전은배

신입 · 2026.02 학사 졸업 · 2026.12.21부터 입사 가능

기획하고, AI 에이전트와 만들고, 사람들에게 써 보게 합니다.

신입 엔지니어 전은배입니다. 무엇을 만들지와 통과 기준은 데이터로 정하고, 구현은 AI 코딩 에이전트와 함께 하며, 테스트·봇 시뮬레이션·사용자 지표로 확인한 것만 내보냅니다.

설치·가입 없이 지금 바로 플레이되는 웹게임 21종 jelly-city.fly.dev

46일
AI 에이전트와 웹게임 21종을 혼자 출시·운영
701 / 745
에이전트와 공동 작성한 커밋 (2026.11.20 기준)
4,252판
드림 러너 실사용자 플레이 (2026.11.20 기준)
59%
순위표 사용자 중 로그인 없이 기록을 남긴 비율
  1. 젤리 게임즈링크 하나로 같이 하는 웹게임 21종
  2. AgentLab에이전트를 배우고 설계하는 곳
  3. 젤리 서울 러너실시간 공공데이터로 만든 서울
  4. Latent Atlas돌려 보는 머신러닝 도감

AI 에이전트와 일하는 방식

구현은 에이전트가, 문제 정의와 통과 기준과 검수는 제가 맡습니다. 이 분업이 실제로 돌아가게 만든 규칙 네 가지입니다.

  1. 지시서로 쪼개고, 하나씩 검수합니다

    지시가 쌓이면 에이전트가 일부만 하고 끝났다고 보고하는 문제가 있었습니다. "지시 → 작업 지시서에 구체화 → 하나씩 수행 → 스크린샷 검수 → 커밋" 규칙을 저장소의 작업 규칙 파일에 넣어 해결했습니다.

    작업 규칙 (CLAUDE.md)
  2. 통과 기준은 숫자로 정합니다

    서버 코드를 빠른 가짜 시계로 수천 판 돌리는 봇 시뮬레이션으로 점령전 공격팀 승률을 76~84%에서 50~57%로 맞췄습니다. 신규 맵 30종은 자동 플레이 봇(빔 탐색)이 3개 난이도를 모두 완주한 것만 내보냈습니다.

  3. 결정과 이유를 남기고, 틀리면 되돌립니다

    모바일 의견을 듣고 숙이기 조작을 바꿨다가, 기록 경쟁 게임은 기기마다 규칙이 달라서는 안 된다는 원칙을 세우고 되돌렸습니다. 이런 판단과 근거를 의사결정 기록으로 남깁니다.

    의사결정 기록
  4. 외부 데이터로 만든 결과는 화면으로 확인합니다

    북촌 한옥마을이 붉은 벽돌 동네로 그려진 것을 화면 검수에서 발견했습니다. 원인은 건축물대장 구조 코드 범위 오류였고, 실제 코드 분포를 뽑아 고쳤습니다.

에이전트 이전에는 직접 구현했습니다. 논문 실험 코드(BERT 11종 파인튜닝과 앙상블), 캡스톤 SPEIS의 예측 모델·챗봇·React 화면, 해커톤의 React/Node.js 풀스택과 AWS EC2 배포·CI/CD. 전공에서는 자료구조, 운영체제, 데이터사이언스, 선형대수학 등 7과목에서 A+를 받았습니다. 그래서 에이전트가 쓴 코드의 구조를 읽고 판단할 수 있습니다.

대표 프로젝트 · 웹게임 플랫폼

젤리 게임즈

설치도 가입도 없이 링크 하나로 친구와 같이 하는 곰돌이 젤리 웹게임 21종입니다. 3D 러너부터 팀 슈팅, 퍼즐, 끝말잇기까지 한 서버에서 돌아가고, 2026년 10월부터 혼자 운영하고 있습니다.

규모
웹게임 21종 · JavaScript 약 73,000줄
개발
커밋 745개 중 701개 에이전트 공동 작성
구조
의존성 2개(three, ws), 에셋 파일 없이 전부 코드로 생성
사용
드림 러너 4,252판 · 26.8시간 (11월 20일 기준)
  • 공정성 브라우저에서 점수를 조작할 수 있는 문제를, 서버가 출발표에 서명하고 입력 기록을 같은 게임 코드로 다시 돌려 거리를 직접 계산하는 구조로 풀었습니다. 테스터가 찾은 구멍 3개를 막았습니다.
  • 가설 검증 설치·가입에서 이탈한다고 보고 로그인 없이 방·초대·기록을 쓰게 설계했습니다. 순위표 32명 중 19명(59%)이 비로그인 사용자입니다.
  • 지표 → 결정 판수의 71%가 최고 난이도에 몰리고 번 별의 8%만 쓰인 것을 보고, 첫 방문 기본 난이도를 노멀에서 하드로 바꿨습니다.

