About Me

AI Software Engineer, 정예울입니다.

AI 기술을 활용하여 혁신적인 솔루션을 개발하고, 다양한 경험을 통해 지속적으로 성장하고 있습니다!

새로운 도전을 통해 배운 지식을 실생활의 아이디어와 결합하여 창의적인 가치를 창출합니다.😀

E-mail	papooo.dev@gmail.com
Github	github.com/papooo-dev
Blog	`now`: https://papooo-dev.github.io/ `previous`: https://creamilk88.tistory.com/

🛠 Skills

AI: Langchain, Prompt Engineering
Languages: Java, Python, JavaScript
Frameworks: Spring Boot, React, FastAPI, Flask, Node.js
Tools & Platforms: Git, GitLab, Docker, AWS
Databases: PostgreSQL, Oracle, MySQL
Others: CICD, LLM, Memory, RAG

💼 Work Activities

Bankware Global

`2023.07 ~ 현재` SW 연구소 (주임)

Core Responsibilities & Achievements

AI 기반 어플리케이션 개발
- AI를 통해 BDD 개발 방식에 자동화를 도입하는 툴과 대량의 테스트 데이터를 생성하는 프로그램을 개발하였습니다.
Java(POJO) API 명세서 자동화 프로세스 구축
- Javadoc을 통한 Docusaurus API 명세서 자동화 프로세스를 구축하여, 문서의 지속 가능성과 최신화를 가능하도록 하였습니다.
LangChain 사내 강의 진행
- 10회 차로 구성된 강의를 통해 기본 이론부터 실습까지 진행하며, 사내 AI 제품 개발에 기여하였습니다.
CS Portal 프로젝트 전반 주도
- SpringBoot3, WebFlux 기반의 고객사 이슈 트래킹 웹 애플리케이션의 개발 전과정을 진행하였습니다.

Impactful Experiences & Insights

LLM을 활용한 테스트 데이터 생성 최적화 경험
- 초기 문제점: 필드별 LLM 호출로 인해 비용 과다와 속도 저하 발생.
- 해결 방안: LLM으로 데이터 구조 분석 후 데이터 생성이 가능한 Python 코드를 생성, 초기 1회 LLM 호출 뒤 이후 LLM 호출 없이 데이터를 무한 확장 가능하도록 설계. faker 모듈을 활용해 실제와 유사한 고품질 데이터 생성.
- 성과: 1,000,000건의 mock 데이터를 72.38초 만에 생성, 데이터 생성 비용과 속도를 획기적으로 최적화.

`2021.03 ~ 2022.05` Software Engineer

[Core Responsibilities & Achievements]

LINE Bank Japan 코어뱅킹 시스템 개발
- 고객업무를 담당하여 비대면 고객가입 및 고객 관리 시스템을 개발하였습니다.
테스트 자동화 프로그램 운영
- 고객업무와 타 팀 업무를 연계하여, 테스트 자동화 프로그램을 설계 및 운영하여 시스템 안정성을 확보하였습니다.

🚀 Projects

`API Documentation Automation`: 지속 가능한 API 문서 자동화 프로세스 구축

2025/01 (1M)

개요: Java 기반 프로젝트에서 코드 내 Javadoc을 사용하여 Docusaurus 기반 Markdown 문서를 자동 생성하고, CI/CD 파이프라인을 통해 문서를 자동 배포하는 프로세스 구축
기술 스택: Java, Javadoc, Docusaurus, JavaParser, CI/CD
성과: API 문서 자동화 프로세스 구축으로 문서 최신화 자동화 및 신뢰도 향상
Interested in more details?
- 기간: 2025/01 (1M)
- 프로그램 개요: Javadoc 주석을 분석하여 API 명세서를 Markdown 형식으로 자동 변환하고, 이를 Docusaurus를 통해 웹사이트로 배포하는 자동화 프로세스 개발
- 주요 기능:
  - JavaParser 라이브러리를 사용해 Javadoc 주석을 분석하여 원하는 문서 포맷의 Markdown로 변환하는 프로그램 개발
  - CI/CD 파이프라인을 통해 Javadoc 변경 시 문서 자동 생성 및 웹사이트 환경으로 자동 배포환경 구축
- 기술 스택:
  - Backend: Java
  - Documentation: Docusaurus
  - Automation: CI/CD
- 주요 성과:
  - Javadoc 작성만으로 API 명세서를 자동화하여 최신 상태 유지 및 문서 관리 효율성 증대
  - Docusaurus Markdown 문서 생성 프로그램 개발로 반복 작업 최소화
  - CI/CD 파이프라인 구축으로 문서 최신화 및 배포 자동화
  - 코드와 문서의 불일치를 최소화하여 신뢰도 높은 문서 제공

