Author name: Alex Kim

프로덕션에서 2년간 쓰면서 실제로 차이를 만든 TypeScript 5.x 기능만 추렸다. using 선언으로 DB 커넥션 버그 제거, NoInfer로 타입 허점 차단, 5.5 타입 술어 자동 추론으로 보일러플레이트 200줄 삭제.

우리 팀은 작년 한 해 동안 같은 선택지를 세 번 다시 검토했다. 처음엔 AWS Lambda로 백엔드를 시작했다. 8개월 후엔 메인 API를 ECS Fargate로 옮겼다. 지금은 둘을 섞어 쓰는 하이브리드 구성으로 안착했다.

나는 올해 초 회사 인프라에서 Redis를 Valkey로 교체하는 작업을 했다. 5명짜리 팀, AWS 기반 스택, Redis 7.x를 캐싱과 세션 스토어로 쓰고 있었다. 처음엔 “오픈소스 포크니까 거의 똑같겠지”라고 생각했는데—나중에 알고 보니 그게 맞기도 하고 아니기도 했다.

LangChain 0.3, LlamaIndex 0.11, Haystack 2.9를 2주간 직접 테스트. 5만 개 문서 RAG 파이프라인에서 속도와 검색 품질을 직접 재봤고, 프로덕션에서 실제로 겪은 문제들을 정리했습니다.

2025년 1월, 나는 팀원 두 명과 함께 운영하던 서비스에서 Kubernetes를 완전히 걷어냈다. 당시 스택은 API 서버, Celery 워커, Redis, PostgreSQL, Nginx, 내부 어드민 툴까지 총 6개 컨테이너였다.

Express 4.x + ts-node 기반 Node.js 서버를 Deno 2.0으로 마이그레이션한 2주 실전 기록. npm 호환성 함정, 프로덕션에서 터진 퍼미션 이슈, Jest 200개 테스트 마이그레이션, 설정 파일 제거까지 — 실제로 달라진 것들만 적었다.

5인 팀에서 Turborepo와 Nx를 각각 1주씩 실제 Next.js 모노레포에 마이그레이션해봤다. CI 빌드 12분→3분대 단축 경험, Remote Cache 비교, Generator 시스템 차이, 실제 버그 삽질 후기, 팀 규모별 솔직한 도구 추천까지 정리했다.

6개월간 Node.js Express 서버를 Bun으로 마이그레이션한 실전 기록. 처리량 35% 향상, Lambda 콜드 스타트 절반. bcrypt·cluster에서 실제로 깨진 것들과 Node.js를 계속 써야 할 케이스까지.

지난 1월, Pinecone 청구서를 열었다가 잠깐 멈췄다. 월 $340. 우리 팀은 나 포함 3명이고, 사이드 프로젝트 겸 내부 도구 정도로 RAG를 쓰는데 — 프로덕션 트래픽도 많지 않다 — 이게 맞나 싶었다. 그 순간부터 pgvector를 진지하게 고민하기 시작했다.

WebAssembly를 2년간 실무에 적용하며 배운 것들 — 이미지 처리 4배 속도, SHA-256 최적화, WASI 플러그인 실험까지. 실제로 빠른 케이스와 기대에 못 미친 케이스, 팀에서 쓰는 실용적 기준을 솔직하게 정리했다.

새벽 2시에 페이저가 울렸다. Slack 알림이 아니라 진짜 PagerDuty 소리였다. 모니터를 켜보니 메인 대시보드 API의 p99 응답 시간이 평소 230ms에서 47초로 튀어 있었다.

작년 말, 우리 팀 — 정확히는 나 포함 세 명 — 이 API 레이턴시 문제를 본격적으로 파고들기 시작했다. 당시 주요 엔드포인트의 평균 응답 시간이 380ms 정도였는데, 서울 리전 Lambda 함수에서 나오는 숫자였다.

Jenkins에서 GitHub Actions로 마이그레이션하며 직접 겪은 함정들. pip 캐싱으로 빌드 8분→2분 단축, 테스트 매트릭스 함정, macOS runner 10배 과금, 프로덕션 배포 secrets 관리까지.

