Zhao Junquan

범용 도구 플랫폼 (AiNative-Tools)

핵심 프로젝트 지속 개선 AI-Native Studio LangChain 방식 워크플로 DEMO

프로젝트 배경

크로스보더 전자상거래의 콘텐츠 제작, 상품 자동 수정, 이미지 처리, 일괄 납품을 위해 AiNative-Tools는 상품 수집, Prompt 오케스트레이션, AI 카피, 흰 배경 이미지, 연출 이미지, 배치 패키징, 실행 관측을 하나의 로컬 Studio 워크스테이션으로 통합합니다. 디렉터리 규약, 작업 큐, 플러그인 매니페스트, 상태 흐름을 기반으로 상품 선정·등록·소재 생성·납품을 설정·재개·추적 가능한 생산 체인으로 구성합니다. 긴 배치, 다수 상품, 여러 언어와 이미지 자산을 다루는 운영에 적합합니다. 엔지니어링 관점에서는 크로스보더 전자상거래 업무를 중심으로 구성한 LangChain Workflow입니다. 각 상품 배치는 안정된 입력, Prompt 오케스트레이션, 모델 호출, 구조화 파싱, 이미지 도구, 납품 도구를 차례로 거칩니다.

담당 역할

크로스보더 전자상거래 콘텐츠 제작의 수집·상품 수정·번역·이미지 생성·납품 프로세스를 제품화했습니다. 업무 프로세스 분해와 도구 경계 정의부터 로컬 Studio 구현까지 전 과정을 주도했습니다. 운영자의 반복 행동을 설정·추적·복구 가능한 생산 프로세스로 전환하는 데 집중하고, 배치 납품 효율과 프로세스 안정성, 향후 확장성을 책임졌습니다.

기술 구성

FastAPI + TaskManager + Manifest의 세 계층 제어 평면으로 수집부터 납품까지 작업을 배치 단위로 진행하고 WebSocket으로 상태를 실시간 동기화합니다.

프런트엔드 Studio Shell은 네이티브 JS로 작업 큐, 배치 조작, 도구 진입점을 구성합니다. 백엔드는 FastAPI 비동기 라우트로 native / cloud / ai의 세 작업 채널을 관리합니다.
Manifest 계층은 로컬 SUM 도구 스크립트를 자동 검색해 이미지 처리, 패키징, 향상 기능 등을 설정 가능한 도구 폼으로 등록합니다.
핵심 생산 체인: 상품 URL/Excel 입력 → Scraper 수집 → PromptComposer 오케스트레이션 → AIClient 호출 → JSON Parser 구조화 → Painter/PackTool 납품.
AIClient는 Gemini / OpenAI-Compatible 등 여러 모델의 프로토콜 차이를 통합합니다. Structured Output Parser는 모델 출력을 후속 이미지 도구가 처리할 수 있는 JSON으로 제한합니다.
Prompt Registry는 시장별 언어 교체, 단계 분할, Sandwich 형식 패키징을 지원해 서로 다른 상품 배치가 같은 프로세스를 안정적으로 실행하도록 합니다.
Key Pool, 상태 스냅샷, 배치 디렉터리가 실패 재실행, 이미지 보완, 번역 보완, 재패키징의 복구 경계를 함께 구성합니다.

주요 성과

흩어진 운영 도구를 시각화·큐 관리·복구가 가능한 Studio 제어 평면으로 발전시켰습니다. 상품 URL / Excel 입력부터 이미지·텍스트 수집, AI 분석, 흰 배경 이미지 전처리, 연출 이미지 일괄 생성, 납품 패키지 정리까지 전 과정을 지원합니다. 디렉터리 규약, 상태 스냅샷, Key Pool 동시 실행 스케줄링, 로그 재생으로 긴 배치 작업의 안정성을 높였습니다. 배치 디렉터리는 안정적인 입력 Schema, 자체 개발 TaskStateStore는 Checkpoint, SharedGroupManager는 Memory-like State 역할을 합니다. 이미지·패키징 스크립트는 Tool Layer로 참여해 실패, 재실행, 이미지·번역 보완, 재패키징 시 명확한 복구 경로를 유지합니다.

FastAPI Python 3.12 Pydantic 네이티브 JS Studio Shell WebSocket 상태 흐름 Manifest 플러그인 시스템 TaskManager 다중 큐 Gemini / OpenAI API Prompt Composer Key Pool 스케줄링 Selenium / Firefox Pillow / OpenCV XLSX / CSV 데이터 수집 배치 아카이빙·복구 Prompt Registry RunnableSequence Structured Output Parser State Store Memory-like State LangChain

개발 로그 보기

Lite Studio

데스크톱 클라이언트 지속 유지보수

프로젝트 배경

대규모 모델 도구 호출의 복잡성이 높아지면서 단일 Python 스크립트나 Jupyter Notebook만으로는 빈번한 다중 턴·도구 체인 간 AI 워크플로를 감당하기 어렵습니다. 업무 현장에는 임시 스크립트의 집합보다 대화 상태, 모델 설정, 컨텍스트 압축, 플러그인 스케줄링을 장기 유지보수 가능한 시스템으로 통합한 영속적·추적 가능·확장 가능한 로컬 AI 워크스테이션이 필요합니다.

