여기어때

RSS

게시글: 295
등록: 2026년부터

All Frontend Backend AI DevOps Architecture Etc

AI
기획서에서부터 Jira 태스크 업로드까지, Tasky
본 글은 여기어때컴퍼니 프론트엔드 개발자가 개발 과정에서 발생하는 반복적이고 시간이 많이 소요되는 기획 문서 기반 Jira 태스크 생성 과정을 자동화하기 위해 개발한 AI 기반 워크플로우 자동화 시스템 'Tasky'를 소개합니다. Tasky는 Confluence API를 통해 기획 문서를 읽어와 Jira 티켓을 자동으로 생성함으로써 개발자의 생산성 향상, 빠른 프로젝트 준비, 일관된 태스크 품질 및 표준화라는 세 가지 핵심 가치를 제공합니다. 이를 통해 개발자는 비즈니스 문제 해결과 구현에 더 집중할 수 있으며, 기획 완료 후 즉시 개발을 시작할 수 있는 환경을 구축합니다. Tasky는 문서 읽기, 텍스트 변환 등 여러 단계를 거치는 파이프라인으로 구성되어 있습니다.
JiraConfluenceAI
여기어때·2026년 3월 10일
AI
AI 코딩 에이전트에게 사고 과정을 설계하다— /start부터 Agent Teams까지
이 글은 AI 코딩 에이전트 도입 후, 단순 코드 생성을 넘어 에이전트의 사고 및 작업 방식을 설계하는 과정에 대한 내용을 다룹니다. 저자는 광고센터 프론트엔드를 혼자 맡으며 겪었던 시간 부담, 정책 분산, 단일 진실 원칙 부재 등의 문제를 해결하기 위해 AI 코딩 에이전트를 도입했습니다. 하지만 에이전트별 스타일 차이, 비즈니스 규칙 미숙지, 반복적인 피드백 등의 새로운 문제에 직면했습니다. 이에 대한 해결책으로 Chain of Thought를 결합한 6단계 인지 흐름 모델, `.claude/` 기반 규칙 체계, 페르소나별 에이전트 전문화, 그리고 Agent Teams를 활용한 병렬 협업 방식을 도입하여 `/start`부터 `/done`까지 이어지는 워크플로우를 구축한 경험을 공유합니다.
AI 코딩 에이전트사고 과정 설계Chain of Thought
여기어때·2026년 2월 24일
AI
Android On-Device AI: Gemini Nano와 ML Kit로 만든 2025 해커톤 프로젝트
이 글은 Android 기기에서 온 디바이스 AI를 활용하는 방법에 대해 설명합니다. 특히 '여기 어때' 해커톤 프로젝트에서 Gemini Nano와 ML Kit를 사용하여 온 디바이스 AI 기능을 구현한 경험을 공유합니다. 구글의 GenAI API는 AICore 라이브러리를 통해 제공되며, 복잡한 설정 없이 요약, 교정, 재작성, 이미지 설명, 프롬프트 기반 텍스트 생성 등 다양한 기능을 로컬 환경에서 사용할 수 있다는 장점이 있습니다. 인터넷 연결 없이도 안정적으로 작동하며 서버 비용이 발생하지 않는다는 이점도 있습니다. 다만, 현재는 고성능 기기에서만 지원되지만, 지원 기기는 점차 확대될 예정입니다. 이 기술은 향후 모바일 AI 개발에 중요한 역할을 할 것으로 기대됩니다.
On-Device AIGemini NanoML Kit
여기어때·2026년 1월 28일
AI
연관 키워드 추천
여기어때 랭킹추천개발팀에서 고가의 GPU 기반 복잡한 모델링 대신, 데이터 특성에 맞는 적정 기술을 활용하여 '연관 키워드 추천' 시스템을 구축한 경험을 공유합니다. 연관 키워드는 '동시 검색 패턴'과 '지역적 & 맥락적 타당성'을 기준으로 정의되었습니다. 실제 사용자 검색 로그 분석 결과, 동일 의도라도 다양한 형태로 파편화되는 'Synonyms' 현상과 여행/숙소 도메인의 특성(명사 중심, 위치 특정 키워드 등)을 파악했습니다. 본 글은 SOTA 기술이 아닌, 문제 해결에 적합한 기술 선택의 중요성을 강조하며, 이러한 접근 방식을 통해 만족스러운 결과를 얻었음을 보여줍니다.
