넥스트리

확신을 설계하고, 가치를 실현하는 넥스트리

company Pinned Post

확신을 설계하고, 가치를 실현하는 넥스트리

다양한 도메인에서 쌓아온 실전 경험을 바탕으로, 고도의 안정성과 무한한 확장성을 동시에 갖춘 시스템 엔지니어링을 제공합니다.

멀티 ChatModel 운영 전략

들어가며 AI 기능을 서비스에 붙이다 보면 금방 이런 상황을 마주하게 된다. 사용자 수정. 네 수정했습니다. 관리자 수정 관리자 글자 확인 기능에 따라 서로 다른 ChatModel을 사용하고 싶은데, 어떻게 관리해야 할까? 관광지 추천 AI 서비스를 개발하면서 실제로 이 문제를 겪었다. 처음에는 텍스트 기반 대화 모델만으로 충분하다고 생각했다. 하지만 관광지 이미지가 입력되면,

LangChaing4J 멀티 ChatModel 운영 전략

들어가며 AI 기능을 서비스에 붙이다 보면 금방 이런 상황을 마주하게 된다. 수정했습니다. 기능에 따라 서로 다른 ChatModel을 사용하고 싶은데, 어떻게 관리해야 할까? 관광지 추천 AI 서비스를 개발하면서 실제로 이 문제를 겪었다. 처음에는 텍스트 기반 대화 모델만으로 충분하다고 생각했다. 하지만 관광지 이미지가 입력되면, 해당 이미지를 분석해 이미지의 특징과 설명을 추출해야 했다.

대규모 임상 데이터 처리와 레거시 연동 테스트3

대규모 임상 데이터 처리와 레거시 연동 테스트3

대규모 임상 데이터 처리와 레거시 연동을 위한 MSA 백엔드 최적화 경험 (AMC PROMs 구축기) 1. 도입 및 기술적 도전 과제 현대 의료의 핵심 패러다임인 '환자 중심 의료(Patient-Centered Care)'를 뒷받침하는 핵심 데이터가 바로 PROMs(환자자기평가결과)입니다. 저는 서울아산병원(AMC) PROMs 플랫폼의 백엔드 개발을 담당하며, 방대한 임상 데이터를

대규모 임상 데이터 처리와 레거시 연동 테스트3

대규모 임상 데이터 처리와 레거시 연동 테스트3

대규모 임상 데이터 처리와 레거시 연동을 위한 MSA 백엔드 최적화 경험 (AMC PROMs 구축기) 1. 도입 및 기술적 도전 과제 현대 의료의 핵심 패러다임인 '환자 중심 의료(Patient-Centered Care)'를 뒷받침하는 핵심 데이터가 바로 PROMs(환자자기평가결과)입니다. 저는 서울아산병원(AMC) PROMs 플랫폼의 백엔드 개발을 담당하며, 방대한 임상 데이터를

대규모 임상 데이터 처리와 레거시 연동 테스트3

대규모 임상 데이터 처리와 레거시 연동 테스트3

대규모 임상 데이터 처리와 레거시 연동을 위한 MSA 백엔드 최적화 경험 (AMC PROMs 구축기) 1. 도입 및 기술적 도전 과제 현대 의료의 핵심 패러다임인 '환자 중심 의료(Patient-Centered Care)'를 뒷받침하는 핵심 데이터가 바로 PROMs(환자자기평가결과)입니다. 저는 서울아산병원(AMC) PROMs 플랫폼의 백엔드 개발을 담당하며, 방대한 임상 데이터를

대규모 임상 데이터 처리와 레거시 연동을 위한 MSA 백엔드 최적화 경험

테스트입니다. 1. 도입 및 기술적 도전 과제 현대 의료의 핵심 패러다임인 '환자 중심 의료(Patient-Centered Care)'를 뒷받침하는 핵심 데이터가 바로 PROMs(환자자기평가결과)입니다. 저는 서울아산병원(AMC) PROMs 플랫폼의 백엔드 개발을 담당하며, 방대한 임상 데이터를 안정적으로 수집·분석하고 거대한 병원 코어 시스템(AMIS)과 연동하는 미션을 수행했습니다. 이

대규모 임상 데이터 처리와 레거시 연동을 위한 MSA 백엔드 최적화 경험

대규모 임상 데이터 처리와 레거시 연동을 위한 MSA 백엔드 최적화 경험

1. 도입 및 기술적 도전 과제 현대 의료의 핵심 패러다임인 '환자 중심 의료(Patient-Centered Care)'를 뒷받침하는 핵심 데이터가 바로 PROMs(환자자기평가결과)입니다. 저는 서울아산병원(AMC) PROMs 플랫폼의 백엔드 개발을 담당하며, 방대한 임상 데이터를 안정적으로 수집·분석하고 거대한 병원 코어 시스템(AMIS)과 연동하는 미션을 수행했습니다. 이 과정에서

MCP 적용 실습(2)

이번 강의는 ‘MCP 적용 실습’ 1편에 이어, 클로드 코드(Claude Code)를 활용해 Spring Boot 게시판의 CRUD 기능을 구현하는 과정을 담고 있습니다. 단순히 코드를 생성하는 것을 넘어, AI가 프로젝트의 전체 구조를 어떻게 이해하고 계층별(Repository, Service, Controller) 코드를 작성해 나가는지 실습합니다.

