포트폴리오

진행 업무

• 교사가 실시간으로 학생들의 문제 풀이 상황을 확인하고 피드백을 주고받아야 했으므로, SSE(Server-Sent Events)를 활용한 실시간 통신 기능을 구현하고 이벤트 핸들러를 독립적인 모듈로 추출하여 관심사를 분리했습니다.
• 프로덕션 데이터에 직접 접근할 수 없고 테스트 환경을 분리해야 했으므로, 저장소 인터페이스를 추상화하여 운영 환경과 테스트 환경을 독립적으로 관리하고 단위 테스트를 용이하게 했습니다.
• 학생, 교사, 관리자별로 접근 권한과 기능이 달라야 했으므로, 역할별 맞춤형 인터페이스와 권한 관리 시스템을 구현했습니다.
• 복잡한 데이터 관계(학생-문제-진행상황)를 효율적으로 관리해야 했으므로, Prisma ORM을 활용한 타입 안전한 데이터베이스 설계와 마이그레이션 시스템을 구축했습니다.
• 코드 품질을 보장하고 리팩토링을 안전하게 수행해야 했으므로, Vitest 기반 자동화 테스트 환경을 구축했습니다.

주요 성과

• 수기 관리에서 시스템 관리로 전환하여 조교의 관리 부담을 줄이고, 학생별 진행 상황을 한눈에 파악할 수 있게 되었습니다.
• 오답노트를 하지 않는 학생을 조기에 발견하고 적시에 피드백을 제공할 수 있게 되어 학습 관리 효율성이 향상되었습니다.
• 모듈화된 설계로 새로운 기능 추가와 유지보수가 용이한 시스템을 구축했습니다.

진행 업무

• 학원 환경에서 한글 문서가 표준이었고, 선생님들이 마크다운 테이블 문법을 이해하지 못해 생성된 문제를 그대로 활용하기 어려웠습니다. 이를 해결하기 위해 마크다운 테이블을 한글과컴퓨터의 XML 데이터 구조에 맞춰 자동 변환하는 파서 모듈을 개발했습니다.
• 선생님들이 LaTeX 수식을 이해하지 못해 수식을 캡처 후 이미지로 붙여넣는 방식을 했습니다. 이 방식은 수식 수정이 불가능하여 불편했으므로, LaTeX 수식을 한글 문서의 자체 수식 형식으로 변환하는 엔진을 구현하여 문서 내에서 직접 수정 가능하도록 했습니다.
• 지속적으로 발견되는 새로운 수식 패턴에 대응하기 위해 변환 알고리즘을 모듈화하고, 단위 테스트를 통해 안정성과 유지보수성을 확보했습니다.

주요 성과

• 정의된 지원 수식 범위 내 변환 검증 100% 통과를 달성했습니다.
• 주 고객층인 선생님의 문제 제작 워크플로우가 '캡처 후 붙여넣기'에서 '문서 내에서 직접 수정'으로 개선하여, AI 생성 콘텐츠의 편집 가능성 확보로 서비스 실사용 전환율을 향상했습니다.
• 사용자 교육 필요성을 제거하고 즉시 활용 가능한 hwpx 파일 형식을 제공함으로써 서비스 진입 장벽을 낮추고, LLM 출력물을 사용자 워크플로우에 자연스럽게 통합하는 UX 개선 사례를 확립했습니다.

스크린샷

hwpx 파일로 변환한 화면

LaTex와 수식을 렌더링 한 화면

진행 업무

• 새로운 패턴 발견 시 즉시 대응 가능하도록 문서 요소를 인라인 수식, 블록 수식, 마크다운으로 분류하고, 각 요소의 문맥을 분석하여 잠재적 오류 패턴을 자동으로 식별하는 파서를 구현했습니다.
• 오류 패턴별 변환 로직을 모듈화하여 새로운 패턴 발견 시 기존 코드 수정 없이 규칙만 추가할 수 있도록 설계했습니다.
• 검토 없이 제품에 적용 가능한 수준의 안정성을 확보하기 위해 개별 변환 모듈의 단위 테스트와 전체 파이프라인의 통합 테스트를 구축했습니다.