연관 키워드 추천랭킹추천개발팀모델링
여기어때·2026년 1월 9일
AI
[AWS re:Invent 2025 Keynote 요약] AI Agent 시대의 개막, 그리고 르네상스 개발자
AWS re:Invent 2025 Keynote 요약 글입니다. 이번 행사에서는 AI가 단순 챗봇을 넘어 스스로 계획하고 도구를 사용하여 업무를 완수하는 'AI Agent' 시대로 진입했음을 강조했습니다. 특히 AWS CEO Matt Garman은 이러한 에이전트를 '프론티어 에이전트(Frontier Agents)'로 명명하며, 장기 기억을 바탕으로 사람의 개입 없이도 복잡한 작업을 자율적으로 수행할 수 있음을 설명했습니다. Amazon Bedrock AgentCore를 기반으로 한 새로운 기능들이 발표되었으며, 이는 AI 기술이 실제 비즈니스에 적용되는 현실적이고 구체적인 방향을 제시합니다. 이 글은 AI Agent 시대의 개막과 이를 뒷받침하는 AWS의 기술적 비전을 다룹니다.
AWS re:Invent 2025AI 코딩 에이전트Frontier Agents
여기어때·2025년 12월 24일
AI
우리 팀 코드 스타일을 아는 AI 만들기: 테스트코드 작성, GitLab MR 리뷰 만들기
이 글은 팀의 코드 스타일을 이해하는 AI를 활용하여 테스트 코드 작성 자동화 및 GitLab Merge Request(MR) 리뷰 생성 기능을 구현한 사례를 공유합니다. 이전 글에서 소개한 RAG(Retrieval-Augmented Generation)와 Vector DB 기술을 기반으로, 실제 적용 과정을 상세히 설명합니다. 첫 번째로, 기존 레포지토리의 소스 코드를 임베딩하여 RAG 방식으로 테스트 코드를 자동으로 제안받는 `@pwb/testgen` 패키지를 개발하여 반복적인 테스트 코드 작성 부담을 줄였습니다. 두 번째로, GitLab MR에서 변경된 코드의 컨텍스트를 분석하여 RAG 기반으로 리뷰 코멘트를 생성하는 실험을 통해 리뷰어의 놓치기 쉬운 부분을 보완하고 코드 스타일/규칙 위반 사항을 빠르게 감지하는 데 활용했습니다. 이 두 기능은 일관된 아키텍처 구조를 기반으로 개발되었습니다.
RAGVector DB테스트 코드
여기어때·2025년 11월 5일
AI
우리 팀 코드 스타일을 아는 AI 만들기: RAG와 Vector DB 활용기
이 글은 여기어때컴퍼니 프론트엔드 개발자가 팀의 코드 스타일을 학습하는 AI를 개발한 경험을 공유합니다. 개발 생산성 저하와 QA 단계의 커뮤니케이션 비용 증가 문제를 해결하기 위해 RAG(Retrieval-Augmented Generation) 기술과 Vector DB를 활용했습니다. 팀의 코드베이스를 벡터화하여 DB에 저장하고, 이를 기반으로 RAG를 수행하여 AI가 팀의 코드 스타일을 이해하도록 만들었습니다. 이를 통해 자동 코드 리뷰 시스템 'Diffy'와 테스트 코드 자동 생성 npm 패키지 '@pwb/testgen'을 개발하는 성과를 거두었습니다. 이 기술은 반복적인 개발 작업을 자동화하고 비즈니스 문제 해결에 집중할 수 있는 환경을 조성하는 데 기여합니다.
RAGVector DBLLM
여기어때·2025년 11월 5일
AI
AI 기술을 활용한 3D 브랜디드 영상 제작기
이 글은 여기어때의 '콘서트팩 Vol.8 원주편' 홍보 영상 제작 과정에서 AI 기술을 활용한 CGI(Computer-Generated Imagery) 도입 사례를 다룹니다. 기존의 일반 촬영 방식 대신, 여행과 음악이 결합된 콘서트팩의 특별함을 더욱 임팩트 있게 전달하기 위해 CGI 마케팅 트렌드에 주목했습니다. CGI는 현실에서 구현하기 어려운 장면을 자유롭게 표현하여 브랜드 메시지를 시각적으로 강화하고 몰입감 있는 경험을 제공하는 데 최적화된 기법입니다. 이를 통해 콘서트팩만의 독창적인 아이덴티티와 세계관을 강렬하게 전달하고자 3D 오브제와 공연장을 결합한 CGI 기반 영상을 제작했습니다. 이 프로젝트는 AI 기술을 활용하여 마케팅 영상 제작의 새로운 가능성을 보여줍니다.
