| 역할 | Backend Developer (AI Service & Core Logic) |
|---|---|
| 담당 파트 | FastAPI와 Gemini API를 활용한 AI 그림일기 생성, 프롬프트 엔지니어링, Spring Boot 기반 게시글·댓글·여행 기록 CRUD API 설계 및 구현 |
| Backend | Java, Spring Boot, MyBatis |
| Frontend | React |
| AI |
| Python, FastAPI, Google Gemini API |
| Database & Messaging | MySQL |
| 구분 | 상세 내용 |
|---|---|
| 🛑 문제 : | Java ↔︎ Python 서버 간 데이터 통신 지연 및 포맷 불일치 |
| Spring Boot 메인 서버에서 FastAPI AI 서버로 대용량 이미지 데이터나 프롬프트를 전송할 때 지연 시간과 데이터 포맷 불일치 문제가 발생 | |
| 🔍 원인 : | 이종 서버 간 통신 규격 미정의 |
| Spring Boot와 FastAPI 간 주고받는 데이터 구조가 명확하지 않아 통신 안정성과 효율이 떨어졌음 | |
| 🛠️ 해결 : | 비동기 HTTP 통신 및 JSON 데이터 규격 정의 |
| RestTemplate/WebClient 기반 통신을 비동기로 처리하고 JSON 데이터 규격을 명확히 정의하여 통신 효율을 최적화 | |
| ✨ 결과 : | 안정적인 AI 이미지 생성 및 응답 속도 개선 |
| 메인 서버와 AI 서버 간 연동 안정성을 높이고 이미지 생성 응답 흐름을 개선 |
| 구분 | 상세 내용 |
|---|---|
| 🛑 문제 : | Stable Diffusion 기반 자체 모델 도입 시 개발 환경 격차와 품질 문제 발생 |
| 고사양 GPU가 요구되어 팀원 간 개발 환경 격차가 발생했고, LoRA 파인튜닝 결과물이 기획 의도에 미치지 못했음 | |
| 🔍 원인 : | 온프레미스 AI 모델 운영의 하드웨어 의존성과 튜닝 비용 |
| 제한된 시간과 장비 안에서 자체 모델을 구축하고 원하는 품질까지 끌어올리기 어려웠음 | |
| 🛠️ 해결 : | Gemini API 전환 및 프롬프트 엔지니어링 적용 |
| 하드웨어 의존성이 낮은 클라우드 기반 Gemini API로 전환하고, 모델 튜닝 대신 프롬프트를 정교화하여 스타일 변환을 최적화 | |
| ✨ 결과 : | 서버 구축 비용 절감 및 UX 개선 |
| 개발 환경 제약을 해소하고 예상보다 빠른 응답 속도를 확보했으며, 확보된 리소스로 느린 우체통 등 추가 기능 구현까지 진행 |
| 구분 | 내용 |
|---|---|
| 기술적 의사결정 능력 | 프로젝트의 하드웨어와 시간 제약을 고려하여 자체 모델에서 SaaS API로 전환하는 유연한 의사결정의 중요성을 배움. |
| Prompt Engineering | LLM과 생성형 AI API를 활용해 원하는 결과물을 얻기 위한 프롬프트 최적화 역량을 확보함. |
| 구분 | 내용 |
|---|---|
| AI 그림일기 자동화 | 텍스트 후기를 1분 내 고품질 그림일기로 변환하는 자동화 파이프라인 구축 |
| 재방문 요소 마련 | 느린 우체통 기능(일정 기간 뒤 그림일기를 전송하는 기능)을 통해 사용자 재방문을 유도할 수 있는 요소 마련 |