MCP 적용 실습(1)

이론으로 배운 MCP(Model Context Protocol), 이제 내 프로젝트에 직접 적용해 볼 차례입니다. 이번 강의에서는 Spring Boot 기반의 게시판(Board) 애플리케이션을 초기화하고, 클로드 코드(Claude Code)를 이용해 프로젝트의 뼈대와 데이터베이스(H2) 설정을 구성하는 실습을 진행합니다. 특히, 클로드 코드의 ‘플랜 모드(Plan Mode)’를 적극 활용하여, AI가 코드를 바로 작성하지

MCP의 이해

클로드 코드(Claude Code)가 단순한 챗봇을 넘어 실무 에이전트로 동작하려면 로컬 파일, DB, 외부 API와의 연결이 필수적입니다. 이번 강의에서는 앤스로픽이 제안한 오픈 표준인 MCP(Model Context Protocol)의 개념과 작동 원리를 살펴봅니다.

AI Agent 시대:개발자의 생존 전략

AI Agent 시대:개발자의 생존 전략

서론: 거대한 기술적 변곡점과 엔지니어의 실존적 고민 2026년 현재, 소프트웨어 엔지니어링 업계는 일찍이 경험하지 못한 거대한 폭풍 속에 있습니다. 단순히 새로운 프레임워크나 언어가 등장한 수준이 아닙니다. 소프트웨어를 정의하고, 설계하고, 구현하는 패러다임 자체가 근본적으로 흔들리고 있습니다. 20년 넘게 아키텍처를 고민하고 수만 줄의 코드를 써 내려온 시니어 엔지니어들에게도, 지금의 AI 에이전트(AI

LLM 자동번역 이벤트 기반 아키텍처

LLM 자동번역 이벤트 기반 아키텍처

LLM 자동번역을 비동기 이벤트 흐름으로 다루기 1. 들어가며 최근 다국어 문자열 자동번역 기능을 설계하면서, 단순히 LLM을 호출해 번역 결과를 얻는 것보다 더 중요한 문제가 있다는 것을 느꼈습니다. 그것은 LLM 호출을 기존 서비스 요청 흐름 안에서 어떻게 다룰 것인가였습니다. LLM 기반 처리는 일반적인 내부 로직과 다르게 응답 시간이 일정하지 않고, 외부

Orval 기반 API 코드 자동화 도입

Orval 기반 API 코드 자동화 도입

1. 도입 배경 프론트엔드 개발에서 API 연동과 타입 작성은 빈번하고 반복적인 작업입니다. 새로운 API가 추가되거나 요청 파라미터, 응답 구조가 변경될 때마다 타입 정의를 수정하고, API 호출 함수를 작성하고, TanStack Query 훅까지 구성해야 합니다. API 수가 적을 때는 직접 작성해도 큰 문제가 없지만, 프로젝트 규모가 커질수록 수정해야 하는 파일이 많아지고, 이

JavaParser를 활용한 Entity 자동 생성 도구

JavaParser를 활용한 Entity 자동 생성 도구

1. 문제 인식 현대화 프로젝트를 진행하던 중, 기존 시스템에서는 MyBatis를 사용하고 있었기 때문에 별도의 Entity 명세가 존재하지 않는 상황이었습니다. 신규 프로젝트에서는 JPA 기반으로 전환하면서 Data Warehouse 테이블 정의서를 참고하여 Entity 모델을 직접 생성해야 했는데, 테이블 수가 수천 개에 달했습니다. 이 과정에서 두 가지 핵심 문제가 발생했습니다. 첫째, Oracle 데이터 타입을

모노레포 의존성 관리

- Paths, References, Workspace의 명확한 역할 분담 - 1. 배경 현대적인 프론트엔드 아키텍처에서 모노레포(Monorepo)와 MicroFrontend(MFE)의 도입은 이제 규모 있는 프로젝트의 필수적인 선택지가 되었습니다. 특히 pnpm 환경을 채택한 우리 프로젝트는 여러 패키지가 하나의 저장소 내에 공존하며, 패키지 간의 유기적인 코드 참조가 빈번하게 발생합니다. 하지만 모노레포 설정 과정에서

FHIR R4 기반 의료 데이터 표준화·검증 플랫폼

FHIR R4 기반 의료 데이터 표준화·검증 플랫폼

1. 개요 (Executive Summary) 본 프로젝트는 병원 내 파편화되어 존재하는 다양한 레거시 데이터를 국제 의료 정보 표준인 HL7 FHIR R4(8.6.5) 체계로 통합하고, 데이터의 정밀한 임상적 유효성을 실시간으로 검증하는 고성능 표준화 플랫폼 구축을 목표로 수행되었습니다. 단순한 데이터 변환(Mapping)을 넘어, 내부망에 독립적으로 구축된 Snowstorm(SNOMED CT 전용