담당 역할

여러 AI 도구의 집합이었던 Lite Studio를 로컬 데스크톱 워크스테이션으로 제품화했습니다. 세션 관리, 모델 설정, 컨텍스트 압축, 플러그인 호출, 내보내기 체인의 기능 경계를 정의했습니다. 엔지니어링 문서, 인터페이스 계약, 핵심 워크플로 정리를 주도해 후속 기능 개선에 공통 기준과 추적 가능한 기록, 안정적인 납품 주기를 마련했습니다.

기술 구성

pywebview를 로컬 창 런타임으로 사용하고 Vue + SQLite + 플러그인 시스템으로 데스크톱 AI 워크스테이션을 구성합니다.

pywebview 데스크톱 계층과 Python 백엔드는 프로세스를 공유합니다. 프런트엔드는 bridge.js로 LLMEngine / PluginHost를 호출하고 스트리밍 이벤트와 플러그인 상태를 받습니다.
context_ledger는 원본 기록을 계속 밀어 넣는 대신 대화 요약을 구조화 노드로 추가해 긴 대화 압축과 Graph 기반 이해를 위한 진입점을 마련합니다.
bridge.js가 스트리밍 응답, 사고 과정 전달, 플러그인 이벤트를 통합해 프런트엔드는 항상 표준 이벤트 형식 하나를 처리합니다.
다섯 계층 조립 구조가 모듈 의존 방향을 Storage → Gateway → Engine → PluginHost → Front Bridge로 제한해 암묵적 결합을 줄입니다.
SQLite가 sessions, messages, presets, context_ledger를 관리하며 로컬 데이터는 외부 서비스에 의존하지 않습니다.

주요 성과

엔지니어링 문서는 80+ API 인터페이스 계약과 12개 핵심 워크플로를 포함하는 팀 공통 기준이 되었습니다. context_ledger는 초장기 대화를 원본 메시지 누적이 아닌 증분 요약 노드의 지속 추가로 관리해 컨텍스트 창 관리를 ‘강제 절단’에서 ‘구조화 압축’으로 발전시켰습니다. 이를 바탕으로 복고풍 오트밀색 디자인 시스템을 적용한 독립 Web Demo를 구축했습니다. 사이드바 접기, 모델 전환, 사고 과정 시각화, 기억 보관, 다중 형식 내보내기까지 전체 상호작용을 재현해 백엔드를 실행하지 않아도 제품 전모를 보여줍니다.

Python 3.8+ pywebview SQLite Tailwind / Vue Memory Context Ledger Graph

개발 로그 보기

OpenClaw Sentinel

Multi-Agent MIT License GitHub Repo

Agent 라우팅 보호와 WebSearch 하위 Agent 오케스트레이션

프로젝트 배경

여러 도구를 쓰는 Agent 워크플로에서 주 Agent가 모든 검색·연구·실행 도구를 기본 보유하면 고비용 API를 과도하게 호출하기 쉽습니다. 일반 질의응답, 코드 수정, 가벼운 검색, 심층 연구가 같은 실행 컨텍스트에 섞여 비용 낭비, 모호한 작업 경계, 잠재적 보안 위험을 초래할 수 있습니다.

담당 역할

OpenClaw Sentinel의 방안 정의와 납품을 독립적으로 담당했습니다. 다중 도구 Agent의 검색 비용, 도구 권한, 실행 경계 문제를 재사용 가능한 라우팅 거버넌스 패턴으로 추상화했습니다. Agent 행동 경계, 도구 호출 정책, 검증 절차, 오픈소스 배포를 주도해 한 번의 MCP 연동을 이식 가능한 Agent 도구 거버넌스 솔루션으로 발전시켰습니다.

기술 구성

두 계층 Agent 라우팅: main Agent는 가벼운 검색과 실행을, web-researcher Sub-Agent는 심층 연구를 담당합니다.

main Agent는 질의응답, 코드 작업, 작업 계획, 가벼운 검색을 맡습니다. Sub-Agent는 검색/검증/추론/요약만 수행하고 로컬 실행에는 참여하지 않습니다.
preset에서 허용·차단 목록과 도구 호출 정책을 선언해 주 Agent의 고비용 연구 도구 남용을 방지합니다.
일반 질문은 DuckDuckGo 경량 검색을 기본 사용하며 심층 연구/다중 출처 검증/아키텍처 판단만 Perplexity MCP로 라우팅합니다.
검증 스크립트, 설치 스크립트, 이중 언어 README를 함께 제공해 이식 가능한 Agent 도구 거버넌스 템플릿을 구성합니다.

주요 성과

가벼운 검색과 심층 연구의 비용 계층화, 실행 Agent와 연구 Agent의 책임 분리, secrets 저장소 제외·API Key 비노출·실제 설정 미업로드라는 보안 경계를 구현했습니다. MIT 오픈소스 공개, 이중 언어 README, preset 파일, 설치·검증 스크립트를 완성했으며 OpenClaw 생태계의 커뮤니티 프리셋으로 계속 발전시키고 있습니다.

