고객의 한마디가 기능이 되기까지, AI 에이전트로 시작하는 제품 개발 사이클
Nelper는 Slack의 고객 요구사항을 AI 에이전트로 구조화해 구현·검증·배포·문서화까지 연결했습니다. 반복 실행은 자동화하고 제품 우선순위와 최종 판단은 사람이 맡았습니다.


Nelper는 Slack의 고객 요구사항을 AI 에이전트로 구조화해 구현·검증·배포·문서화까지 연결했습니다. 반복 실행은 자동화하고 제품 우선순위와 최종 판단은 사람이 맡았습니다.

루프 엔지니어링과 Claude Code /goal의 동작 원리를 분석하고, Stop 훅으로 유사 기능을 재구현한 사례를 정리했습니다. 완료 조건을 측정 가능하게 설계하고 예외 종료를 함께 준비하는 것이 핵심이라고 설명했습니다.

GitLab CI에 연결한 코딩 에이전트 설정 파일을 어떻게 통제할지 다뤘습니다. CODEOWNERS, 보호 브랜치, CI 경고, 보호된 변수로 운영 기준을 점검했습니다.

홈랩 Kubernetes에서 ArgoCD와 GitLab Self-Managed를 연동해 GitOps를 구축하는 과정을 실습했습니다. 접속, 인증, 저장소 등록, Kustomize 전환에서 막히는 지점과 해결책도 정리했습니다.

n8n Queue Mode에서 worker만 늘려도 처리량이 오르지 않는 이유를 k6 부하테스트로 검증했습니다. 실제 병목은 worker가 아니라 task runner 한도였고, 두 값을 함께 조정해야 했습니다.

AI 에이전트 스킬 파일 `SKILL.md`에서 발생하는 결함 유형과 원인을 분석했습니다. Frontmatter와 본문을 어떻게 고쳐야 하는지 8가지 점검 항목으로 정리했습니다.

2026년 CI/CD 공급망 공격 3가지 유형과 GitLab 방어 전략을 정리한 글입니다. 파이프라인 설정 보호, 토큰 범위 제한, 빌드 출처 증명이 핵심 대응책입니다.

경찰청의 GitHub 토큰 유출 권고를 계기로 GitLab에서 크리덴셜을 점검하고 회전하는 4단계 대응법을 정리했습니다. Self-Managed와 GitLab.com의 차이, 티어별 기능 범위와 주의점도 함께 다뤘습니다.

인프라 접근 권한을 코드로 관리하는 Access as Code 개념과 판단 기준을 정리했습니다. Teleport로 SSH, Kubernetes, DB, 앱 권한을 하나의 role과 Git 흐름으로 운영하는 방법을 설명했습니다.

n8n 워크플로가 많아질수록 소유권과 맥락이 화면 곳곳에 흩어져 관리가 어려워진다고 설명했습니다. 기본 기능의 한계를 짚고, 이를 한 지도처럼 모아 보는 Nelper를 소개했습니다.

LLM 코드 리뷰는 같은 입력에도 판정이 달라질 수 있어 자동화에서 흔들림이 생길 수 있습니다. 이를 줄이기 위해 코드 위임, 출력 폭 좁히기, 다수결, 하네스 적용을 제안했습니다.

DORA가 5대 지표와 7가지 팀 유형으로 재편된 배경과 의미를 정리했습니다. AI 시대에는 속도만 보지 말고 불안정성과 품질 비용까지 함께 진단해야 합니다.
GitLab CI/CD 변수의 마스킹 한계를 재현하고, job 단위로 시크릿을 제한하는 Secrets Manager를 소개했습니다. 별도 Vault 운영 부담을 줄이면서 감사와 범위 통제를 강화하는 방법을 정리했습니다.

LLM이 n8n 워크플로를 더 잘 생성하도록 하네스 엔지니어링을 소개했습니다. 정확한 스펙과 검증 도구를 주면 네이티브 노드 활용도가 크게 높아졌습니다.

AI 에이전트의 조용한 실패를 잡기 위한 에이전트 옵저버빌리티 개념과 APM·LLM 옵저버빌리티와의 차이를 정리했습니다. Langfuse와 Gemini로 PR 리뷰 에이전트를 추적·평가하는 실습과 운영 시 유의사항도 다뤘습니다.

폐쇄망 Maven 빌드에서 발생하는 429 에러의 원인과 구조를 정리하고 GitLab Maven Virtual Registry로 해결하는 방법을 설명했습니다. 캐싱 프록시와 upstream 순서 설정으로 외부 요청을 줄이는 실전 팁도 함께 다뤘습니다.

DevOps 데이터 분석이 BI에서 엔지니어링 인텔리전스, GitLab 에이전트로 확장된 흐름을 정리했습니다. 한국 기업용 즉시 보고와 DORA 분석을 위한 Mantis 활용 포인트도 소개했습니다.

비엔지니어 환경에서 Claude Code ROI를 측정하는 4가지 베이스라인 지표를 소개했습니다. 로컬 로그와 ccusage 분석으로 토큰, 비용, 도구 사용, 메시지 패턴을 기준점으로 삼는 방법을 설명했습니다.

AI 코딩 도구의 ROI를 비용과 품질 지표로 나눠 측정하는 방법을 정리했습니다. 각 지표의 의미와 한계를 함께 살펴보며 정확한 판단 기준을 제안했습니다.

Claude Code Routines로 반복적인 DevOps 작업을 자동화하는 방법을 정리했습니다. PR 리뷰, 의존성 점검, 우선순위 분류에 적합하며 운영 시 한도와 권한 위험도 함께 살펴봤습니다.