MFE 운영 효율화를 위한 아키텍처 고찰

MFE 운영 효율화를 위한 아키텍처 고찰

1. 서론: Micro Frontends 환경에서 마주한 구조적 결합도 문제 1.1 MFE 도입의 역설: 분산된 모놀리스(Distributed Monolith) 현대적인 웹 애플리케이션 규모가 커짐에 따라 Micro Frontends(MFE)는 팀 단위의 독립적 배포와 기술 스택의 자율성을 보장하는 핵심 전략이 되었습니다. 하지만 실제 프로젝트 운영 단계에서 직면한 가장 큰 과제는 아키텍처의 파편화와

좋은 프롬프트는 왜 여전히 중요한가

좋은 프롬프트는 왜 여전히 중요한가

요즘은 새로운 모델, 새로운 workflow, 새로운 AI skill이 너무 빠르게 등장합니다. 조금만 시선을 돌려도 또 다른 개념이나 도구가 화제가 됩니다. 이런 흐름 속에서는 프롬프트 엔지니어링(Prompt Engineering)이 다소 지난 주제처럼 보일 수도 있습니다. 하지만 실제로 LLM을 업무에 활용해보면 이야기가 조금 다릅니다. 결과물의 품질을 가장 크게 좌우하는 요소 중 하나는

Context Window 실습

Context Window 실습

AI와의 대화가 길어질수록 클로드 코드의 컨텍스트 윈도우(Context Window)는 점점 채워지고, 그만큼 토큰 비용도 함께 증가합니다. 그렇다면 세션을 종료하지 않고도 AI의 메모리를 효율적으로 관리하려면 어떻게 해야 할까요? 이번 실습 강의에서는 React 환경의 쇼핑몰 프로젝트를 바탕으로, 클로드 코드의 컨텍스트 윈도우 상태를 확인하고 최적화하는 방법을 다룹니다. 특히 컨텍스트 관리에 자주 활용되는

Token & Context Window

Token & Context Window

클로드 코드(Claude Code)를 제대로, 그리고 효율적으로 사용하기 위해서는 AI가 데이터를 인식하고 기억하는 방식을 이해해야 합니다. 이번 영상에서는 AI와 사용자가 소통하는 기본 단위인 토큰(Token)의 개념과, AI의 작업 메모리 역할을 하는 컨텍스트 윈도우(Context Window)가 무엇인지 상세히 알아봅니다. 또한 AI가 문맥을 잃지 않고 대화를 이어나가기 위해 내부적으로

레거시 데이터 검증·동기화 설계

레거시 데이터 검증·동기화 설계

1. 개요 프로젝트 관리 플랫폼은 한 기업의 프로젝트별 activity 데이터를 여러 레거시 시스템에서 수집하여 사업 인력이 일정과 작업을 한 곳에서 관리할 수 있도록 하는 시스템입니다. 레거시 데이터는 외부 ETL을 통해 6개 시스템, 23개 테이블로부터 수집됩니다. 이때 핵심적인 제약이 있었는데, 프로젝트 관리 플랫폼에서 사용하는 하위 데이터가 상위 데이터의 key를 참조하는 구조이기

실시간성 확보: SSE 도입부터 Polling으로의 회귀까지

실시간성 확보: SSE 도입부터 Polling으로의 회귀까지

1. 서론 Qra([Qurator]는 Vizend 플랫폼 서비스 중에 하나로 구독한 앱을 자동으로 배포하고 관리합니다)라는 GitOps 기반 배포 오케스트레이션 서비스 개발에 참여하며 직면한 가장 큰 사용자 피드백은 "내 배포가 지금 어디쯤 진행중인지 모르겠다"는 것이었습니다. Qra의 배포 파이프라인은 요청 검증 → 배포 준비 → GitOps Push → ArgoCD Sync → Pod

피그마 Variables로 끝내는 디자인 시스템 효율화

피그마 Variables로 끝내는 디자인 시스템 효율화

기술 선택 배경 디자인 시스템은 단순히 화면을 빠르게 제작하기 위한 도구가 아니라, 장기간 운영과 반복적인 수정이 전제되는 기반 구조라는 점을 비젠드 작업을 하면서 깨닫게 되었습니다다. 서비스가 추가되거나 디자인을 개선할 때 정리된 규칙이 얼마나 중요하고, 초기 구축 단계에서의 편의성보다, 이후 유지보수 과정에서 누구나 이해하고 수정할 수 있는 구조를 가져야 한다는 점을

레거시 데이터의 탈바꿈

- 바닐라 JS 기반 설문 폼을 현대적 구조로 전환하는 에디터 개발- 이번 포스팅에서는 최근 프로젝트에서 진행했던 설문 서식 에디터 개발 경험과 그 핵심 아키텍처를 공유하고자 합니다. 1. 배경 및 문제 상황 기존 시스템에 존재하던 설문 폼은 바닐라 자바스크립트(Vanilla JS)를 사용하여 화면을 직접 HTML로 그리고, 각 객체에 부여된 고유한

Site footer