OpenClaw MCP Sub-Agent Agent 오케스트레이션 Perplexity API DuckDuckGo Agent 라우팅 도구 경계

개발 로그 보기

MiMo Vision MCP

Vision MCP 플러그인 MIT License GitHub Repo

텍스트 전용 LLM의 MCP 시각 브리지 계층

프로젝트 배경

DeepSeek, Qwen 같은 텍스트 전용 대규모 모델은 추론과 코딩에 강하지만 자체 시각 기능은 없습니다. 이 프로젝트는 Xiaomi MiMo v2.5 시각 모델을 표준 MCP Server로 감싸 text-only Agent가 mimo_image_analyze 도구로 이미지를 이해하게 합니다. 주 모델은 사고하고 MiMo는 지각합니다.

담당 역할

텍스트 전용 Agent의 시각 기능 보완 방안을 독립적으로 설계·납품했습니다. 이미지 이해를 단일 모델 호출이 아닌 설치·설정·재사용 가능한 MCP 도구로 구성했습니다. 활용 상황, 호출 경계, 보안 설정, 오픈소스 납품 형태를 정의해 OpenClaw, Claude Desktop, Cursor 등 Agent 클라이언트가 안정적으로 연동할 수 있도록 했습니다.

기술 구성

Python MCP SDK로 MCP Server를 구성해 text-only Agent가 필요할 때 시각 기능을 연결합니다.

MCP Server는 프로토콜 선언, 도구 등록, Stdio/SSE 전송 계층 적응을 담당합니다.
MiMo API Adapter는 로컬 파일/URL의 이미지 인코딩, API 요청, 텍스트 결과 정규화를 처리합니다.
image_path(필수) + prompt(선택)의 두 인자 인터페이스를 지원하며 Claude Desktop, Cursor, Cline, OpenClaw 등 MCP 클라이언트와 호환됩니다.
API Key는 저장소에 넣지 않고 환경 변수로 안전하게 설정합니다.

주요 성과

단일 server.py로 완전한 MCP 시각 브리지를 구현해 Agent 도구 체인의 시각 기능 공백을 메웠습니다. 스크린샷 오류 분석, UI 분석, OCR 추출, 차트 해석, 문서 분석 등을 지원합니다. 낮은 결합도, 교체 용이성, 오케스트레이션 편의성을 지향하며 주 모델에 시각 로직을 섞지 않고 필요할 때 시각 기능을 연결합니다. OpenClaw Agent 환경에서 안정적으로 실행 중입니다.

MCP MiMo v2.5 Vision AI Python 텍스트 전용 LLM 이미지 분석 OCR Agent 도구

개발 로그 보기

QCode Toolkit (SVG QR 코드)

순수 프런트엔드 도구 빌드 없는 단일 파일 온라인 체험

프로젝트 배경

일상적으로 QR 코드를 일괄 생성하거나 해석할 일이 많지만 기존 도구는 광고가 많거나 유료이고 네트워크 환경에 의존합니다. 그래서 설치도 백엔드도 필요 없는 순수 프런트엔드 QR 코드 만능 도구를 개발하기로 했습니다.

담당 역할

QCode Toolkit의 제품 기획, 인터랙션 디자인, 출시를 독립적으로 담당했습니다. QR 코드 생성, 꾸미기, 일괄 처리, SVG 다운로드 등 빈번한 요구를 중심으로 도구 경계를 정의했습니다. 백엔드 의존성 없이 브라우저 안에서 전 과정을 완결하면서 사용성, 공유 편의성, 장기 유지보수 비용을 함께 고려했습니다.

기술 구성

단일 HTML / Vanilla JS / CSS로 생성, 해석, 꾸미기, 일괄 처리를 모두 브라우저 로컬에서 완결합니다.

UI 계층은 텍스트 입력, 드래그 수신, 스타일 조정, 미리보기를 담당하고 해석 계층은 jsQR로 브라우저 안에서 이미지의 QR 코드를 인식합니다.
그리기 계층은 QRCode.js 또는 맞춤 SVG 로직으로 PNG / SVG 출력을 생성합니다.
DOM Drag & Drop API는 다중 파일 일괄 처리를 지원하며 SVG 내보내기는 인쇄·후속 디자인의 선명도를 보장합니다.
전체 과정이 백엔드를 거치지 않아 데이터 업로드 위험이 없으며 HTML 파일을 직접 공유해 사용하기에 적합합니다.

주요 성과

브라우저에서 바로 쓰는 도구를 구축해 QR 코드 생성, 꾸미기·다시 그리기, 일괄 인식이라는 세 가지 문제를 해결했습니다. 동시에 로컬 데이터 처리, 개인정보 보호, 매끄러운 다중 플랫폼 경험을 보장합니다.

Vanilla JS HTML5 / CSS3 단일 파일 앱 일괄 처리 SVG 내보내기 드래그 앤 드롭 API

Repo 개발 로그 보기

QuanWen.art

풀스택 사이트 콘텐츠 허브 AI-Native 이중 언어 시스템

프로젝트 배경

QuanWen.art는 처음부터 직접 개발한 개인 디지털 콘텐츠 허브입니다. 장기 운영이 가능한 풀스택 Web System을 구축해 작품 전시, 사진 글, 프로젝트 진행 상황, AI 대화, 연락 메시지, 관리 기능을 같은 아키텍처에 통합했습니다. 개인 홈페이지에 콘텐츠 발행, 데이터 관리, 접근 보호, 지속 확장 기능을 함께 제공합니다.