`OiBDD`: AI 기반 BDD 자동화 솔루션

2024/08 ~ 2024/12 (4M)

개요: BDD의 디스커버리 워크숍 과정을 AI로 자동화하여 지원하는 프로그램
기술 스택: LangChain, RAG, Python, Flask, React, CICD, Docker, AWS E2C
성과: API 서버 분리로 UI 확장성 증대 및 코어 기능 보호, Memory와 RAG 적용으로 안정적 응답퀄리티 유지
Interested in more details?
- 기간: 2024/08 - 2024/12 (4M)
- 프로그램 개요: BDD의 디스커버리 워크숍 과정을 AI로 자동화하여 지원하는 프로그램
- 주요 기능:
  - AI를 활용하여 SRS(사용자 요구사항 정의서)를 분석하고, 이를 기반으로 모든 경우의 테스트 케이스를 자동 생성합니다.
  - 생성된 테스트 케이스는 AI를 활용하여 cucumber 테스트 프로그램 코드(Feature, Step Definition)로 생성하여, 실제 테스트를 위해 바로 사용할 수 있습니다.
- 기술 스택:
  - Backend: Python, Flask, FastAPI, PostgreSQL
  - Frontend: React
  - AI: LangChain
  - Infra: Docker, AWS E2C, CICD
- 주요 성과:
  - API 코어 서버와 클라이언트 서버를 분리: 다양한 클라이언트(웹, 플러그인) 지원 가능한 확장성 증대, 코어 기능(프롬프트, 토큰)을 보호
  - AI 응답의 품질을 높이기 위해 Memory와 RAG 기술을 적용하여 보다 정확하고 일관된 결과를 제공
  - 버전 및 용도에 따른 프롬프트 관리 설계를 통해 UI에서의 유연한 프롬프트 수정 및 적용이 가능하도록 구현
  - FastAPI의 Background Task 기능을 활용하여 LLM의 응답 대기 중에도 실시간으로 진행 상태를 조회
  - 파일 변경 시 자동으로 임베딩 시스템을 업데이트하여 최신 상태를 유지
  - Docker 기반의 Gitlab CICD 배포 시스템을 구축하여 AWS E2C 인스턴스에 서버를 안정적으로 구성

`Test Data Generator`: AI 기반 테스트 데이터 생성

2024/07 ~ 2024/08 (1.5M)

개요: 자동 인식한 데이터 구조에 맞춰 자연어 기반의 데이터 생성 규칙을 통한 고품질/고성능 데이터 생성 솔루션.
기술 스택: LangChain, Prompt Engineering, Flask.
성과: 데이터 생성 속도 최적화, LLM 사용 비용 절감, 자동 생성 테스트 데이터의 퀄리티 향상.
Interested in more details?
- 기간: 2024/07 - 2024/08 (1.5M)
- 프로그램 개요: AI를 활용하여 다양한 형식의 테스트 데이터를 자동으로 생성하는 솔루션입니다. 데이터 구조와 관계를 인식하여 사용자가 정의한 자연어 규칙에 따라 mock 데이터를 생성하며, 다양한 출력 형식으로 제공하여 테스트 데이터 생성의 효율성을 극대화합니다.
- 주요 기능:
  - 데이터 구조 인식: SQL DDL 및 XML 파일을 통해 데이터 구조와 타입, 관계 정보를 자동으로 인식합니다.
  - 자연어 기반 데이터 생성 규칙: 사용자가 자연어로 작성한 규칙을 통해 mock 데이터를 생성하며, 다양한 출력 형식(csv, json, sql, DB에 직접 insert)으로 데이터를 제공합니다.
- 기술 스택:
  - Backend: LangChain, Python, Flask
  - Frontend: jquery
  - AI: Prompt Engineering
- 주요 성과:
  - 빠르고 저렴한 테스트 데이터 생성: 데이터 생성 규칙을 기반으로 무한의 데이터를 생성할 수 있는 Python 코드를 AI를 통해 자동 생성하여, AI 호출 비용을 최소화하고 빠른 속도로 대량의 데이터를 생성합니다.
  - 코드 생성 템플릿 최적화: LLM을 활용한 Python 코드 생성 시, 사전에 준비된 모듈과 테스트 데이터 규칙을 적용하여 코드 템플릿을 최적화함으로써 LLM의 할루시네이션으로 인한 오류 발생을 최소화하고 코드의 안정성을 강화하였습니다.
  - 고성능 데이터 처리: 테이블 1건(컬럼 수:22개)에 대해 1,000,000건의 mock data를 72.38초만에 생성할 수 있는 성능을 제공합니다.