맡은 일 문제 정의, 규칙과 보상 수치, 배포 기준, 검수와 운영. 동기 20여 명의 의견 100건 이상을 버그 → 불공정 → 편의 → 새 기능 순으로 처리해 대부분 당일 배포했습니다.

  • three.js 0.169
  • Node.js
  • WebSocket
  • Docker
  • Fly.io
  • OpenAI API
  • Claude Code

학습과 설계 도구 · 공개 서비스

AgentLab

AI 에이전트를 그려서 설계하고 배우는 작업 공간입니다. 노드를 끌어다 이으면 실행되는 LangGraph 코드가 만들어지고, Google 로그인으로 프로젝트를 저장하고 링크로 공유합니다.

학습
8개 모듈, 43개 강의, 자동 채점 과제와 퀴즈
플레이그라운드
패턴 13종, 코드 실시간 생성, 오류는 빨강·병목은 노랑
실행 트레이스
노드별 State, LLM 메시지·도구 호출·토큰을 실시간 표시
프로젝트
자동 저장, 보기 전용 공유 링크, 내 공간으로 복제
  • 격리 실행 공개 서버에서 남의 Python을 돌리므로 실행마다 임시 디렉터리, CPU·메모리·프로세스 수 제한, 타임아웃, 동시 실행 상한, 사용자별 하루 한도를 둡니다. API 키가 없으면 Mock LLM으로 실습합니다.
  • 검증한 것만 강의 43개의 예제와 정답을 모두 실제로 실행해 확인하고, LLM이 고도화한 코드는 검증을 통과해야 캐시에 올립니다.

맡은 일 커리큘럼과 제품 기획, 사용 경험 설계, 강의와 코드 검수. 구현은 AI 코딩 에이전트와 함께 했습니다.

  • Next.js
  • React Flow
  • FastAPI
  • LangGraph
  • Supabase
  • Cloud Run

공공데이터 오픈월드

젤리 서울 러너

실제 지도와 건축물대장, 실시간 공공데이터로 만든 서울 25개 구 웹 오픈월드입니다. 역에는 실제 도착 정보대로 열차가 들어오고, 버스는 실제 GPS 위치대로 달립니다.

서울
25개 구를 2km 칸 201개로 연결
세계
건물 약 55만 채, 가게 약 42만 곳을 실제 위치에
데이터
공공·공개 데이터 9종, 그중 실시간 API 4종
  • API 제약 호출 수 제한과 키 노출 문제를, 키는 서버에만 두고 서버가 15초(지하철)~5분(도시데이터) 기억한 값을 모든 클라이언트가 읽는 구조로 풀었습니다. 접속자가 늘어도 공공 API 호출 수는 그대로입니다.
  • 성능 느려지는 원인을 이동 속도가 아니라 프레임 저하로 진단하고, 메시 병합·인스턴싱·글씨 아틀라스로 그리기 호출을 여의도 1,108 → 약 300, 홍대 896 → 약 330으로 줄였습니다.

맡은 일 목표와 품질 기준, 데이터 선택, 화면 검수. 이름·이메일·IP를 저장하지 않는 익명 이용 지표(퍼널, D1·D7, 기기별 프레임)를 설계해 막 수집을 시작했습니다.

  • three.js
  • OpenStreetMap
  • 브이월드
  • 서울 열린데이터광장
  • 공공데이터포털
  • Claude Code

학습 사이트

Latent Atlas

선형 회귀부터 Mamba까지, 머신러닝 개념을 돌려 볼 수 있는 3D 그림으로 정리한 도감입니다. 개념마다 설명, 쓰임새, 산업 사례, Python 코드가 붙어 있고, 본문의 기술 용어를 누르면 그 개념으로 이어집니다.

개념
294개, 18장
부록
용어 150개, 7장
언어
12개, 브라우저 언어로 자동 선택
그림
전부 회전하는 3D

맡은 일 콘텐츠 구성과 기획, 사용 경험 설계, 설명과 코드 검수. 구현은 AI 코딩 에이전트와 함께 했습니다. NLP 연구에서 쌓은 개념 이해를 남이 쓸 수 있는 형태로 만든 프로젝트입니다.

  • three.js
  • Python 빌드
  • Vercel

그 밖의 프로젝트

SK AX SKALA · 6인 팀 리더·PM

이벤트 인지형 서울 교통 예측·드리프트 대응

"드리프트를 감지하면 즉시 재학습"이 당연해 보였지만, 75일 재현 실험에서 즉시 재학습(RMSE 1.732, 11회)이 14일 주기(1.669, 5회)보다 나빴습니다. 그래서 "감지는 경보만, 교체는 배포 게이트를 통과한 모델만"으로 운영 정책을 바꿨습니다.

