Aijinet 기술연구소의 팀블로그는 보닥에서 팀원들이 보닥을 구축하며 얻은 경험과 인사이트를 공유합니다. 팀원들 각자가 경험했던 기술적 내용을 정리, 공유하는 곳입니다.
Spring AI 2.0 은 ChatModel 안에 숨어 있던 툴 호출 루프를 어드바이저 체인 위로 끌어올렸습니다. ToolCallingAdvisor, ToolSearchToolCallingAdvisor, StructuredOutputValidationAdvisor 셋이 각각 무엇을 대신 해 주는지, 1.x 코드에서 무엇이 깨지는지를 주니어 입장에서 한 번
JDK 28 에 JEP 540 Simple JSON API 가 인큐베이터로 들어옵니다. Json 클래스와 sealed JsonValue 가 어떤 모양인지 보고, Amplitude·Braze 로 마케팅 이벤트를 쏠 때 쓰던 ObjectMapper 를 실제로 덜어낼 수 있는지 조건을 따져 본 메모입니다.
회의록 앱에 같은 목표를 열여섯 번 주고, 절반은 직접 쓴 한 줄로 절반은 모델이 생성한 프롬프트로 실행한 뒤 결과물을 blind 채점한 측정 기록.
아임웹의 제약에서 출발해 도메인과 앱 식별 설정만 바꾸면 재사용할 수 있는 Deferred Deep Link 웹·React Native 오픈소스를 만든 과정을 정리한다.
대시보드에 지표는 수십 개인데 장애가 나면 어디부터 봐야 할까요. 구글 SRE 북이 말하는 '딱 네 가지만 본다면 이것부터'를 원문 기준으로 정리하고, Kubernetes/Istio 환경에 연결해 봤습니다.
룰셋을 읽고 직접 해봤을 때와 설치해서 돌렸을 때의 차이가 생각보다 컸다. 그 차이를 뜯어보다가 이 도구를 계속 쓸 이유를 엉뚱한 데서 찾았다.
장애 알람이 오면 AI 에이전트가 여러 MCP를 순회하며 근본 원인을 조사하고, 사람이 승인 버튼을 누르면 그 조치만 실행하는 반자동 장애 대응 파이프라인을 구축한 기록입니다. 분석과 조치를 왜 두 번의 헤드리스 실행으로 나눴는지, 왜 훅이 아니라 이 구조를 택했는지, API Gateway·Lambda·Cognito를 왜 썼고 실행부를 왜 EC2로 분리했는
PARA Vault와 LLM Wiki 운영 원칙을 바탕으로, 30_Resources 지식을 Claude Code와 Codex에 출처와 함께 제공하는 로컬 RAG MCP의 구축과 품질 평가 기록이다.
'그래프 엔지니어링이 나왔다'는 말을 듣고 파 봤더니, 설치할 물건이 아니라 이미 반쯤 하고 있던 사고방식이었습니다. 개념과 프레임워크(LangGraph·Spring AI)를 가르고, 그게 내 하네스의 특수한 경우였다는 걸 확인한 뒤, 실제로 CLAUDE.md와 스킬에 그래프 두 장을 그려 넣기까지의 기록입니다.
'핑퐁 루프는 몇 번이 적정선인가'를 조사한 뒤, 그 결론을 실제 게이트 스킬로 앉혔습니다. 두 개의 관문, 세 라벨 강제, 편향을 줄이는 병렬 자체평가, 그리고 발산을 막는 '위험 0으로만 종료' 규칙까지 — 제가 만든 핑퐁 리뷰 게이트의 실제 설계를 공유합니다.
AI 기술 연구 및 실험을 수행하는 팀
백엔드 개발을 담당하는 팀