담당 역할

QuanWen.Art의 독립 제품·엔지니어링 책임자로서 사이트 방향, 콘텐츠 구조, 공개 전시, 관리자 운영, 보안 운영까지 전체 기획과 납품을 맡았습니다. 개인 작품, 사진 글, 프로젝트 진행 상황, AI 대화, 연락 메시지, 관리 화면을 장기 운영 가능한 디지털 콘텐츠 허브로 통합하고 갱신 가능성, 접근성, 보안 경계를 지속 관리합니다.

기술 구성

FastAPI + Jinja2 partial + SQLAlchemy + MySQL로 공개 SSR 렌더링, 관리자 JSON API, AI 대화, 미디어 관리, 보안 보호를 지원합니다.

프런트엔드 SSR 계층은 10개 Jinja2 partial 모듈로 홈 렌더링을 구성하며 StreamingResponse와 지연 로딩으로 첫 화면 가시성을 개선합니다.
백엔드 FastAPI 라우트와 서비스 계층은 콘텐츠 읽기, 메시지, AI 대화, 미디어 관리, 관리자 작업을 처리합니다.
데이터 계층은 14개 MySQL 테이블로 프로필, 프로젝트, 사진, 미디어, 메시지, 접근 로그, 보안 로그 등의 엔티티 관계를 관리합니다.
보안 계층은 TrafficGuardMiddleware + CSRF + Session Token + IP 빈도 제한 + Nginx 속도 제한 + fail2ban으로 연동 방어를 구성합니다.
Tailwind CSS를 CDN 런타임 컴파일에서 정적 컴파일로 전환해 첫 화면 차단 리소스를 없애고 TTFB를 262ms에서 약 20ms로 줄였습니다.

주요 성과

자체 개발 풀스택 Web System을 독립 납품해 QuanWen.Art를 운영 가능한 디지털 콘텐츠 허브로 구현했습니다. 프런트엔드는 StreamingResponse 스트리밍 분할 렌더링을 사용합니다. Partial 모듈로 첫 화면 콘텐츠를 일찍 보여주고 홈을 단일 템플릿에서 지속 관리 가능한 모듈 구조로 전환했습니다. 백엔드는 FastAPI로 공개 API, 관리 화면, AI 대화, 미디어 업로드, 방문자 기록, 콘텐츠 서비스를 연결해 전시부터 운영까지 전 과정을 완결합니다. 데이터 계층은 14개 MySQL 테이블에 프로필, 프로젝트, 사진, 메시지, 미디어, 방문자, 빈도 제한 기록을 저장하며 데이터베이스 우선·정적 대체 전략으로 가용성을 높였습니다. 보안 계층은 로그인, CSRF, Session Token, IP 빈도 제한, 트래픽 등급화를 포괄하고 이상 발생 시 Nginx와 fail2ban을 연동해 자동 차단하므로 운영에 필요한 보호 체계를 갖췄습니다.

AI-NATIVE 스트리밍 렌더링 FastAPI Jinja2 SQLAlchemy MySQL i18n 이중 언어 콘텐츠 허브 모듈식 설계 성능 최적화 2026

개발 로그 보기

Qwen3-8B 중국어 고객 응대 Agent 미세 조정

대규모 모델 미세 조정 QLoRA 고객 응대 Agent Kaggle T4

프로젝트 배경

QuanWen.Art 개인 웹사이트의 고객 응대 Agent를 위해 Kaggle의 Tesla T4 두 대라는 제한된 환경에서 8B급 오픈소스 대규모 모델의 매개변수 효율적 미세 조정을 탐구합니다. Qwen/Qwen3-8B를 기본 모델로 중국어 지시 데이터를 주입해 신원 질의응답, 기술 설명, 상품 카피 생성, 고객 응대 샘플을 구성했습니다. 데이터 구축, ChatML 템플릿 변환, 4bit 양자화 로딩, SFT 미세 조정, Adapter 저장부터 재장착 추론 검증까지 전체 엔지니어링 체인을 실행했습니다.

담당 역할

독립 프로젝트 책임자로서 QuanWen.Art 고객 응대 Agent용 8B급 오픈소스 모델의 도메인 미세 조정 검증을 설계·추진했습니다. 훈련 목표와 중국어 고객 응대·신원 질의응답 데이터 범위를 정의하고 저비용 GPU 환경의 실험 경로를 계획했습니다. 훈련 검증부터 향후 웹사이트 고객 응대 코퍼스 연결까지 타당성 검증을 완결했습니다.

기술 구성

Hugging Face 생태계를 사용해 T4 두 대 환경에서 8B 모델의 SFT / QLoRA 미세 조정을 검증합니다.

데이터 계층은 신원 질의응답, 기술 설명, 상품 카피, 고객 응대용 중국어 instruction/input/output 샘플을 구축합니다.
Transformers + Datasets + PEFT + TRL + bitsandbytes로 전체 미세 조정 과정을 구성하고 ChatML 템플릿으로 대화 형식을 통일합니다.
BitsAndBytesConfig는 4bit NF4 + double quantization으로 그래픽 메모리 부담을 낮춥니다. LoRA를 q_proj, k_proj, v_proj, o_proj, gate_proj, up_proj, down_proj 등 핵심 모듈에 주입합니다.
paged_adamw_8bit 옵티마이저, gradient accumulation, k-bit 훈련으로 저비용 GPU 실험 환경에 대응합니다.
Adapter 저장, 압축, 재로딩, 추론 검증으로 전 과정을 완결합니다.