주요 성과

• 500건 테스트 케이스 100% 성공률로 UI 오류 해결, 사용자 경험 개선
• 검토 없이 제품에 적용 가능한 수준의 안정성을 확보하여, 새로운 패턴 발견 시마다 긴급 대응하던 상황에서 벗어나 안정적으로 해설 모듈을 서비스에 배포할 수 있게 되었습니다.
• 모듈화된 설계로 새로운 오류 패턴 발견 시 기존 기능에 영향을 주지 않고 확장이 가능해졌습니다.

소스 코드

스크린샷

올바르게 수정된 LaTeX 구문

사용자에게 잘못 표시되는 LaTeX 구문

진행 업무

• 키워드가 비슷해도 전혀 다른 문제가 검색되는 한계를 극복하기 위해 Azure OpenAI의 임베딩 모델을 활용한 벡터 검색을 구현하여 문제의 의미를 기반으로 유사도를 판단하도록 했습니다.
• 키워드 검색과 벡터 검색을 결합한 하이브리드 검색 시스템을 Elastic Search로 구축하여 검색 정확도를 향상했습니다.
• 개발 환경의 접근성을 높이기 위해 Elastic Search 환경을 컨테이너화하여 로컬 개발 설정을 간소화했습니다.

주요 성과

• 수동 라벨링 없이 임베딩으로 문제의 의미를 자동 분석하여, 인력 부족 상황에서도 유사 문제 검색 시스템을 구축할 수 있었습니다.
• 키워드 유사성이 아닌 의미 기반 검색으로 전환하여, 학생의 이해도 확인에 적합한 유사 문제를 정확히 제공할 수 있게 되었습니다.
• 검색 서비스와 임베딩 로직을 모듈화하여 Azure OpenAI 외 다른 임베딩 서비스로의 전환이 용이한 아키텍처를 설계했습니다.

진행 업무

• 여러 프로젝트에서 재사용 가능하도록 도메인 위주로 설계하여, 학원/질문/답변 등 핵심 도메인의 비즈니스 규칙을 명확히 분리했습니다.
• 보일러플레이트를 사용하는 개발자의 경험이 좋지 않으면 사용 가치가 떨어지므로, OpenAPI 문서 자동화와 구조화된 로깅 시스템을 구축했습니다.
• 개발자가 배포 과정(DB 마이그레이션, 빌드, 배포)에 신경쓰지 않아도 되도록 GitHub Actions 기반 자동화를 구현했습니다.

진행 업무

• 기능들을 회원, 문제, 푸시 알림 등 도메인 단위로 분리하여 모듈화했습니다.
• 핵심 기능 간의 의존성을 분석하고 서비스 레이어를 재구성하여 유지보수성을 향상했습니다.
• 중복 코드를 제거하고 공통 기능을 추출하여 코드베이스를 최적화했습니다.
• 핵심 도메인(회원, 문제, 알림)에 대한 테스트를 우선 구축하고, 추가 테스트는 필요에 따라 점진적으로 추가하는 실용주의 전략을 선택했습니다. 완벽한 커버리지보다 팀이 감당 가능한 범위에서 핵심 기능의 안정성을 먼저 확보하여 테스트 커버리지를 0%에서 50%까지 증가시켰습니다.
• GCP, Sentry, Slack 기반의 실시간 오류 모니터링 시스템을 구축하여 장애 대응 체계를 강화했습니다.

주요 성과

• 작업 시간 1-3주에서 1-3일로 단축, 이슈 감지 개선
• 테스트 커버리지를 0%에서 50%까지 개선했습니다.
• 도메인 분리로 변경 범위가 명확해져 연쇄 버그 없이 안전하게 개발할 수 있게 되었고, 이슈 대응에만 매달리던 팀이 신규 기능 개발에 집중할 수 있게 되었습니다.
• 사전 모니터링 체계 구축으로 잠재적 문제를 조기에 발견하고 대응할 수 있게 되었습니다.