나심연 님의 블로그

마지막주 투두리스트 앱 배포와 AI챗봇 앱 개발을 진행했습니다. 지난번 개발했던 투두리스트 칸반보드는 배포에 비용을 아끼기 위해 집에 있는 나스에 DOCKER를 활용해서 배포했습니다. 파이썬 FASTAPI로 벡엔드, 프론트엔드를 동시에 개발해서 배포하는 것도 어렵지 않게 수행할 수 있었습니다. 다만 실전편 AI 챗봇 앱 개발 부분은 온전히 따라서 하기 쉽지 않았습니다. 우선 1주일 동안 수행하기에는분량이 많았습니다. 그리고 투두리스트는 다른 강의나 교육에서 몇번 수행해본 경험이 있는 내용이지만, 에이전트 형태의 AI 챗봇을 구축하는 과정은 다소 생소해서 따라하는 것이 쉽지 않았습니다. 특히 AWS Bedrock을 연동하고 Converse API를 사용하는 것이 익숙하지 않아서 애를 먹었고, 최종적..

3주차에서는 Claude Code를 활용해 프론트엔드와 백엔드를 연결하고, 최종적으로 나만의 TODO 리스트 칸반보드를 완성했습니다. 책에서는 React, Next.js, PostgreSQL을 활용한 엔터프라이즈급 프로젝트를 다루었지만, 저는 FastAPI만으로 핵심 기능을 구현하는 데 집중했습니다. 시간적인 제약으로 TDD(Test Driven Development, 테스트 주도 개발)나 SDD(Specification Driven Development, 명세 기반 개발)를 충분히 적용하지 못한 점은 아쉬웠지만, 직접 설계한 칸반보드가 추가·수정·삭제 기능까지 안정적으로 동작하는 모습을 보며 큰 성취감을 느꼈습니다. Opus 4.8을 활용해 AI와 협업하는 개발 방식의 가능성을 체감할 수 있었던 의미 ..

이번 주에는 주식 시세 AI 투자 리포트 워크플로우를 직접 구현해 보았습니다.공공데이터포털 API로 주가 데이터를 수집하고, DataTable에 등록된 관심 종목 정보를 기반으로 Gemini가 투자 리포트를 생성한 뒤 HTML 이메일로 자동 발송되도록 구성했습니다. 단순 데이터 조회를 넘어 AI가 시장 상황을 분석하고 이해하기 쉬운 형태로 요약해 준다는 점이 인상적이었습니다.데이터 수집, 분석, 보고서 작성, 배포까지 자동화하는 AI 에이전트의 활용 가능성을 체감할 수 있는 시간이었습니다. AI 상당히 완성도 있게 보고서를 잘 만들어 주세요. 복사붙여넣기 해보니 분석 내용에 마크 다운 형식이 좀 남아있네요... 심화 프로젝트로 내가 실제 투자한 종목에 대한 주가 분석을 직접하려고 합니다.

이번 주에는 OCR 영수증 자동화 워크플로우를 직접 구축해 보았습니다. 폼에 영수증 이미지를 업로드하면 Upstage OCR이 텍스트를 추출하고, Gemini가 필요한 정보를 정제한 뒤 Google Sheets에 자동으로 기록되도록 구현했습니다.특히 카드번호와 총금액 등 핵심 정보를 구조화된 데이터로 변환하는 과정을 통해 OCR과 생성형 AI의 결합 방식을 이해할 수 있었습니다.반복적인 데이터 입력 업무를 자동화할 수 있다는 점에서 실무 활용 가능성을 확인한 의미 있는 시간이었습니다. ocr도 잘 활용하면 참으로 유용할 것 같습니다.

이번 주에는 KAMIS API, Google Sheets, Google Gemini를 연동해 장바구니 AI Agent를 직접 구현해 보았습니다.사용자가 품목 시세를 질문하면 AI가 Google Sheets에서 품목 코드를 조회하고, API를 호출해 최신 가격 정보를 가져와 자연어로 답변하는 과정을 확인할 수 있었습니다.단순 챗봇이 아닌 외부 데이터와 연계된 에이전트의 동작 원리를 이해할 수 있었으며, 향후 업무 데이터와 결합해 맞춤형 분석 도구로 확장할 수 있는 가능성을 경험했습니다. 그런데 클라우드 n8n을 사용해서 그런지 KAMIS API가 중간중간 계속 끊어져서 실습하기 어려웠습니다. 그리고 왜인지 모르는데, 저는 무료로 제공해준다는 OPENAI API 100회를 사용하지 못해서 개인 API키를 ..

