성이 증가함.코드 중복: 반복되는 로직을 분리하여 관리하기 어렵고, 동일한 코드가 여러 곳에 등장할 수 있음.유지보수 난이도: 프로젝트 규모가 커질수록 어떤 함수가 어느 역할을 수행하는지 파악하기 어려워짐.반면 클래스 기반 구현은 관련 변수와 함수를 하나의 객체로 묶어 캡슐화함으로써 ..