| date | 2025-06-15T12:00:00+09:00 |
|---|---|
| draft | false |
| title | About |
| layout | about |
| url | /about/ |
| summary | gnosyslambda — Software Engineer & AI Explorer |
| translationKey | about |
10년 가까이 소프트웨어를 만들어 오면서 하나의 확신이 생겼습니다.
좋은 엔지니어링은 **"이 기술을 쓸 수 있는가"**가 아니라 **"이 기술을 쓰지 않아도 되는가"**를 판단하는 데서 시작됩니다. 새로운 도구가 쏟아지는 시대에, 무엇을 선택하지 않을지 아는 것이 더 어렵고 더 중요합니다.
백엔드 시스템의 깊은 곳에서 일하며 — 수천만 사용자를 감당하는 분산 시스템을 설계하고, 장애를 복구하고, 레거시를 현대화하는 과정에서 배운 것들을 이 블로그에 기록합니다.
AI가 코드를 쓰는 시대가 왔지만, 아키텍처를 결정하고, 트레이드오프를 판단하고, 장애 상황에서 올바른 선택을 하는 것은 여전히 사람의 몫입니다.
수천만 사용자 규모의 분산 시스템 설계. 트랜잭션 일관성, 이벤트 드리븐 아키텍처, 마이크로서비스 간 통신 패턴에 대한 실전 경험. "동작하는 코드"가 아닌 "운영 가능한 시스템"을 만드는 것을 추구합니다.
LLM 기반 에이전트 설계, RAG 파이프라인 구축, 프롬프트 엔지니어링. AI를 장난감이 아닌 프로덕션 시스템의 구성 요소로 통합하는 데 집중합니다. Claude Code, MCP, AI 코딩 도구 생태계의 얼리 어답터.
Kubernetes 오케스트레이션, CI/CD 파이프라인 자동화, 클라우드 네이티브 인프라 설계. "배포가 두렵지 않은 시스템"을 만드는 것이 인프라 엔지니어링의 핵심이라 생각합니다.
| Domain | Technologies |
|---|---|
| Languages | Kotlin · Java · TypeScript · Python · Go · Rust · C++ · Swift |
| Backend | Spring Boot · NestJS · FastAPI · GraphQL |
| Mobile | Android (Kotlin/Java) · Jetpack Compose |
| Data | PostgreSQL · Redis · Kafka · Elasticsearch |
| Infrastructure | Kubernetes · Docker · GitHub Actions |
| Cloud | AWS · GCP · OCI |
| AI/ML | Claude API · OpenAI API · LangChain · pgvector |
| Monitoring | Grafana · Datadog · OpenTelemetry |
이 블로그의 모든 기술 분석 포스트는 동일한 구조를 따릅니다:
왜 지금 이게 문제인가 → 어떻게 동작하는가 → 실제로 써먹을 수 있는가
단순한 기술 소개가 아닌, **"우리 팀에 도입해야 하는가?"**에 대한 답을 찾을 수 있는 글을 목표로 합니다. 모든 분석에는 도입 권장/비권장 상황, 운영 리스크, 한국 실무 맥락이 반드시 포함됩니다.
"기술의 가치는 그것이 해결하는 문제의 크기로 측정된다. 더 크고 복잡한 도구가 아니라, 문제에 딱 맞는 최소한의 도구를 선택하는 것이 엔지니어링이다."