
[AI Agent] 모델 인증과 문서 보관을 함께 지키는 보안 설계
AWS Secrets Manager와 S3로 AI Agent의 모델 인증과 보고서 보관을 분리해 설계했습니다. 권한 확인, 객체 버전 관리, 키 교체 검증을 통한 운영 보안 원칙을 설명합니다.

AWS Secrets Manager와 S3로 AI Agent의 모델 인증과 보고서 보관을 분리해 설계했습니다. 권한 확인, 객체 버전 관리, 키 교체 검증을 통한 운영 보안 원칙을 설명합니다.

문서 변환 결과에서 표·단위·예외·출처를 보존하고 구조와 업무 의미를 검증하는 방식을 설명합니다. 대체 변환 기록과 프로세스 격리로 실행 장애 및 품질 검토 범위를 관리합니다.


폐쇄망 분석실에서 Python과 SQLite로 약 19.8억 행의 SAS 데이터를 월별로 적재·정제했습니다. 색인과 PRAGMA를 작업별로 조정하고 조인 팬아웃을 검증하는 방법을 설명합니다.


반복적인 배포 점검을 Claude Code 스킬과 Desktop 작업으로 자동화한 과정을 소개했습니다. 검사·판단·강제를 분리해 플러그인 구조로 개선했습니다.

Airflow의 fork 기반 프로세스에서 Python 순환 GC가 COW와 MySQL 커넥션 종료를 유발한 원인을 분석했습니다. Memray로 별도 누수를 수정하고, 지연 import로 fork 승계 객체를 줄이는 접근을 다뤘습니다.


Jev의 Choice·Score·Noul을 활용해 생성형 LLM과 확률 기반 판단 모델의 역할을 분리했습니다. 판단은 Jev, 실행은 코드, 생성은 LLM으로 구성하는 AI 아키텍처를 제안합니다.


AI 코딩 에이전트의 사람 개입 병목을 역할 분리와 규칙 기반 워크플로로 개선했습니다. 결정론적 생성은 Python 스크립트로 전환하고, 규칙 비대화와 대기 시간은 과제로 남겼습니다.
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.


JVM 프로세스 안에 Python을 임베딩하는 Jep 도입 사례를 다루었습니다. 스레드 제약, GIL, 네이티브 라이브러리 경로 문제와 대응 방법을 정리했습니다.


RTZR STT API를 활용해 Python CLI에서 음성 전사·보정·인사이트 생성을 구현했습니다. 소음 환경 전사 오류 보정과 대화 요약·분류 결과를 예시로 검증했습니다.


RTZR STT API를 호출하는 Python CLI로 기본 전사, 전사 보정, 인사이트 생성을 구현했습니다. 소음 음원 보정 사례와 상담 대화의 제목·분류·핵심 내용 추출 결과를 확인했습니다.

코드 작성 직후와 종료 직전에 규칙을 다시 주입하는 Stylepack으로 Coding Agent의 컨벤션 준수를 높인 사례를 다뤘습니다. 반복 리뷰 코멘트를 규칙화하고, 모양으로 잡히는 문제와 런타임 문제를 나눠 대응했습니다.

Airflow task 실행에서 필요한 병렬성과 격리성을 설명하고, fork와 spawn의 차이를 비교했습니다. Airflow 3가 성능상 fork를 채택한 이유와 프로세스 구조도 정리했습니다.


보안관제 티켓을 읽어 WAF 차단을 자동화한 개발기를 정리했습니다. 속도보다 오차단 방지와 fail-safe 구조를 우선해 장애 없이 운영한 사례입니다.

사용자와 AI가 만든 코드를 운영 서버에서 안전하게 실행하기 위해 별도 Kernel 계층을 설계했습니다. 기존 서비스와 실행 환경을 분리하고 인증정보와 세션 상태를 밖으로 빼는 방향을 정리했습니다.