AICGI3D 영상
여기어때·2025년 10월 13일
AI
온디바이스 AI vs 서버 AI: Apple Intelligence가 보여준 프라이버시 전략
이 글은 온디바이스 AI와 서버 AI의 차이점을 설명하고, 특히 Apple Intelligence를 통해 보여준 프라이버시 전략을 분석합니다. 서버 AI는 강력한 성능을 제공하지만 개인정보 유출, 법적 규제, 보안 취약점, 네트워크 의존성 등의 단점을 가집니다. 반면 온디바이스 AI는 데이터를 기기 내에서 처리하여 프라이버시를 보호하고 실시간 응답이 가능하지만, 기기 성능의 한계가 있습니다. Apple Intelligence는 이러한 온디바이스 AI의 장점을 활용하여 사용자의 데이터를 안전하게 처리하는 방식을 제시하며, 개인정보 보호와 AI 기능의 발전을 동시에 추구하는 방향을 보여줍니다.
온디바이스 AI서버 AIApple Intelligence
여기어때·2025년 9월 17일
AI
여기어때 Hackathon 2024 : Gen AI를 활용한 챗봇
본 글은 여기어때 해커톤 2024에 참여하여 Gen AI를 활용한 숙소 추천 챗봇을 개발한 경험을 공유합니다. 7년 전 출시되었던 챗봇 '알프레도'의 한계를 극복하고, Google Vision API, ChatGPT API, Apple STT Framework 등을 도입하여 자연어 파싱, STT, 태그 기반 이미지 검색, 해시태그 추천 기능을 강화했습니다. 특히 LLM을 활용한 자연어 이해 능력 향상과 음성 인식 기술 적용을 통해 사용자 경험을 개선하는 데 중점을 두었습니다. 해커톤 참여를 통해 얻은 기술적 인사이트와 느낀 점을 공유하며, Gen AI 기술의 실제 서비스 적용 가능성을 탐색합니다.
Gen AI챗봇여기어때
여기어때·2024년 12월 12일
AI
AI 이미지 인식 기술을 활용한 숙소 탐색
여기어때컴퍼니 iOS개발팀에서 진행한 사내 사이드 프로젝트 경험을 공유합니다. 본 프로젝트는 AI 이미지 인식 기술을 활용하여 숙소 사진에서 태그를 추출하고, 이를 기반으로 유사 숙소를 검색하는 기능을 구현하는 것을 목표로 했습니다. 기존의 숙소 분류 기준(지역, 가격, 카테고리 등)에 더해 숙소 사진이 사용자의 선택에 중요한 영향을 미친다는 점에 착안했습니다. 하지만 비정형적인 숙소 사진을 데이터화하고 활용하는 데 기술적인 어려움이 있었으며, 단순 이미지 대 이미지 비교 방식으로는 한계가 있음을 확인했습니다. 이 글은 이러한 문제점을 해결하기 위해 AI 기술을 어떻게 적용할 수 있는지, 그리고 그 과정에서 고려해야 할 사항들을 탐구합니다.
AI 이미지 인식숙소 탐색태그 추출
여기어때·2024년 12월 10일
AI
AI 툴 활용기 : Github Copilot & JetBrains AI Assistant
이 글은 개발자 생산성 향상을 위해 Github Copilot과 JetBrains AI Assistant와 같은 AI 툴을 활용한 경험을 공유합니다. 처음에는 AI 툴에 대한 회의적인 시각을 가지고 있었으나, 동료들의 추천과 관련 글을 접하며 사용을 시작하게 되었습니다. AI 툴을 통해 개발 난이도가 높은 알고리즘이나 테이블 구조 설계, 클린 코드를 위한 리팩토링, 코드 리뷰 시 놓칠 수 있는 부분 확인 등 다양한 작업에서 도움을 받고 있음을 설명합니다. 특히, 프롬프트 엔지니어링의 중요성을 언급하며 AI 툴을 효과적으로 활용하는 방법을 탐구하고, 이를 통해 개발 방식이 어떻게 변화하고 있는지 보여줍니다. AI 툴은 개발자를 대체하는 것이 아니라, 개발자의 역량을 강화하고 효율성을 높이는 도구로서의 가능성을 제시합니다.
