
MongoDB 커넥션 풀 모니터링과 알림 시스템 구축기
MongoDB 커넥션 풀 사용률이 80%를 넘을 때 실시간 알림이 가도록 모니터링 시스템을 구축했습니다. 이를 통해 이벤트성 트래픽 급증을 사전에 감지하고 풀 설정도 조정했습니다.

MongoDB 커넥션 풀 사용률이 80%를 넘을 때 실시간 알림이 가도록 모니터링 시스템을 구축했습니다. 이를 통해 이벤트성 트래픽 급증을 사전에 감지하고 풀 설정도 조정했습니다.
여행 상품 운영의 수작업 과정을 AI로 자동화한 구축 사례를 소개했습니다. 데이터 통합, 카테고리 매칭, 번역, 적재 최적화와 프롬프트 개선 과정을 다뤘습니다.

LLM이 기술 비교에서 비즈니스 가치를 과도하게 중시하는 편향을 다룹니다. QLoRA 기반 파인튜닝으로 이러한 편향을 개선하는 실험을 소개합니다.


QA팀이 인시던트 교육을 영상으로 전환하기 위해 AI 툴 조합과 제작 파이프라인을 구축했습니다. 문서보다 전달력과 학습 효과를 높이고 사내 배포까지 연결했습니다.

iframe 통합 환경에서 postMessage로 토큰을 안전하게 주고받는 인증 시스템을 구축했습니다.\n동시 요청과 401 에러를 Promise 공유, 큐, 쿨다운으로 제어하고 보안도 강화했습니다.
MongoDB 덤프의 DB 부하와 SLO 문제를 해결하기 위해 CDC를 도입했습니다. Flink CDC와 Spark, 이중 테이블 구조로 적재와 스키마 변경, 정합성 검증을 묶었습니다.

QA팀 UI 자동화 플랫폼이 Selenium의 한계를 넘어 Playwright 기반으로 진화한 과정을 소개했습니다. Jenkins, 재시도, 셀프 힐링으로 장애를 조기 감지하는 구조를 설명했습니다.
쿠팡 파트너스
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.

버그 제보부터 담당자 멘션, 트리아지 티켓 생성, PR 안내까지 이어지는 자동화 워크플로우를 소개했습니다. Notion과 LLM, Linear, Cursor를 연결해 반복 작업을 줄이고 컨텍스트 중심으로 처리했습니다.

버그 triage부터 티켓 생성, 코드 분석, PR 작성까지를 자동화한 워크플로우를 소개했습니다. Notion과 LLM, Cursor를 연결해 반복 업무를 줄이고 개발 집중 시간을 확보했습니다.
AI 챔피언 프로그램 1기 운영을 회고하며 비개발자의 직접 구현 가능성을 확인했습니다. 2기에서는 임팩트와 지속성, 스프린트 기반 운영을 중심으로 구조를 다듬었습니다.


생성형 AI로 테스트 케이스 작성과 요구사항 분석을 자동화해 QA 반복 업무를 줄이는 방법을 소개했습니다. 또한 프롬프트 설계와 Custom GPTs 활용으로 일관된 테스트 생성 체계를 만드는 방안을 제시했습니다.

코드 지식이 없는 디자이너가 AI 도구로 키비주얼과 테스트 사이트를 만든 과정을 소개했습니다. 구현 속도는 크게 높아졌지만, 콘셉트와 표현의 정리는 사람의 역할이 중요하다고 정리했습니다.