지난 2월, 우리 팀은 꽤 곤란한 상황에 놓였다. 4인 스타트업인데 인프라 담당자가 없었고, 컨테이너 오케스트레이션을 처음부터 새로 결정해야 했다.

금요일 오후 3시, 배포를 눌렀다. 주문 서비스 하나를 업데이트했을 뿐인데 재고 서비스가 응답을 멈췄고, 그게 결제 서비스로 번졌고, 결국 알림 서비스까지 타임아웃이 걸렸다. 7개 마이크로서비스 중 4개가 연쇄 장애. 사용자들한테는 그냥 흰 화면. 그 순간 깨달았다.

us-east-1 단일 배포로 서울 사용자 API 레이턴시 480ms를 겪었던 이야기. Cloudflare Workers로 인증 레이어를 옮기고 140ms까지 줄인 2개월 실험기. Workers vs Fly.io 직접 비교, crypto API 삽질, DB 복제본 설정까지.

사내 RAG 시스템이 GPT-4를 써도 엉터리 답변을 내놨던 이유는 검색 자체가 문제였다. 청킹 전략, pgvector vs Pinecone vs Weaviate 선택, hybrid search, reranking까지 실제 2주 삽질에서 배운 것들을 솔직하게 공유합니다.

Claude Code, GitHub Copilot, Cursor를 TypeScript 프로젝트에 2주간 직접 투입해 비교했다. 코드 품질, 컨텍스트 유지력, 비용 현실, 에이전트 과신했다가 파일 34개 수정된 실수까지 — 시니어 엔지니어의 솔직한 기록.

작년 11월, 우리 팀(나 포함 개발자 2명)이 문서 요약 파이프라인을 처음 프로덕션에 올렸을 때, 솔직히 자신 있었다. 로컬에서 테스트도 충분히 했고, 응답 품질도 괜찮았다. 그런데 이틀도 안 돼서 파이프라인이 조용히 망가지기 시작했다. 오류 메시지도 없이.

작년 이맘때쯤 우리 팀은 결제 서비스와 주문 서비스 사이에서 발생하는 데이터 불일치 문제로 꽤 고생했다. REST API로 두 서비스를 연결했는데, 네트워크 장애가 발생할 때마다 “결제는 됐는데 주문이 안 생성됐어요”라는 고객 문의가 쏟아졌다.

Python 프로젝트에 GitHub Actions CI/CD를 적용하며 겪은 실제 시행착오 공유. 캐싱 함정, 멀티 버전 테스트, 시크릿 관리, Codecov 연동까지 실무에서 바로 쓸 수 있는 설정 방법을 다룹니다.

작년 10월, 우리 팀에 새 개발자가 합류했을 때의 일이다. 첫 번째 PR을 merge하고 나서 staging 서버 에서 이상한 버그가 생겼다. 알고 보니 Python 버전 차이 때문이었다 — 그 개발자는 로컬에서 3.11을 쓰고 있었는데, 서버 는 3.9였다.

작년 연말, 우리 서비스가 새벽 2시에 다운됐다. 트래픽이 갑자기 터지면서 docker-compose 로 겨우 붙들고 있던 3개 서버 가 한꺼번에 나가떨어진 거다. 당시 우리는 이미 너무 오래 그 방식으로 버티고 있었다 — 솔직히 그 상황이 언젠가 올 거라고 다들 알고 있었다.

작년 11월에 사내 문서 검색 시스템을 만들었는데, 초반에 완전히 망했다. GPT-4를 쓰는데도 답변이 엉터리였다. 알고 보니 문제는 모델이 아니라 검색 자체였다 — 관련 없는 청크가 컨텍스트에 잔뜩 들어가고 있었다.

Claude Code, GitHub Copilot, Cursor를 실제 TypeScript 프로젝트에 2주간 직접 써봤습니다. 코드 품질, 멀티파일 컨텍스트, 비용, 파일 34개 날릴 뻔한 경험까지 — 실무 기준으로 솔직하게 정리합니다.

