직접 설계하고 운영한 프로덕션 시스템

여러 봇 서비스와 로컬 LLM 백엔드 사이에 위치해, 들어온 요청을 분류 → 역할별 에이전트 병렬 실행 → 신뢰도 평가 → 결합 파이프라인으로 처리합니다. 메모리·검색(RAG)은 호출하는 서비스의 책임으로 남겨 두고, 게이트웨이는 오케스트레이션과 안전성에만 집중하도록 경계를 명확히 분리한 점이 설계의 핵심입니다.

차별화 포인트

• 적응형 라우팅 공감 위주 응답과 분석·추론 응답을 자동 분류하고, 필요할 때만 두 모델을 병렬 실행하는 하이브리드 경로로 전환.
• 비용을 아는 결합 게이팅 두 후보 응답의 신뢰도 격차나 유사도가 충분하면 추가 합성 LLM 호출을 건너뛰어, 단일 GPU 환경에서 불필요한 연산을 줄임.
• 장애 격리 복원력 서킷 브레이커와 상태 프로브를 두어, 일부 백엔드가 죽어도 대기 없이 살아있는 모델로 자동 폴백.
• 실시간 토큰 스트리밍 단일 모델 경로는 백엔드 토큰을 그대로 흘려보내 체감 응답속도를 확보하고, 하이브리드는 결합 후 전송으로 완결성을 보장.
• 다층 DB 가드레일 LLM이 생성한 질의를 실행할 때 읽기 전용 권한·구문 검증·대상 테이블 제한을 겹쳐, 민감 데이터 노출을 구조적으로 차단.
• 무중단 설정 반영 모델 주소·정책 등을 파일 변경 시점 기준으로 자동 재적용해, 재시작 없이 운영 중 조정.

민감한 개인 데이터를 다루는 서비스의 웹 노출 면을 어떻게 안전하게 설계하는지를 보여주는 사례입니다. 코칭·편집 같은 민감 기능은 메신저 봇 쪽에 남기고, 공개 웹은 조회 전용으로 한정해 공격 표면을 최소화했습니다. 화면은 별도 빌드 단계 없이 동작하는 가벼운 구조입니다.

차별화 포인트

• 읽기 전용 권한 분리 공개 노출 경로는 데이터베이스 단계에서 쓰기 권한 자체를 갖지 않도록 분리해, 애플리케이션 결함이 있어도 데이터 변조가 불가능.
• 토큰 유출 방지 운영 인증 토큰이 서버 접근 로그에 남지 않도록 처리하고, 페이지별로 최소 권한의 콘텐츠 보안 정책을 적용.
• 무상태 인증 설계 서명 기반 임시 토큰으로 별도 세션 저장소 없이 인증을 처리해, 재시작·다중 인스턴스에 강건.
• 서버 렌더 시각화 관계 네트워크 같은 시각화를 서버에서 SVG로 렌더링해, 클라이언트 스크립트 없이도 풍부한 화면을 제공.
• 모바일·PC 이중 경험 메신저 인앱(WebApp)과 일반 PC 브라우저(순수 HTML 폼) 양쪽을 각각의 보안 정책으로 자연스럽게 지원.

이 프로젝트의 본질은 "잘 버는 봇"이 아니라 잘못된 전략이 실거래로 새어 나가지 않게 막는 공학입니다. 순진한 백테스트는 손쉽게 거짓 우위를 만들어 내며, 이를 검증 없이 믿는 것이 가장 큰 리스크라는 전제 위에 설계되었습니다. 그래서 연구 단계의 규율과 실행 단계의 안전 게이트를 시스템 차원에서 강제합니다.

