게시글
로컬 LLM과 n8n으로 구축하는 에러 분석 자동화
에러가 나면 n8n이 소스 코드와 스택 트레이스를 모으고 로컬 LLM이 원인과 수정 제안을 Notion에 남기는 파이프라인을 만들었다. 에러마다 5분 넘게 걸리던 초기 탐색이 20~25초로 줄었다. 코드를 밖으로 내보내지 않는 대가로 로컬 모델의 정확도는 아쉬웠지만, 자동화가 사람이 집중할 곳을 좁혀준다는 건 확인했다.
카메라 및 마이크 On/Off UX 개선
카메라와 마이크는 같은 끄기 동작이지만 사용자가 믿는 신호가 달라 전략도 달라야 했다. 한 방식으로 둘을 처리하니 카메라를 꺼도 LED가 켜져 있었고, 하드웨어를 끊으면 마이크 발언 앞부분이 잘렸다. 카메라는 track.stop()으로 끊고 마이크는 송출만 멈추게 했다.
비디오 Consumer 수 상수화로 서버 부하 최적화
±1 프리패치로 100명 기준 Consumer 수를 9,900개에서 210개로 줄였다. 그 전에는 모든 참여자의 비디오를 동시에 받는 구조라 Consumer가 N×(N-1)로 늘어나 20명만 넘어도 CPU가 급증했다. 대안을 비교할 때는 단점의 허용 범위를 먼저 정해야 했다.
OCR과 Open AI의 응답 속도 개선
계약서 OCR과 OpenAI 번역 페이지의 로딩 2분을 18초로 줄였다. 화면에 보이는 구역만 요청하고 페이지 단위로 쪼개 병렬로 실행하고 먼저 도착한 페이지부터 렌더링했다. 비동기 처리에서는 요청 수보다 처리 단위를 어디까지 쪼갤 수 있는지를 먼저 봐야 했다.