Github CopilotJetBrains AI AssistantAI 툴
여기어때·2024년 12월 5일
AI
Gen AI를 활용한 리뷰 하이라이트
여행 시 숙소 선택의 어려움을 해결하기 위해 생성형 AI를 활용하여 리뷰를 분석하고 핵심 정보와 꿀팁을 추출하는 시스템 개발 경험을 공유합니다. 수많은 리뷰에서 주관적이거나 중복된 내용을 걸러내고 중요한 정보를 효율적으로 추출하기 위해 텍스트 전처리 과정을 거쳤습니다. Azure OpenAI 모델을 사용하여 리뷰 데이터를 분석하고 숙소의 장점과 특장점을 한눈에 파악할 수 있도록 하여 사용자가 더 쉽고 빠르게 만족스러운 숙소를 찾도록 돕는 것을 목표로 합니다. 이 글은 데이터 처리 및 모델 개선 과정을 상세히 다루며, 생성형 AI 기술을 실제 서비스에 적용하는 사례를 보여줍니다.
Gen AI리뷰 분석Azure OpenAI
여기어때·2024년 11월 5일
AI
AWS re:Invent 2023 Keynote 소개
AWS re:Invent 2023 Keynote 내용을 소개하는 글입니다. 특히 이번 Keynote는 AI에 중점을 두어 다양한 신규 기능들이 발표되었습니다. 주요 내용으로는 Amazon S3 Express One Zone, AWS Graviton 4 (R8g Instances for EC2), AWS Trainium2, Amazon Bedrock의 새로운 기능 (Fine Tuning, Retrieval Augmented Generation with Knowledge Bases, Continued Pre-training for Amazon Titan Text Lite&Express), Agents for Amazon Bedrock, Guardrails for Amazon Bedrock, Amazon Code Whisperer customization capability, Amazon Q (Code Transformation, Amazon QuickSight, Amazon Connect), Zero-ETL integrations with Amazon Redshift, Amazon DynamoDB Zero-ETL integration with Amazon Opensearch Service, Amazon Data Zone AI recommendations, Kipher 등이 있습니다. 글에서는 이 중 몇 가지 핵심 기능들을 중심으로 요약하여 전달하고 있습니다.
AWS re:Invent 2023KeynoteAmazon S3 Express One Zone
여기어때·2023년 12월 7일
AI
챗 GPT, 정말 잘 쓰고 있나요?
이 글은 챗GPT의 등장 이후 이를 실제 업무에 어떻게 효과적으로 활용할 수 있을지에 대한 고민을 다룹니다. 챗GPT를 조직 내에서 적극적으로 활용하면 구성원의 업무 효율성과 역량을 향상시킬 수 있다는 가능성을 제시하며, 단순히 기술 도입을 넘어 실질적인 활용 방안을 모색하는 것이 중요함을 강조합니다. 글의 일부만 제공되어 구체적인 활용법이나 결론은 파악하기 어렵지만, AI 기술, 특히 LLM을 업무 생산성 증대에 접목하려는 시도에 대한 내용을 담고 있습니다.
ChatGPTLLM업무 효율
여기어때·2023년 7월 6일
AI
개인화 추천 - 크리스마스, 밖은 너무 추우니까
이 글은 여기어때 서비스에 적용된 개인화 추천 시스템 개발 과정을 다룹니다. 데이터 엔지니어링 관점에서 추천 시스템의 중요성을 강조하며, 사용자 경험 향상을 위한 기술적 접근 방식을 설명합니다. 특히, 사용자의 니즈를 파악하고 적절한 콘텐츠를 추천하는 것이 핵심 목표임을 보여줍니다. 구체적인 기술 스택이나 알고리즘에 대한 상세한 설명은 부족하지만, 개인화 추천이 서비스 성공에 미치는 영향과 데이터 기반 의사결정의 중요성을 시사합니다. 크리스마스 시즌을 예시로 들어, 실제 서비스에 추천 시스템을 적용하는 과정을 간략하게 소개합니다.
개인화 추천추천 시스템데이터 엔지니어링
여기어때·2022년 11월 28일