gnosyslambda
Software Engineer · AI Explorer · System Thinker
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.
What I Do
Backend Architecture
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.
AI & LLM Engineering
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.
Infrastructure & DevOps
Kubernetes 오케스트레이션, CI/CD 파이프라인 자동화, 클라우드 네이티브 인프라 설계. “배포가 두렵지 않은 시스템"을 만드는 것이 인프라 엔지니어링의 핵심이라 생각합니다.
Technical Writing & Curation
글로벌 빅테크(Google, Meta, Netflix, Uber, OpenAI)의 엔지니어링 블로그를 분석하고, 한국 실무 맥락에서의 적용 가능성을 비판적으로 다룹니다. 기술을 소개하는 데 그치지 않고, 트레이드오프를 드러내는 글쓰기를 지향합니다.
Tech Stack
| 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 |
This Blog
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.
Philosophy
“기술의 가치는 그것이 해결하는 문제의 크기로 측정된다. 더 크고 복잡한 도구가 아니라, 문제에 딱 맞는 최소한의 도구를 선택하는 것이 엔지니어링이다.”
Connect
댓글