주요 성과

저비용 클라우드 GPU 환경에서 Qwen3-8B의 Train -> Save -> Package -> Reload -> Inference 미세 조정 전 과정을 완성하고 재사용 가능한 8B급 대규모 모델 SFT / QLoRA 엔지니어링 템플릿을 마련했습니다. 제한된 그래픽 메모리에서도 중국어 도메인 미세 조정이 가능함을 검증해 QuanWen.Art 고객 응대 코퍼스 연결, 비공개 지식 질의응답 확장, 사이트 전용 고객 응대 Agent 구축의 기술적 기반을 제공했습니다.

Qwen3-8B SFT QLoRA PEFT Hugging Face BitsAndBytes ChatML 고객 응대 Agent

Kaggle

GEO / SEO 가독성 거버넌스 - AI 검색·구조화 인덱싱 진입점

GEO SEO llms.txt 구조화 데이터

프로젝트 배경

개인 웹사이트는 방문자를 위한 시각적 페이지일 뿐 아니라 검색 엔진, AI 검색 시스템, 모델 훈련 체인이 안정적으로 이해하는 공개 콘텐츠 노드여야 합니다. 이 프로젝트는 QuanWen.Art의 외부 발견 가능성을 관리하고 화면 전시를 robots.txt, sitemap.xml, llms.txt, JSON-LD 구조화 데이터를 갖춘 기계 판독 가능 사이트로 확장합니다.

담당 역할

QuanWen.Art의 외부 발견 가능성과 기계 가독성 전반을 관리하며 공개 콘텐츠, 비공개 경로, 검색 엔진 수집, AI crawler 접근 간 경계를 정의했습니다. 정책 설계부터 콘텐츠 의미 정리, 온라인 검증까지 전 과정을 주도해 방문자용 작품 페이지를 검색 엔진, 답변 엔진, 대규모 모델 시스템이 안정적으로 이해하는 공개 지식 노드로 발전시켰습니다.

기술 구성

FastAPI가 robots.txt, sitemap.xml, llms.txt, JSON-LD를 동적으로 생성해 공개 지식 노드를 검색·AI 생태계와 연결합니다.

라우트 계층은 /robots.txt, /sitemap.xml, /llms.txt 등의 공개 진입점을 제공합니다. sitemap은 홈, 사진 목록, 진행 상황 페이지, 발행된 사진 상세 페이지를 자동 출력합니다.
robots.txt는 Google, Bing, Baidu, Sogou, 360, Shenma 등의 검색 엔진과 OpenAI, Perplexity, Applebot, Google-Extended, CCBot 등의 AI crawler를 명시적으로 허용합니다.
동시에 /admin, /api, /passport, /partial, /uploads 등의 비공개 경로는 차단합니다.
llms.txt는 Markdown으로 사이트 신원, 주제 범위, 대표 프로젝트, AI 훈련/인용 정책을 설명합니다.
JSON-LD는 Person, WebSite, ProfilePage, CollectionPage, CreativeWork, ItemList 등의 Schema.org 유형으로 엔티티 관계를 구성합니다.
pytest는 robots, sitemap, llms.txt 및 홈/사진/진행 상황 페이지의 구조화 데이터 출력을 검증합니다.

주요 성과

이번 업데이트로 QuanWen.Art는 작품 전시 페이지에서 기계가 이해하는 공개 지식 노드로 발전했습니다. 검색 엔진은 sitemap에 따라 공개 콘텐츠를 수집하고 AI 시스템은 llms.txt로 사이트 주제와 권한 경계를 빠르게 이해할 수 있습니다. 구조화 데이터는 검색·답변 엔진이 작성자, 웹사이트, 프로젝트, 콘텐츠 모음의 엔티티 관계를 구축하도록 돕습니다. robots, sitemap, llms.txt, JSON-LD를 검증했으며 온라인 서비스 재시작 후 모든 공개 진입점이 HTTP 200을 반환했습니다.

FastAPI robots.txt sitemap.xml llms.txt JSON-LD Schema.org AI Crawler pytest

개발 로그 보기 llms.txt sitemap.xml

성격 예측과 사용자 행동 인사이트

데이터 과학 연구 프로젝트

프로젝트 배경

사용자 행동 인사이트를 위한 머신러닝 분석 파이프라인을 구축하고 성격 예측이 사용자 세분화와 운영 전략 보조에 갖는 활용 가치를 검증했습니다.

담당 역할

성격 예측이라는 연구 문제를 검증 가능한 데이터 분석 과제로 전환하고 데이터 처리, 특성 해석, 모델 비교, 결과 표현의 범위를 정의했습니다. 모델 출력을 비즈니스 담당자가 이해할 수 있는 사용자 세분화와 행동 인사이트로 정리해 향후 CRM 태깅, A/B 테스트, 개인화 접촉 전략을 논의할 기반을 마련했습니다.

