Koreigner

Traction이란 미래의 강력한 수요 잠재력을 보여주는 핵심 지표다. 우리 같은 early stage에서는 고객의 페인포인트가 있고, 이를 해결할 수 있는 팀이라는 걸 입증하는 객관적인 증거이기도 하다.불과 2년 전만 해도 유동성이 넘쳐나서 괜찮은 학벌과 아이디어만 있으면 시드 투자를 받을 수 있었지만, 지금은 다르다. Traction 없이는 투자받기 힘든 시대가 왔다. 특히, 우리나라 VC들은 특유의 보수성과 신중함으로 리스크를 헷지하려는 성향이 문화적으로 깊이 배어 있어, 최근 들어 Traction을 더욱 중요하게 보고 있다는 게 내 판단이다.따라서 우리도 투자를 받으려면 Traction이 필요하다. 다만 우리 단계에서는 이를 인위적으로 만들어낼 수 있는 몇 가지 묘수가 있다.첫째, 무료로 배포하고..

메타인지는 자신의 생각을 다시 한번 돌아보는 것이다. 나의 첫 메타인지 경험은 재수 시절이었는데, 가사를 듣냐 혹은 음악을 듣냐를 두고 논쟁하면서 처음으로 가사에 집중하는 사람이 있다는 걸 깨달았다. 이후 가사에 집중하려고 했지만, 매번 다른 생각에 빠지는 나를 발견하곤 했다. 인간의 인지능력은 감정이라는 코끼리 위에 있는 기수와 같다. 통제하려고 해도 코끼리가 마음만 먹는다면 기수가 생각지도 못한 곳으로 데려갈 수 있다. 그래서 내가 어떤 생각을 할 때 코끼리가 결정한 것인지, 기수가 결정한 것인지 곰곰히 생각해보려고 노력한다. 바람직한 의사결정을 할 수 있다고 생각하기 때문이다. 이번 여름은 유난히 매미가 많은 것 같이 느껴졌다. 지구온난화 등 기후 이슈가 먼저 떠올랐지만, 1년 전 여름에는 매미가 ..

발생한 문제:피드백 기능을 추가하는 과정에서 이퀄라이저가 보이지 않는 문제가 발생했다. 문제 해결 과정에서 내 개발 지식의 여러 빈틈을 발견했다.  부족했던 점들:버전 관리 및 소통 미숙git을 제대로 활용하지 못해 코드 변경사항을 제대로 추적하지 못함이전 코드와의 비교가 어려워 문제 해결이 지연됨영향을 준 변경 부분을 특정하지 못해 HTML, CSS, JS 모두를 검토하게 됨.문제 원인 예단CSS 복구했는데 작동하지 않자 JS 쪽 문제라고 섣불리 판단DOM 참조방식 관련 코드를 집중적으로 들여다봄CSS 클래스과 속성 그리고 HTML의 계층 구조에 대해 살펴볼 생각을 못함기본적인 HTML, CSS 구조 확인을 뒤로 미룸웹 기초 개념 부족HTML 요소들의 계층 구조가 CSS 선택자에 미치는 영향을 이해하지..

나는 외국인들이 자연스럽게 한국어를 배울 수 있는 앱을 개발하는 데 미친 자이다(?) 1주간 프론트엔드, 백엔드, 데이터베이스가 어떻게 작동하는지 더욱 이해하고 싶었다. 0과 1로 이루어진 데이터를 통해 실제 대화가 이루어지는 과정을 이해하고 구현하는 것은 흥미로운 도전이다. 앱의 구조는 마치 사람의 신체와 같다. 프론트엔드는 얼굴이며, 백엔드는 뇌, 데이터베이스는 기억을 저장하는 장치라고 볼 수 있다.  1. 음성인식우리 앱은 사용자가 마이크 버튼을 누르면 음성 인식이 시작된다. 목소리의 크기에 따라 입력 여부를 감지하고, 일정 수준 이하로 떨어지면 3.5초간 대기한 후 녹음을 종료한다. 이렇게 수집된 음성은 WAV 형식으로 변환되어 백엔드로 전송된다. 백엔드는 받은 음성 데이터를 OpenAI Whis..

1. 시작은 단순했다: 그냥 패키지 설치하고 API 키만 넣으면 되는 거 아냐?1.1 첫 번째 시행착오: 다른 AI 모델과의 차이처음에 단순하게 생각했다. OpenAI나 Anthropic처럼 pip install 하고 API 키만 넣으면 될 줄 알았으니까.# OpenAI는 이렇게 간단했는데...from openai import OpenAIclient = OpenAI(api_key="my-api-key")response = client.chat.completions.create( messages=[{"role": "user", "content": "안녕"}])# Anthropic도 비슷하게 쉬웠고...from anthropic import Anthropicclient = Anthropic(api_ke..

1. 앱 동작과 첫 번째 실수OpenAI Realtime API를 활용한 RAG 시스템 구축이 목표였습니다. 유사 코드를 참고하고 AI의 도움을 받아 코드를 수정하면서, Azure 클라우드 서비스 문서를 따라 기본 앱을 구동시키는 데까지는 순조로웠습니다. 하지만 첫 번째 실수가 여기서 시작됐습니다. 기본 PDF 파일로 RAG를 테스트했을 때, 앱이 정상적으로 작동하는 것처럼 보였기 때문입니다. LLM이 자체 데이터베이스를 기반으로 답변한 것인지, 실제로 RAG가 제대로 작동한 것인지 검증하지 않은 것이 후속 문제의 뿌리가 되었습니다.2. 데이터 통합 과정에서 드러난 첫 번째 이슈자신감을 가지고 7,000개의 대화 데이터셋을 통합하려 했지만, Vector DB가 데이터를 제대로 가져오지 못하는 문제에 직면..

기간: 10/18(금) - 10/24(목) 1. 이슈 개요 1.1 목표외국인과 자연스러운 한국어 대화 스타일 구현하기 위해 한국 대학생 ' Minji Kim' 페르소나를 가진 프롬프트로 입력하려고 했음1.2 발생한 문제그런데, 설정한 시스템 메세지(페르소나가 전혀 적용되지 않음AI가 일반적인 ChatGPT처럼 응답1.3 초기 구현 코드rtmt = RTMiddleTier(llm_endpoint, llm_deployment, llm_credential)rtmt.system_message = "You are Minji Kim, a 22-year-old Korean university student..." 2. 문제 분석 과정2.1 로그 분석# app.py, rtmt.py에 로깅 추가logging.basicCo..