VS Code Copilot에 커스텀 지침을 넣어 반복 프롬프트 없이 개인·프로젝트 규칙을 반영하는 방법을 소개했습니다. 지침 파일과 프롬프트 파일을 활용해 코드 생성, 테스트, 커밋 메시지까지 일관되게 관리할 수 있었습니다.
테스트 코드가 어려워지는 원인을 고수준 목과 얽힌 설계 문제로 설명했습니다. 험블 객체 패턴과 인터페이스로 테스트하기 쉬운 구조를 만드는 방법을 다뤘습니다.
기존 거리뷰의 평면 이미지 한계를 디지털 트윈과 3D 복원 기술로 보완한 사례를 소개했습니다. 자체 매핑 장비와 파이프라인으로 공간 정보 자동화와 서비스 경험 향상을 이끌었습니다.
Elasticsearch 기반 로그 저장 구조의 비용과 확장성 한계를 해결하기 위해 Iceberg 기반 Alaska를 도입했습니다. Kafka 로그를 오브젝트 스토리지에 직접 적재하고, 실시간 조회와 장기 보관을 분리해 운영 효율을 높였습니다.
네이버 통합검색의 2024년 웹 성능 지표와 개선 사례를 정리한 글입니다. LCP와 INP를 관리하고, 서치 피드에는 FUPP와 FILT를 도입해 무한 스크롤 성능을 측정했습니다.
호텔 검색에서 LLM을 sLLM으로 옮기기 위해 지식 증류를 적용한 과정을 다뤘습니다. 성능과 효율을 함께 확보하기 위한 모델 선정, 데이터 구성, 학습 기법 개선을 설명했습니다.
호텔 검색의 언어 장벽과 POI 매칭 한계를 개선한 사례를 다루었습니다. 다국어 음차·번역, Dense Retrieval, Place sLLM으로 커버리지와 검색 품질을 높였습니다.
호텔 검색의 이미지 품질을 높이기 위해 플레이스 특화 CLIP 인코더를 학습했습니다. 질의와 이미지의 연관성을 강화해 대표 이미지 검색 정확도와 사용자 경험을 개선했습니다.
LLM과 블로그 POI 데이터를 활용해 호텔 검색의 복잡 질의, 다국어, 콘텐츠 부족 문제를 개선했습니다. 검색 엔진 전환과 자동 품질평가로 커버리지와 성과도 함께 높였습니다.
네이버 FE 엔지니어들이 2025년 3월 FE News에서 프론트엔드 주요 소식을 큐레이션해 소개했습니다. 웹 성능 최적화와 CRA 종료 등 생태계 변화를 함께 다뤘습니다.
리눅스 cgroups가 Kubernetes의 Pod 자원 제한과 배분에 어떻게 연결되는지 설명했습니다. 메모리와 CPU 설정이 requests, limits로 어떻게 반영되는지도 실험을 통해 정리했습니다.
Go GC만 믿고 메모리 증가를 넘기면 원인 파악이 늦어질 수 있음을 다뤘습니다. cgo 누수 탐지와 GOGC, GOMEMLIMIT 조절로 메모리 사용량을 개선하는 방법을 설명했습니다.
25년 2월 프런트엔드 기술 소식을 큐레이션해 소개했습니다. CSS 지문 채취, AI 개발 워크플로우, 토스 가이드, 포털 대체 방법을 다뤘습니다.
네이버 검색 FE 시스템의 반복 작업과 UI 중복, 느린 피드백 문제를 해결하기 위한 구조를 정리했습니다. 서버 주도 UI, 디자인 시스템, 데이터 기반 개선과 Design To Code 자동화를 함께 소개했습니다.
DAN 24 DEVIEW 세션 영상이 공개되었습니다. 웹 성능 개선, 결제 시스템, AI 추천, 검색, 모델 서빙 주제를 정리해 소개했습니다.
Kubernetes Job으로 배치 작업을 클러스터에서 병렬 실행하도록 전환한 경험을 공유했습니다. 또한 커스텀 컨트롤러와 Kubebuilder로 순차 실행용 스케줄러를 구현한 방법을 설명했습니다.
네이버 FE 엔지니어들이 선정한 25년 1월 FE 기술 소식을 소개했습니다. 웹 기술 현황, JS 벤치마크, Slack과 TypeScript 관련 이야기를 담았습니다.
네이버 홈피드는 검색과 다른 서비스의 사용자 컨텍스트를 함께 활용해 개인화를 강화했습니다. LLM 기반 AiRScout로 관심 주제 추출과 검색 의도 세분화를 수행해 추천 품질을 높였습니다.