기술 구성

Pandas + Scikit-learn + XGBoost로 데이터 정제부터 분류 해석까지 성격 예측 분석 파이프라인 전 과정을 구성합니다.

데이터 계층에서 결측값 처리, 이상치 필터링, 특성 인코딩, 표준화를 수행합니다.
XGBoost + Scikit-learn Pipeline으로 훈련과 검증을 구성하고 GridSearchCV로 매개변수 탐색과 다중 폴드 검증을 수행합니다.
표준화와 원-핫 인코딩을 파이프라인 안에 넣어 데이터 전처리 누출 위험을 낮춥니다.
모델 결과를 CRM 태깅, A/B 테스트, 개인화 접촉 논의의 기반으로 해석합니다.

주요 성과

원시 데이터부터 해석 가능한 모델 출력까지 완전한 분석 절차를 마련했습니다. 향후 CRM 태깅, A/B 테스트, 개인화 접촉 전략 논의를 지원할 수 있습니다.

Pandas / Numpy XGBoost Scikit-learn 데이터 시각화

개발 로그 보기

다중 출처 웹 수집·여론 엔진

데이터 엔지니어링 확장 가능

프로젝트 배경

동영상 댓글과 전문 뉴스 데이터 수집 수요에 맞춰 지속 수집·정제·구조화 출력이 가능한 엔진을 구축했습니다. 정책 연구와 여론 관찰에 활용합니다.

담당 역할

흩어진 웹페이지, 댓글, 뉴스 데이터 수요를 재사용 가능한 수집 과제로 정리하고 수집 범위, 데이터 필드, 정제 기준, 납품 형식을 정의했습니다. 일회성 수작업 수집을 지속 실행 가능한 데이터 엔지니어링 프로세스로 바꿔 정책 연구, 여론 관찰, 후속 감성 분석에 안정적인 데이터 출처를 제공했습니다.

기술 구성

requests + asyncio + rvest로 비동기 다중 출처 수집을 구성하고 구조화된 연구 자료를 출력합니다.

asyncio 동시 실행 풀로 여러 페이지의 수집 효율을 높이고 무작위 지연, User-Agent 전환, Cookie 세션 유지로 수집 안정성을 높입니다.
정제 계층은 필드 추출, 중복 제거, 형식 표준화, 이상 필터링을 맡으며 출력 필드와 정제 기준을 미리 표준화합니다.
최종 출력은 CSV / 표 파일로 제공해 후속 감성 분석과 정책 연구에서 재사용하기 쉽습니다.

주요 성과

수집·정제부터 구조화 파일 저장까지 전 과정을 구성해 원본 웹 콘텐츠의 수작업 정리 부담을 줄였습니다. 향후 감성 분석과 경쟁사 관찰을 확장할 기반도 마련했습니다.

Python / asyncio rvest 안티 스크래핑 대응 데이터 파이프라인

개발 로그 보기

Yingdao RPA 자동화

프로세스 자동화 업무 효율 향상

프로젝트 배경

Zhiying EPR의 빈번하고 반복적이며 오류가 나기 쉬운 운영 프로세스에 RPA 자동화를 도입해 수작업 부담을 낮췄습니다.

담당 역할

Zhiying EPR 등 운영 관리 화면의 반복 업무를 찾아 수동 클릭, 폼 관리, 결과 확인을 자동화 가능한 업무 노드로 정리했습니다. 프로세스 표준화, 예외 상황 정리, 운영 측 사용성 검증을 추진해 RPA가 스크립트 시연에 머무르지 않고 일상 업무에 기여하도록 했습니다.

기술 구성

Yingdao RPA로 관리 화면의 반복 작업을 재사용 가능한 자동화 노드로 나누고 예외 상황에는 대체 처리를 마련합니다.

프로세스 계층은 로그인, 메뉴 이동, 폼 작업, 결과 확인을 표준 동작 노드로 나눠 유지보수 어려운 일회성 녹화를 피합니다.
실행 계층은 키보드·마우스 시뮬레이션과 조건 트리거로 관리 작업을 수행합니다. 예외 처리 계층은 팝업, 시간 초과, 실패 재시도를 처리합니다.
핵심 노드에는 사람의 확인을 남겨 자동화 오작동으로 위험이 확대되는 것을 방지합니다.

주요 성과

반복 관리 작업을 재사용 가능한 자동화 프로세스로 전환해 단계별 수동 클릭과 오작동으로 인한 실행 편차를 줄였습니다. 안정적인 업무 구간에서 지속 사용하기에 적합합니다.

Yingdao RPA EPR 자동 클릭 프로세스 오케스트레이션 예외 재시도

Amazon US 플랫폼 선별형 상품 등록

운영 전략 지속 실행

프로젝트 배경

Amazon US FBM의 선별형 상품 등록에서 경험에만 의존하지 않고 신상품 발굴, 소재 준비, 등록 주기에 근거를 부여하는 것이 목표입니다.

담당 역할

Amazon US FBM 선별형 상품 등록의 상품 선정 판단, 신상품 등록 주기, 소재 준비 협업을 담당했습니다. 경험 중심의 상품 확장을 회고 가능한 데이터 기반 프로세스로 전환했습니다. 시장 추세, 키워드 판단, 소재 품질, 등록 주기를 연결해 운영 전략과 AI 시각 도구 체인 간 안정적인 협업을 추진했습니다.