사내 LangChain 강의 진행

2024/06 ~ 2024/07

강의 내용: 10회 차의 LangChain 기초 및 응용 스터디 자료를 준비하고 강의를 진행하여, 사내 AI 활용 역량을 강화
주요 성과
- 직원들이 AI를 회사 사업에 창의적으로 적용할 수 있는 아이디어를 발굴
- 강의 내용을 바탕으로 실제 개발 프로젝트(상품 팩토리 AI, OiBDD)로 이어짐

`CS Portal`: 유지보수 고객사 이슈 트래킹

2024/01 ~ 2024/04 (4M)

개요 : CS Portal은 MA(유지보수 계약) 고객사를 위한 이슈 트래킹 웹 애플리케이션으로, 기존 Gitlab Service Desk의 한계점을 개선하여 제공합니다.
기술 스택: Spring Boot3, Spring WebFlux, GitLab Service Desk API.
성과: 이슈 중앙화를 통해 커뮤니케이션 비용 절감(프로젝트 이슈 내용 공유, 이슈의 히스토리 관리 용이)
Interested in more details?
- 기간: 2024/01 - 2024/04 (4M)
- 프로그램 개요: CS Portal은 MA(유지보수 계약) 고객사를 위한 이슈 트래킹 웹 애플리케이션으로, 기존 Gitlab Service Desk의 한계점을 개선하여 제공합니다. 기존 Gitlab Service desk에서는 이메일 당 하나의 이슈의 커뮤니케이션이 진행되어, 프로젝트 구성원 간 이슈 공유가 어려웠습니다. 또한 이슈의 히스토리도 모두 이메일에 보관되어 히스토리 관리도 어려웠습니다. CS Portal은 Gitlab API 연동을 통해 고객에게는 프로젝트 별 이슈를 중앙화의 장점을 제공하였으며, 기술 담당자에게는 여러 프로젝트를 한 군데서 관리할 수 있는 용이성을 제공하였습니다.
- 주요 기능:
  - GitLab과의 연동을 통해, CS Portal 사이트에서 프로젝트의 모든 이슈 조회, 등록, 코멘트 추가 등 다양한 기능 제공
  - 프로젝트 별로 이슈 히스토리를 중앙화하여 문제 해결 과정 추적에 용이
- 기술 스택:
  - Backend: Java17, Spring boot3, Spring Security, Spring WebFlux
  - Frontend: React (Material-UI)
  - Integration: GitLab Service Desk API
  - Other: Multi Module Architecture, Reactive Programming
- 주요 성과:
  - 프로젝트 전반을 주도: DB 설계, API 설계, 애플리케이션 아키텍처 설계 및 구현
  - GitLab Service Desk 연동 구현: 이메일을 통해 접수된 이슈를 CS Portal에서 확인 및 관리 가능하도록 API 통합 개발.
  - 배포 및 운영환경 관리: CI/CD 파이프라인 구축 및 AWS EC2 인프라 연동을 통해 안정적인 배포 및 운영 환경 제공
  - 멀티 모듈 설계: 백엔드 모듈을 분리하여 유지보수성과 확장성을 강화.
  - 리액티브 프로그래밍 도입: Spring WebFlux를 활용하여, 데이터 흐름 관리 및 비동기 작업 최적화를 통해 성능 개선.

`Simulator Version 2`: 대외 연계 시뮬레이터 솔루션 버전 업 진행

2023/08 ~ 2023/12 (5M)

개요 : 기존 대외 연계 인터페이스 시뮬레이션 솔루션에 응답 다양화, REST 시뮬레이터 등 추가 기능 개발
기술 스택: Java8, Rest API, HTTP/HTTPS, TCP 등
성과: REST API 시뮬레이터 개발, 전문 변환 및 비동기 호출 처리.
Interested in more details?
- 기간: 2023/08 - 2023/12 (5M)
- 프로그램 개요: 대외 연계 인터페이스의 테스트와 시뮬레이션을 지원하는 솔루션의 추가 기능 개발
- 주요 기능:
  - 대외기관 시뮬레이션 응답의 다양화: 대외기관 시뮬레이터가 테스트 시 다양한 요청에 맞춰 다채로운 응답을 제공할 수 있도록 기능을 확장하여, 보다 현실적인 테스트 환경을 구현
  - REST 시뮬레이터: REST API를 사용하는 대상 기관의 인터페이스 관리 및 테스트 시뮬레이션 기능 제공
  - FEP 시뮬레이터: Core System에서 대외 인터페이스 시뮬레이션 거래를 직접 진행(전문 변환, HTTP 엔드포인트 제공)
- 기술 스택:
  - Backend: Java8, Spring Boot2
  - Frontend: React (Material-UI)
  - DB: MySQL
  - Integration: REST API, HTTP/HTTPS, TCP
  - Other: 시스템 헤더 처리, 전문 변환 로직, 동기/비동기 호출 처리
- 주요 성과:
  - REST 시뮬레이터 기능 개발: REST API 거래의 시뮬레이션 기능 추가, 대상 기관 및 인터페이스 정보의 생성, 변경, 삭제 기능 구현.
  - REST 서버 및 클라이언트 시뮬레이션: 서버 가동 및 각 인터페이스 거래 실행 기능 개발.
  - FEP 시뮬레이터 확장:
    HTTP 엔드포인트 제공 및 통신 전문 포맷 정의.
    입력/출력 전문 변환 및 응답 생성 로직 구현.
    동기/비동기 응답 전송 기능 추가.
  - 기존 Angular 기반 소스 코드를 React로 전환: 기존의 Angular 기반 소스 코드를 React로 전환하여 유지보수성과 성능을 개선.
- 배운 점:
  - 기존의 복잡하고 대규모의 소스 코드를 분석하며 코드 이해 및 유지보수 능력 향상.
  - TCP 및 REST API 거래 처리에 대한 심층적인 이해와 개발 경험 축적.
  - REST API HTTP 및 HTTPS 통신과 전문 변환에 대한 기술적 역량 강화.

