</> Backend Developer

이희원

서비스 병목을 분석하고 성능과 비용을 개선하는
구조를 설계하는 백엔드 개발자

🏷 LLM 비용 80% 절감

🏷 응답속도 90% 개선

프로젝트 보기 → GitHub

dispatcher.java

// Rule-based Dispatcher

$ dispatching request...

// classify intent

✓ intent: DEVICE_CONTROL

✓ route: Rule-based 0.3s

✗ LLM+RAG: skipped

// result

✓ response: 200 OK

$ cost reduction: -80%

$ latency: -90%

›

// about

About Me

AI 챗봇과 IoT 시스템을 연결하는 백엔드 개발자입니다.

모든 요청을 LLM으로 처리하던 구조를 Rule 기반 분기 구조로 재설계해 비용은 80% 절감하고, 응답 속도는 90% 개선했습니다. 이처럼 성능과 비용 문제를 구조 설계로 해결합니다.

MQTT 기반 실시간 IoT 통신부터 RAG를 활용한 AI 응답 품질 개선까지, 하드웨어와 소프트웨어를 잇는 경험을 쌓아왔습니다.

Education 백석대학교 컴퓨터공학부 정보통신학과
2019.03 – 2025.02

Course [KDT] HDC 랩스 스마트 IoT 풀스택 개발자 1기
2025.09 – 2026.02

License 정보처리기사 · 2025.09

구조 설계

병목 지점을 찾아 구조로 해결 — Rule vs LLM 분기처럼 아키텍처 레벨에서 문제를 제거합니다.

성능 최적화

응답속도·비용을 수치로 증명 — 직감이 아닌 측정 결과로 개선을 검증합니다.

IoT + AI 연결

MQTT · LLM · RAG를 연결한 경험 — 센서부터 자연어 응답까지 전체 흐름을 설계합니다.

// skills

Tech Stack

Strong

Spring Boot JPA MySQL MQTT

Experienced

RAG Pinecone FastAPI React React Native Python Docker Redis GitHub Actions

Familiar

Raspberry Pi Arduino Swagger Postman Notion Discord

// projects

My Projects

Main Project

NOVA — 스마트 아파트

IoT 디바이스와 AI 챗봇을 결합한 스마트 아파트 통합관리 플랫폼

Spring Boot JPA Gemini API RAG Pinecone MQTT React Native MySQL

🔴 문제

모든 요청을 LLM으로 처리
토큰 한도 초과, 비용 폭증
응답 지연 (4~5초)

🟡 해결

Rule 기반 Dispatcher 설계
단순 명령 → DB/API 직접 처리
복잡 질의만 LLM+RAG 호출

✅ 성과

토큰 사용량 60~80% 절감
응답 0.3~0.8초 (최대 90%↑)
자연어 IoT 제어 구현

Personal Project

Mindflow — AI 행동 코칭 챗봇

FastAPI · 11개 서비스 레이어 · Alembic 마이그레이션 · SSE 실시간 알림 · PWA 배포

GitHub 🌐 Demo

FastAPI Python Gemini API SQLAlchemy Alembic React 19 MySQL Redis Docker Compose GitHub Actions

🔴 문제

단일 파일에 856줄 비즈니스 로직 집중
런타임 ALTER TABLE로 DB 스키마 추적 불가
AI 호출 실패 시 서비스 전체 중단

🟡 해결

11개 서비스 레이어 완전 분리
Alembic 마이그레이션 도입
ChatIntentRouterService + AI fallback
APScheduler + SSE 실시간 이벤트 처리

✅ 성과

856줄 → 11개 서비스 클래스 분리
DB 스키마 버전 관리 체계 확립
SSE 실시간 알림 + PWA 배포
pytest 10개 파일 + CI/CD 자동화

AI Agent Project

Marketing Agent — 멀티 에이전트 자동화

키워드 하나로 수집 → 분석 → 콘텐츠 생성 → PDF 리포트 → 모니터링까지 자동화하는 9-에이전트 마케팅 파이프라인

Python Flask Gemini 2.5 Playwright SSE Jinja2 Multi-Agent

🔴 문제

마케팅 인사이트 수집·분석·콘텐츠 작성이 모두 수작업
각 단계가 분리되어 일관성 없는 결과물 생성
단일 LLM 호출로 토큰 낭비 및 컨텍스트 오염

🟡 해결

9개 전문 에이전트로 책임 완전 분리 설계
Flask SSE + Queue + Thread로 실시간 파이프라인 스트리밍
Playwright 이중 활용 (크롤링 + PDF 렌더링)
CLAUDE.md 기반 AI-assisted 개발 워크플로우 구축

✅ 성과

키워드 1개 입력 → 블로그·인스타·광고 카피 3종 자동 생성
Gemini 감성·트렌드·인사이트 분석 → PDF 리포트 자동 출력
네이버 블로그 / Instagram 자동 발행 에이전트 구현
job_id 기반 멀티 파이프라인 동시 실행 지원

// contact

Contact

함께 일하고 싶으시다면 편하게 연락주세요.

heewonn09@naver.com

github.com/heewonn09

velog.io/@heewon09

memo6759.tistory.com