기술 구성

SellerSprite + Google Trends + AI 시각 도구 체인으로 상품 선정, 소재 준비, 등록 주기 회고를 연결합니다.

데이터 판단 계층은 키워드 관심도, 경쟁 강도, 이익 여력을 보고 추세·키워드 데이터로 상품 선정 우선순위를 정합니다.
소재 제작 계층은 상품 이미지 최적화와 AI 연출 이미지 생성을 연결하며 AI 시각 도구 체인으로 제작 일관성을 높입니다.
운영 회고 계층은 등록 주기, 소재 품질, 이후 성과를 기록해 상품 선정 규칙과 소재 기준을 지속 수정합니다.

주요 성과

상품 선정과 신상품 등록의 리듬을 점차 안정화했습니다. 상품 링크 품질, 일관된 표현, 소재 준비 효율을 중점 개선하며 장기적인 반복 최적화에 적합합니다.

SellerSprite Google Trends FBM 선별형 상품 등록 직접 제작한 흰 배경 이미지

Painter-Harness

이미지 모델의 배치 생성·다중 턴 편집 기반

핵심 프로젝트 지속 개선 Harness

이미지 모델 Harness Harness 수준 다중 턴 편집 접두부 캐시 친화적

프로젝트 배경

이미지 모델은 무상태입니다. 한 번 호출해 이미지 한 장을 만들 뿐, 배치 진행 상황이나 직전 실패 이유를 기억하지 않으며 참조 이미지와의 일치도 보장하지 않습니다. 반면 상세 페이지 이미지 제작은 장시간·다단계·다중 세션 작업입니다.

Painter-Harness는 모델 바깥의 계층을 보완합니다. 구도 계약, 제약 스캐폴드, 모델 라우팅, 외부 상태 저장, 실패 복구는 런타임이 맡고 모델은 그리기만 합니다.

AI 이미지 생성과 다중 턴 대화 편집을 기본 지원하며 이 기능은 모델 자체의 세션 유지가 아니라 Harness 기반에서 제공됩니다. 생성된 모든 이미지를 기준으로 대화를 이어가고 참조 이미지를 추가해 턴마다 변형을 만들 수 있습니다. 상품 앵커와 카피 제약은 세션 전체에서 유지됩니다.

통상적인 Agent = Model + Harness 구분에서 이 프로젝트는 이미지 모델을 위한 후반부를 구현합니다.

담당 역할

이 런타임 계층을 설계·구현합니다. 프롬프트 최적화보다 계약 정의, 상태 저장, 실패 회수, 권한 경계에 집중하며 이미지 일관성, 프로토콜 호환성, 할당량 스케줄링, 이력 재생을 책임집니다.

기술 구성

네 계층 구조에서 결정적 코드가 모델 호출을 감쌉니다.

Scaffold

상품 앵커, 표시 카피 허용 목록, 메타데이터 렌더링 금지, 색상 충실도를 구조화 제약으로 고정해 매 호출마다 조립하므로 컨텍스트 누적에 의존하지 않습니다. 구도 정보는 노드 계약으로 정의하며 각 노드는 독립 작업이 됩니다.

Runtime

디렉터리 검색, 작업 생성, 요청 조립, 모델 배정, 결과 회수, 파일 아카이빙을 수행합니다. 모델 계열별 차이는 하나의 적응 계층에 모읍니다. 생성·편집 채널은 같은 작업 추상화를 공유하며 지원하지 않는 선택 매개변수는 단계적으로 축소해 전체 배치를 중단하지 않습니다. 동시 실행, 간격, 시간 제한, 할당량은 런타임이 통합 관리합니다.

기반 기능

다중 턴 이미지 편집은 모델의 기본 세션 유지가 아니라 런타임이 담당합니다. 각 이미지에 세션이 있으며 세션 상태, 참조 소재, 변형 계보는 모델 외부에 영속 저장됩니다. 매 턴 기준 이미지, 추가 참조, 이번 지시를 독립 요청으로 다시 조립합니다. 따라서 단일 턴 인터페이스 모델도 다중 턴 편집이 가능합니다. 생성 변형은 저장되며 현재 이미지로 전환하고 세션을 넘어 이어갈 수 있습니다.

조립 순서는 ‘안정된 제약 접두부 → 가변 노드와 지시’로 고정합니다. 접두부 캐싱 지원 모델은 캐시를 직접 활용해 반복 제약 부분의 과금 입력 비중을 줄이며 긴 배치와 다중 턴 편집에서 이미지 생성 비용을 크게 낮춥니다.

State

진행 상태를 런타임 외부에 기록합니다. 배치 체크포인트로 완료 노드를 다음 실행에서도 건너뛰고 턴별 아카이브로 전체 배치를 다시 돌리지 않고 이미지 보완, 편집, 변형 비교를 수행합니다.

Guardrail

상태와 로그를 실시간 전달하며 실패 시 오류 분류, 할당량 출처, 재시도 기록을 보존합니다. 작업은 언제든 취소할 수 있습니다. 고비용 생성 기능은 자동화 도구 카탈로그에 넣지 않습니다. 확대와 용량 축소는 선택적 후처리로 연결합니다.

