필요한 건 직접
만들어 씁니다

여러 AI 에이전트로 일하니 지식이 흩어지고 같은 실수가 반복됐습니다. 그래서 옵시디언으로 'LLM 위키'(AI들이 함께 읽고 쓰는 공동 지식 저장소)를 만들어 4월 초부터 운영 중입니다. 문서 135개를 두 달 반 굴리며 만난 진짜 함정(파일 비대화)과, 가장 값졌던 '결정 문서'까지 실제 결과를 정리합니다.

매일 아침 날씨·주식·일정을 텔레그램으로 보내주는 개인 봇. 처음엔 집 시놀로지 나스에서 돌렸지만 메모리 부족과 잦은 재시작에 막혀 오라클 클라우드 무료 서버(Always Free)로 옮겼습니다. 나스와 무료 클라우드를 직접 겪어본 현실적인 장단점 비교.

기상청 단기예보 API(getVilageFcst)를 실제 텔레그램 봇에 붙이며 겪은 함정들. 격자 좌표, 하루 8번 발표 시각, 새벽에만 나오는 최저기온(TMN), 해외 서버 타임아웃까지 코드와 함께 정리했습니다.

여행 다녀오면 쌓이는 영상 수십 개, 편집은 늘 뒷전이었습니다. 그래서 영상을 끌어다 놓으면 AI(Gemini)가 자동으로 컷 편집점을 뽑고 하이라이트 한 편으로 묶어 내보내는 macOS 앱을 직접 만들었습니다. 왜 만들었고 어떻게 동작하는지, 그리고 만들며 부딪힌 함정들을 시리즈로 풉니다.

AI로 사주 풀이 웹앱을 만들며 직접 부딪힌 네 가지 설계 갈림길을 정리했습니다. AI에 무엇을 맡길지, API 키는 어디에 둘지, 공개 후 호출 남용은 어떻게 막을지, 비용은 어떻게 나눠 설계할지 — 같은 걸 만들려는 분들을 위한 실전 기록입니다.

기술적 신호와 별개로, 재무가 탄탄하고 저평가된 종목을 찾는 주말 스크리너. 성장주·저평가주 두 갈래의 단계별 필터링 로직을 단계마다 얼마나 걸러지는지 수치와 함께 정리한다.

코스피·코스닥 전 종목을 매일 스캔하고, 기술적 신호와 재무 지표로 거른 뒤 AI가 판단까지 하는 개인용 주식 분석 자동화 시스템. 2개월간 직접 만들어 운영한 전체 구조를 한 글에 정리하고, 단계별 상세 글로 안내한다.

퀀트 신호로 추려낸 후보를 AI가 어떻게 거르는지 — 뉴스 필터부터 최종 스코어링까지, 단계마다 무엇을 보고 무엇을 버리는지 설계 이유와 함께 정리한다.

AI를 잘 쓰려면 문해력, 질문 능력, 비판적 사고가 필요하다. 그런데 그보다 먼저 막히는 게 타자였다.

코스피·코스닥 전 종목을 매일 스캔해 상위 25개 후보를 추려내는 1단계 로직의 설계 이유와 구현 방식을 다룬다.

13건의 시그널 중 적중률 30%, 평균 변동률 +3.47%. 숫자만 보면 나쁘지 않다. 그런데 이상치 하나를 빼면 얘기가 완전히 달라진다.

바이브 코딩으로 현장 영업용 고객 예약·일정 관리 시스템을 직접 만들었습니다. 카카오 API·국토부 API·Cloudflare Workers 조합, 개발비 0원 실전 후기입니다.

AI 데이터 파이프라인 구축 과정에서 주가 데이터 소스를 3회 마이그레이션하고, 뉴스 소스를 1개에서 5개로 확장한 과정을 기록합니다.

내가 만든 주식 AI가 실제로 얼마나 믿을 수 있는지, SK하이닉스 데이터로 직접 검증했습니다. 믿을 수 있는 부분과 아직 부족한 부분을 솔직하게 정리합니다.

자체 개발한 AI 데이터 파이프라인을 두 달 운영하며 마주친 예외 처리 결함 5가지와 해결 과정, 비용 최적화 결과를 기록합니다.

NAS 환경에서 AI 주식 뉴스 분석 파이프라인을 직접 설계하며, AI 두 개로 역할을 나눠 월 운영 비용을 4분의 1로 줄인 과정을 기록합니다. 설계를 세 번 갈아엎었습니다.