지난 1월, GitHub Copilot 청구서를 보고 잠깐 멍했다. 팀이 커지면서 시트 수가 늘었는데, 어느새 월 구독료가 무시하기 어려운 금액이 되어 있었다.

문서 요약 파이프라인을 프로덕션에 올린 후 1만 2천 회 실행을 모니터링하며 겪은 실수와 교훈. 구조화 로깅, 숨겨진 비용 함정, 재시도 설계, 프롬프트 버전 관리까지 — LLM 파이프라인 운영의 현실을 담았습니다.

AWS 단일 리전에서 서울 사용자 응답이 480ms까지 튀던 경험을 계기로 엣지 컴퓨팅을 직접 파고든 기록. Cloudflare Workers와 Fly.io를 실제 서비스에 적용한 결과, 금요일 오후 배포 삽질기, 그리고 엣지가 오히려 독이 되는 케이스까지 솔직하게 정리했다.

작년 10월, 팀에서 새 ML 추론 서비스를 짜야 하는 상황이 왔다. 4명짜리 팀, 타이트한 일정, 그리고 “어떤 프레임워크 쓸 거야?”라는 질문. 나는 Django로 3년, Flask로 1년을 써봤고 FastAPI는 사이드 프로젝트에서만 건드려봤던 상황이었다.

수동 kubectl apply 한 번에 프로덕션을 날릴 뻔한 뒤 ArgoCD 2.10을 직접 구축했습니다. 설치 함정, Sync Policy, App of Apps 패턴, 비공개 레포 연결까지 실제 운영 경험을 솔직하게 정리합니다.

작년 11월, 우리 팀에서 고객 지원 챗봇을 만들기로 했다. 제품 문서가 수백 페이지, 자주 바뀌는 정책 문서가 따로 있고, 거기에 우리만의 독특한 답변 톤 — 너무 딱딱하지 않으면서도 전문적인 — 을 유지해야 했다.

{ “@context”: “https://schema.org”, “@type”: “BlogPosting”, “headline”: “GitHub vs Cursor vs Codeium:”>Copilot vs Cursor vs Codeium: 2주간 직접 써본 솔직한 비교 (2026

6개월 전, 팀에서 고객 지원 봇을 프로덕션에 올렸다. 그 봇은 자신 있게 사용자들에게 “반품 기간은 60일입니다”라고 답했다. 실제로는 30일이었다. 2023년 제품 문서로 파인튜닝한 모델이었고, 정책이 바뀐 걸 아무도 — 나 포함해서 — 확인하지 않았다.

{ “@context”: “https://schema.org”, “@type”: “BlogPosting”, “headline”: “GitHub vs Cursor vs Codeium:”>Copilot vs Cursor vs Codeium: 2026년 최고의 AI 코딩 어시스턴트는

{ “@context”: “https://schema.org”, “@type”: “BlogPosting”, “headline”: “프로덕션 AI 파이프라인 구축: 1만 회 이상 실행에서 배운 것들”, “description”: “작년 11월, 새벽 2시에 슬랙 알림이 쏟아졌다.

작년 말 팀에서 “AI 어시스턴트 하나로 통일하자”는 이야기가 나왔다. 그때까지 나는 Claude, GPT-4o, Gemini를 그때그때 기분에 따라 바꿔가며 쓰고 있었는데 — 솔직히 그게 효율적이지 않다는 건 나도 알았다. 맥락이 분산되고, API 비용도 중복으로 나갔다.

{ “@context”: “https://schema.org”, “@type”: “BlogPosting”, “headline”: “AutoGen vs LangGraph vs CrewAI : 2주 동안 직접 써본 AI 에이전트 프레임워크 비교”, “description”: “작년

지난해 11월, 나는 꽤 짜증스러운 상황에 처해 있었다. 고객 지원 티켓을 버그 리포트, 기능 요청, 일반 문의로 자동 분류하는 시스템을 만들고 있었는데 — GPT-4o 기반으로 짠 첫 번째 버전이 정확도 65% 수준에서 꼼짝을 안 했다.