`LINE Bank Japan 코어뱅킹 프로젝트`

2021/04 ~ 2022/04 (13M)

개요 : LINE Bank Japan의 코어뱅킹 시스템 고객 업무 개발, 자동화 테스트 프로그램 관리
기술 스택: Java, Node.js, Oracle, Git, AngularJS, BXM Framework
성과: Core Banking 고객팀 업무 구현, 자동화 테스트 도입을 통한 시스템 안정화.
Interested in more details?
- 기간: 2021/04 - 2022/04 (13M)
- 프로그램 개요:
  - LINE Bank Japan의 코어뱅킹 시스템 개발 프로젝트
  - 고객 업무계좌 조회, 비대면 법인고객 가입, 채널 연동 개인 고객 정보 검증 등 주요 고객 업무를 구현하였습니다.
  - 시스템 안정성을 보장하기 위해 자동화 통합 테스트 프로그램을 설계 및 운영하였습니다. 이를 통해 고객 서비스 품질과 개발 생산성을 동시에 향상시켰습니다.
- 기술 스택:
  - Backend: Java(Spring), Node.js
  - Frontend: AngularJS
  - DB: Oracle
  - Other: Git, GitLab, BXM Framework
- 주요 성과:
  1. 고객 업무 개발:
    계좌 조회 서비스 구현
    비대면 법인고객 가입 프로세스 개발
    채널 연동을 통한 개인 고객 정보 검증 기능 개발
  2. 자동화 통합 테스트 프로그램 관리:
    테스트 시나리오를 프로그램으로 구현하여 테스트 효율성 및 정확도 향상.
    매일 자동으로 통합 테스트를 진행하고 결과를 레포트로 출력, 수정된 프로그램의 영향도와 버그를 신속히 식별.
    테스트 프로그램 모듈화 및 공통화 작업을 통해 유지보수성 및 확장성 강화.
  3. 프로젝트 안정화 기여:
    자동화 테스트 도입을 통해 주요 릴리즈 및 기능 추가 시 품질 보증을 강화.
    팀 간 협업 효율성 증가로 개발 속도 향상.

🎓Education

경희대학교

국어국문학과 학사, 문화관광콘텐츠학과 복수전공

2013.03 ~ 2018.02

🏆 Personal Activities

AWS GameDay 참여

2024.12.20

개요: AWS 클라우드 서비스를 활용한 문제 해결 실습 이벤트.
성과:
- Storage 부문 1등 달성.
- AWS 서비스 활용 능력 향상 및 협업과 AI 활용 문제 해결 능력 강화.

📚 Recent Interests and Studies

AI Trends: 최신 AI 트렌드를 Medium으로 학습하고, 블로그에 정리해서 지식을 나누는 걸 좋아해요.
Generative AI Applications: AI 어플리케이션 개발자로 성장하기 위해 AI 엔지니어 로드맵을 따라 체계적으로 공부하고 있어요.
System Design: AI 시대에서 가장 중요한 역량이라고 생각해요. 시스템 설계와 다양한 설계 패턴에 대해 배우고 있어요.
Deployment: AWS를 활용한 배포 및 관리 역량을 키우는 데 관심이 있어요.
Side Projects: 제가 실생활에서 필요했던 어플리케이션을 사이드 프로젝트로 개발하면서 실무 경험을 쌓고 있어요.

📜 References

Available upon request (요청 시 제공 가능)

마지막 업데이트 : 2025/01/26