주요 성과

모델은 같아도 납품의 확실성은 런타임에서 나옵니다. 디렉터리 규약은 입력을 예측 가능하게, 스캐폴드는 출력을 일관되게 하며 체크포인트는 실패 영향을 개별 노드로 한정하고 세션 상태는 미세 편집의 컨텍스트를 유지합니다.

다중 턴 편집을 기반 기능으로 내리면 모델 선택이 세션 기능에 제한되지 않습니다. 단일 턴 인터페이스만 있는 모델도 편집 체인에 참여할 수 있습니다. 안정된 접두부 조립 순서는 캐시 적중 모델의 반복 제약 비용을 더 줄입니다. 구조화 노드 한 묶음으로 여러 언어 버전을 구동하고, 배치 생성과 단일 이미지 다중 턴 편집을 같은 도구 계층에서 수행합니다.

Python 3.12 · FastAPI · Pydantic · 네이티브 JS 제어 평면

도구 스케줄링 · 동시 실행 오케스트레이션 · 할당량 풀 · 재시도·대체 전략 다중 모델 계열 라우팅 · 생성 / 편집 이중 채널 · 매개변수 호환성 조정 제약 스캐폴드 · 구조화 노드 계약 · 출력 파싱·검증 기반 수준 다중 턴 편집 · 변형 계보 · 참조 소재 세션 안정된 접두부 조립 · 접두부 캐시 적중 · 단일 턴 모델 호환 · 비용 분산 외부 상태 저장 · 배치 체크포인트 · Memory-like State 관측 가능한 로그 스트림 · 중단 가능한 작업 · 권한 축소

AI 일괄 무역 아트: JSON 워크플로 생성기

SD / Midjourney 자동 이미지 렌더링용 표준·고제어 JSON 메타데이터를 한 번에 출력합니다

시각적 미학 스타일

주요 무역 상품

담당 역할

무역 상품 상세 이미지 생성의 스타일, 상품, 구도, 렌더링 매개변수를 설정 가능한 Prompt JSON 워크플로로 정리했습니다. 수작업 Prompt에 의존하던 이미지 제작을 구조화·재사용·시연 가능한 생성기 인터페이스로 전환해 AI 시각 제작의 매개변수 제어를 이해하도록 돕습니다.

기술 구성

무역 상품 상세 이미지 생성 과정을 구조화 Prompt JSON으로 추상화해 스타일, 상품 속성, 구도, 렌더링 매개변수를 설정·미리보기·재사용할 수 있게 합니다.

매개변수 계층은 상품 유형, 시각 스타일, 판매 포인트, 배경, 카메라, 출력 규격을 관리합니다.
폼 매개변수를 구조화 Prompt JSON으로 조립하고 출력의 필드 제약을 유지해 이후 ComfyUI, Flux 등의 워크플로와 연결하기 쉽게 합니다.
즉시 미리보기는 ‘매개변수 변화 → 시각적 의도 변화’의 이해를 돕고 수작업 Prompt 재사용·수정 비용을 줄입니다.

클립보드에 복사했습니다! SD/MJ 자동화 도구에서 바로 사용할 수 있습니다.

Generating JSON system blueprint...

소개 — 서사시와 과학의 만남

핵심 역량 매트릭스

01. 무역 연구와 플랫폼 운영

02. 풀스택 엔지니어링과 웹 아키텍처

03. Agent 엔지니어링과 운영 허브

04. 오픈소스 제품과 프런트엔드 미학

대표 프로젝트와 창작 공방

범용 도구 플랫폼 (AiNative-Tools)

프로젝트 배경

담당 역할

기술 구성

주요 성과

Lite Studio

프로젝트 배경

담당 역할

기술 구성

주요 성과

OpenClaw Sentinel

프로젝트 배경

담당 역할

기술 구성

주요 성과

MiMo Vision MCP

프로젝트 배경

담당 역할

기술 구성

주요 성과

QCode Toolkit (SVG QR 코드)

프로젝트 배경

담당 역할

기술 구성

주요 성과

QuanWen.art

프로젝트 배경

담당 역할

기술 구성

주요 성과

Qwen3-8B 중국어 고객 응대 Agent 미세 조정

프로젝트 배경

담당 역할

기술 구성

주요 성과

GEO / SEO 가독성 거버넌스 - AI 검색·구조화 인덱싱 진입점

프로젝트 배경

담당 역할

기술 구성

주요 성과

성격 예측과 사용자 행동 인사이트

프로젝트 배경

담당 역할

기술 구성

주요 성과

다중 출처 웹 수집·여론 엔진

프로젝트 배경

담당 역할

기술 구성

주요 성과

Yingdao RPA 자동화

프로젝트 배경

담당 역할

기술 구성

주요 성과

Amazon US 플랫폼 선별형 상품 등록

프로젝트 배경

담당 역할

기술 구성

주요 성과

Painter-Harness

프로젝트 배경

담당 역할

기술 구성

Scaffold

Runtime

기반 기능

State

Guardrail

주요 성과

AI 일괄 무역 아트: JSON 워크플로 생성기

담당 역할