차별화 포인트

• 백테스트 허상 방지 규율 생존 편향 제거, 보수적 체결 가정, 인샘플/아웃오브샘플·월별 분해, 벤치마크 대비 초과수익(알파) 기준을 검증 절차로 못 박아 거짓 우위를 걸러냄.
• 백테스트–라이브 결정 단일 소스 유니버스·진입·청산 로직을 백테스트와 라이브 실행기가 같은 코드로 공유해, 검증한 전략과 실제 동작이 어긋나는 드리프트를 원천 차단.
• 3단계 승격 (shadow → paper → live) 전략은 모의 → 전진 페이퍼 검증을 거치며, 실현 성과 기준을 모두 충족하고 사람이 승인해야만 실거래로 승격.
• fail-closed 다중 안전 게이트 여러 안전 조건이 모두 충족될 때만 실주문이 나가고, 하나라도 막히면 자동으로 "주문하지 않음"으로 닫히는 안전 우선 설계.
• 시장별 프로세스 격리 KR·US 엔진을 독립 프로세스로 분리하고, 같은 계정의 중복 실행을 잠금으로 막아 주문 충돌을 방지.
• 자연어 운영 제어 메신저에서 한국어 자연어와 명령으로 엔진을 멈추거나 강도를 조정하되, 위험한 동작에는 2단계 사람 승인을 강제.
• LLM 토론 기반 전략 연구 전략 후보를 LLM 토론으로 생성·백테스트·교체하는 자율 연구 루프에도 사람 승인 게이트를 둠.

※ 본 항목은 소프트웨어 엔지니어링 역량을 소개하기 위한 기술 레퍼런스입니다. 투자 자문이나 매매 권유가 아니며, 어떤 수익도 보장하지 않습니다.

이 프로젝트의 원칙은 LLM 을 데이터베이스처럼 쓰지 않는 것입니다. 수집 → 정규화 → AI 추출 → 지식 승격 → RAG → 시장 반응 → 인텔리전스 → 리포트의 여덟 단계에서 계산·집계·검증은 코드가 맡고, LLM 은 압축된 증거 묶음을 받아 "무슨 일이 있었고 시장이 어떻게 반응했는가"를 해석하는 역할만 합니다. 클라우드 API 없이 맥미니 두 대의 로컬 모델만으로 하루 수천 건의 문서를 처리합니다.

차별화 포인트

• 온톨로지 게이트 LLM 추출 결과를 이벤트 20종·관계 10종·참여자 역할 규칙으로 검증하고, 본문 인용이 없는 항목은 버리며, 오류는 항목 단위로만 걷어내 나머지를 살림.
• 규칙 + LLM 하이브리드 추출 정형 공시 21종(공급계약·유상증자·자사주·합병 등)은 규칙 파서가 LLM 없이 읽고, 서술형 문서만 두 로컬 모델 풀(27B·소형)에 관련도 기준으로 배분.
• 사건 → 시장 반응 측정 정보 도달 시점을 기준일로 잡아 종목 초과수익·거래량·수급을 계산하고, 중요도가 낮거나 이미 주가에 반영된 사건은 판정에서 제외해 적중률의 의미를 지킴.
• 압축된 증거로 판단 분석 창별 통계 신호와 근거 목록을 코드가 만들어 넘기고, LLM 은 근거 참조가 붙은 인사이트만 생성. 참조가 검증되지 않은 인사이트는 채택하지 않음.
• 운영 안전장치 파이프라인별 잠금과 LLM 직렬화, 고아 실행 정리, 재시도 상한, 실패 스냅샷 발행 차단, 상태 감시와 알림까지 무인 운영을 전제로 설계.
• 완전한 프로비넌스 모든 추출·지식·인사이트 행에 모델·프롬프트·온톨로지 버전과 실행 ID 를 남겨, 어떤 결과든 어느 모델이 어떤 규칙으로 만들었는지 추적 가능.

※ 본 항목은 소프트웨어 엔지니어링 역량을 소개하기 위한 기술 레퍼런스입니다. 생성되는 리포트는 근거 기반 해석 자료이며, 투자 자문이나 매매 권유가 아닙니다.