이번 주에는 회의록 STT 워크플로우를 직접 구축해 보았습니다.오디오 파일을 Gemini STT로 전사한 뒤, 교정과 요약 과정을 거쳐 Google Drive와 Notion에 자동으로 저장되도록 구현했습니다. 단순히 음성을 텍스트로 변환하는 것을 넘어, AI를 활용해 회의 내용을 구조화하고 공유하는 과정을 경험할 수 있었습니다.특히 반복적인 회의록 작성 업무를 자동화할 수 있다는 점이 인상적이었고, 실제 업무에도 활용 가능성이 높다고 느꼈습니다.중간 노션과 n8n 연결에서 UI가 달라서 살짝 당황하긴 했습니다.그런데 따라하는 것도 쉽지 않긴 합니다. 그래도 끝까지 포기하기 않고 해나가겠습니다.

이번에 인프런과 한빛미디어에서 진행하는 챌린지에 참여했습니다. 2강에 이어서 3강도 진행했습니다. 이번 주에는 n8n으로 OpenWeatherMap API와 Discord를 연동해 나만의 날씨 알리미 워크플로우를 만들어 보았습니다. Schedule Trigger로 정해진 시간에 실행되도록 설정하고, HTTP Request 노드로 날씨 데이터를 받아 Discord 채널에 자동 전송되도록 구성했습니다. 실시간 날씨 정보가 자동으로 전달되는 과정을 직접 구현하며 API 활용과 자동화 흐름을 이해할 수 있었습니다. 추가로 AMD주식을 디스코드에 매일 1번 알려주는 자동화도 진행해보았습니다. 구글 제미나이에게 물어보니 상당히 자세히 잘 알려주세요.

이번에 인프런과 한빛미디어에서 진행하는 챌린지에 참여했습니다. 기본 사용자를 위해서 만든 책이라서 그런지 따라하는데 어렵지 않았습니다. 이번 주에는 n8n의 Google News RSS → Gmail 워크플로우를 실습했습니다.Schedule Trigger로 실행 시간을 설정하고, RSS Read로 뉴스 데이터를 가져온 뒤 Limit와 Edit Fields로 필요한 정보만 정리했습니다.이후 Aggregate로 여러 뉴스를 묶어 Gmail 노드로 메일 발송까지 자동화했습니다.추가로 생성형 AI 키워드로 RSS를 변경해 관심 분야 뉴스만 받아보도록 커스텀해 보았습니다.다음 더 복잡한 실습이 기대되네요

이번 주차는 claudecode와 함께 설계 → 구현 → 검증까지의 흐름을 직접 경험해 볼 수 있었던 시간이었습니다.무작정 코드를 작성하기보다 먼저 SPEC.md로 데이터 모델, 엔드포인트, 동작 규칙을 정리하고 합의한 뒤, 그 명세를 그대로 FastAPI로 구현해 나가는 과정이 특히 인상 깊었습니다. 구현 이후에는 Swagger UI와 import 스모크 테스트를 통해 실제 동작을 검증했는데, /stats나 /bulk-* 같은 정적 경로가 /{id}보다 먼저 선언되어야 한다는 라우팅 디테일까지 AI가 먼저 짚어 준 부분이 꽤 도움이 됐습니다. 5분도 안되서 claude code로 만들었는데 동작이 문제 없이 잘 되네요. 다만 SQLite의 JSON 컬럼에 태그를 저장하고 LIKE로 필터링한 방식은 아직..

이번 1주차에서는 AI 시대에서 개발자가 어떤 방식으로 일하게 되는지 직접 체험해보는 시간이었다.특히 단순히 코드를 작성하는 수준이 아니라, AI와 협업하면서 개발 환경과 워크플로우를 설계하는 것이 중요하다는 점이 인상 깊었다.이번 주차에서는 Claude Code 설치부터 인터페이스와 모델 구조 이해, 기본 명령어와 CLAUDE.md 활용 방법, 그리고 Agent Skill / Hook / MCP 개념까지 실습해보았다.기존에는 AI를 단순 질의응답 도구 정도로만 사용했는데, 실제로는 개발 환경 전체에 연결되어 자동화와 생산성을 크게 높일 수 있다는 점이 흥미로웠다.특히 인상 깊었던 부분은 다음과 같다.CLAUDE.md를 통해 프로젝트 컨텍스트를 관리하는 방식AI에게 단순히 질문하는 것이 아니라, 프로젝트..