트러블슈팅형
PathFinder
채용 정보와 개인 이력을 연결해 면접 준비 로드맵을 만드는 웹 서비스
AI Projects · Decisions over demos
모델을 늘리기보다,
판단의 경계를 다시 그렸습니다.
PathFinder, Aegis, Hermes, 주차공간 탐지. 네 프로젝트에서 무엇이 막혔고 어떤 구조로 바꿨는지, 각 전환점에 맞는 시각 증거와 함께 보여줍니다.
01 / PathFinder · 관계 연결 전환
PathFinder
서류 합격 뒤 이력과 회사 요구를 연결해 면접 준비 순서를 제안하는 팀 웹 서비스
- 기간
- 2026.05
- 형태
- SSAFY 관통 프로젝트(팀)
- 역할
- 백엔드·AI 서버(LLM·GraphRAG)
사용 맥락
채용 공고와 내 이력을 바탕으로 취업 준비 순서를 정할 때 사용합니다.
동작 흐름
공고·프로필·자소서를 넣으면 관련 정보를 묶고, 역량 차이·예상 질문·준비 순서를 보여주도록 구성했습니다.
전개 · 핵심 판단
입력을 더 넣는 대신, 관계를 연결했습니다.
막힌 지점
입력을 따로 넘기면, 일반적인 조언이 반복됐습니다.
공고·이력·자소서가 서로 연결되지 않아 결과의 근거와 다음 행동이 흐려졌습니다.
바꾼 판단
기업·사업·제품·운영·직무·역량을 관계로 묶었습니다.
데이터를 더 쌓는 대신 GraphRAG로 관계를 연결하고 필드 검증에서 실패한 항목만 다시 만들었습니다.
기술 구성
- FastAPI
- GraphRAG
- LLM pipeline
- Django REST Framework
- Vue.js
- SQL
- Playwright
02 / Aegis · 문제 재정의
Aegis (Sentinel-30)
보이스피싱 통화 단서를 검토 가능한 JSON 위험정보 이벤트로 만드는 로컬 전용 PoC
- 기간
- 2026.05
- 형태
- SSAFY×Kakao AI 해커톤(팀)
- 역할
- 정보 추출 엔진 설계 및 테스트
사용 맥락
보이스피싱 신호를 포착해 수사 및 서비스 개선을 위한 데이터로 정리하는 흐름을 가정합니다.
동작 흐름
사기범 대화를 STT로 전사하고 미끼봇 오케스트레이션으로 위험정보를 추출하면서 다음 대화 텍스트를 생성합니다. 이후 TTS로 미끼봇 답변을 음성으로 변환합니다.
전개 · 핵심 판단
차단 대신, 수사 검토를 위한 데이터를 남기기로 했습니다.
기존 보이스피싱 대응 서비스
번호 차단
통화는 끝나지만 위험 신호와 맥락도 함께 사라집니다.
문제 재정의
통화 유지 · 위험정보 추출
대화에서 얻은 단서를 구조화 이벤트로 남기고 사람이 검토할 수 있게 했습니다.
Orchestrator
대화 흐름 조정
미끼봇 대화의 다음 단계를 정하고 필요한 정보가 빠지지 않게 전달합니다.
Extractor
위험 단서 구조화
대화에서 추출한 항목을 JSON 이벤트 필드에 맞춰 정리합니다.
Verifier
근거와 마스킹 재검토
필드 근거와 민감 정보 마스킹을 확인해 검토 가능한 출력만 남깁니다.
기술 구성
- LLM
- STT
- JSON Schema
- Orchestrator
- Extractor
- Verifier
- Dashboard
03 / Hermes · 운영 고도화
상시 운영형 Hermes 에이전트
Telegram에서 받은 개인 업무를 실행하고 결과를 기록하는 개인용 AI 비서 시스템
- 기간
- 2026
- 형태
- 개인 프로젝트
- 역할
- 시스템 설계·운영
사용 맥락
메신저로 개인 할 일을 보내거나 정해진 시간에 작업을 시작하는 개인용 비서 흐름입니다.
동작 흐름
작업을 받으면 역할과 상태를 나눠 실행하고, 결과물을 확인한 뒤 Telegram과 Notion에 기록합니다.
전개 · 핵심 판단
운영에서 생긴 순서 충돌을 상태·기억·기록의 세 경계로 풀었습니다.
전개 단계
깨진 실행 순서를 Kanban과 Honcho로 고정하고, Recording Harness로 Notion 기록까지 연결했습니다.
planner와 executor가 같은 작업을 동시에 바라보지 않도록 실행 조건, 기억 범위, 완료 산출물의 순서를 각각 분리했습니다.
- 01
문제 포착
planner · executor 순서 충돌
planner가 끝나기 전에 executor가 실행되고, 한 역할의 결과가 다음 작업 조건을 침범했습니다.
- 02
상태 통제
Kanban으로 완료 조건 고정
ready · running · review · done 상태를 나누고 완료된 산출물만 다음 역할로 이동시켰습니다.
- 03
기억 분리
Honcho로 역할별 문맥 분리
각 역할이 필요한 기억만 읽도록 경계를 나눠, 이전 작업의 문맥이 다음 실행을 오염시키지 않게 했습니다.
- 04
기록 자동화
Recording Harness → Notion
생성·평가·이미지 버전·재실행 상태를 단계별로 기록해 변경 전후와 완료 기준을 추적했습니다.
운영 계약
작업 입력부터 Notion 기록까지 한 줄의 흐름으로 묶었습니다.
운영 구성
- Hermes Agent
- Telegram Bot
- Oracle Cloud
- Kanban
- Honcho
- cron
- n8n
- Notion
04 / Hybrid parking AI · 판단 단위 분리
하이브리드 주차공간 탐지
주행 가능 영역·주차면·장애물을 한 장면에서 구분하는 하이브리드 컴퓨터비전 프로젝트
- 기간
- 2025.05
- 형태
- 팀 프로젝트
- 역할
- 모델 아키텍처 설계·데이터 전처리 파이프라인
사용 맥락
도로 영상에서 주행 가능 영역과 주차면, 장애물을 나눠 보는 장면에 사용합니다.
동작 흐름
영상과 라벨을 정리한 뒤 영역 분할과 객체 탐지를 따로 실행하고, 두 결과를 한 화면에 합칩니다.
전개 · 핵심 판단
하나의 모델 대신, 판단 단위로 나눴습니다.
관찰한 증상
YOLOv8-seg 단일 모델은 야간·역광에서 흔들렸습니다.
픽셀 경계와 주차면 객체 위치를 한 모델의 판단으로 묶은 것이 문제였습니다.
바꾼 구조
영역 분할과 객체 탐지를 병렬로 처리했습니다.
SegFormer와 YOLOv11이 각자 잘하는 단위를 판단한 뒤 argmax에서 결과를 결합합니다.
영역 판단
SegFormer
주행 가능 영역의 픽셀 경계를 분할해 야간·역광의 장면 변화를 따라갑니다.
객체 판단
YOLOv11
주차면 객체 위치를 찾아 영역 분할 결과와 함께 결합할 기준을 만듭니다.
기술 구성
- SegFormer
- YOLOv11
- YOLOv8-seg
- OpenCV
- Python
- AIHub dataset