경기·집회 일정을 피처로 넣어 이벤트 시간대 오차를 기준 모델 대비 약 32% 줄였습니다(2.80 → 1.89km/h).

  • Keras LSTM
  • MLflow
  • FastAPI
  • Docker
  • GitHub Actions
GitHub 저장소

SK AX SKALA · 6인 팀

KV Cache 기술 비교 평가 Multi-Agent RAG

근거 없는 주장이 보고서에 섞이는 문제를 표적 재시도 루프로 풀었습니다. 검증 Agent가 주장을 근거와 대조하고, 실패하면 그 주장을 만든 Agent만 다시 실행합니다. 근거가 없으면 "정보 부족"으로 표기합니다.

병렬 Agent가 임베딩·재정렬을 동시에 호출할 때 나던 세그폴트의 원인을 찾아 전역 락으로 해결했습니다. 팀 평가에서 Hit Rate@3 0.867.

  • LangGraph
  • FAISS·BM25
  • bge-reranker
  • OpenAI API
GitHub 저장소

캡스톤 · 4인 팀 · 직접 구현 · 학회 우수상

스토리포인트 예측 애자일 협업 플랫폼 (SPEIS)

TF-IDF와 SBERT 특성에 XGBoost·LightGBM·CatBoost 앙상블을 얹어 선행 연구 대비 MAE를 약 13% 줄였습니다. 모델을 Hugging Face Spaces에 배포해 Spring Boot 백엔드와 연동했습니다.

팀·이슈 데이터를 컨텍스트로 넘겨 팀원별 진행 상황을 답하는 LangChain 챗봇과 React 화면을 구현했습니다.

  • scikit-learn
  • SBERT
  • LangChain
  • React
GitHub 저장소

해커톤 · 6인 팀 PM 겸 풀스택 · 직접 구현

지역 인재·지방 이전 기업 매칭 플랫폼 (오작교)

기업·지원자·이력서 엔티티 관계를 설계하고 CRUD API와 지원자·기업용 화면을 구현했습니다. 프론트엔드와 백엔드를 AWS EC2에 배포하고 GitHub Actions로 CI/CD를 구축했습니다.

  • React
  • Node.js
  • AWS EC2
  • GitHub Actions

이력

연구

  • Scientific Reports 게재 (SCIE, JCR Q1) · 제2저자BERT 기반 모델의 적응형 앙상블로 한국어·영어 혐오 표현 탐지, 2025.06. BERT 11종을 파인튜닝하고 앙상블을 직접 구현해 한국어 F1 0.89. 논문 보기
  • 서강대학교 인공지능학과 NLP & ISDS Lab 연구인턴2026.01 ~ 03. 공유 GPU(A100 4장, 연구원 약 10명)에서 32B VLM을 vLLM으로 OOM 없이 서빙하고, 이미지-설명 일치 검증을 CLIP에서 Qwen3-VL-Embedding-8B로 바꿨습니다.
  • 전북대학교 Applied AI Lab 학부연구생2024.05 ~ 12. L40S GPU 서버 관리, NLP 실험 설계와 논문 작성.

경력·활동

  • 미국 커리큘럼 프로그래밍 강사휴몬랩코딩, 2026.01 ~ 09. 국제학교 학생에게 USACO(C++)와 AP Computer Science A를 영어·한국어로 강의.
  • SK AX SKALA채용 연계형 AI 인재 양성 과정, 2026.07 ~ 12 (862시간, 수료 예정). 팀 프로젝트 대부분에서 팀 리더·PM.
  • 데이터사이언스 교과목 조교전북대, 2024.09 ~ 12. 수강생 40여 명 대상 Kaggle 경진대회 기획, 실습 코드를 Colab으로 통합.
  • 공군 병장 만기전역운항관제, 2022.07 ~ 2024.04

수상·자격

  • 한국정보기술학회 하계 대학생 논문 경진대회 우수상2025.06, 캡스톤 SPEIS
  • JBNU SW/AI 경진대회 AI 전공자 부문 은상2025.06, 팀 수상. Gemma2를 QLoRA로 파인튜닝
  • OPIc 영어 Advanced Low (AL)2026.09 취득 · 2028.09까지 유효
  • SQLD (SQL 개발자)2025.12

학력

  • 전북대학교 소프트웨어공학과 학사2024.03 편입 ~ 2026.02 졸업 · 전공평점 4.0 / 4.5전공 A+ 7과목 데이터사이언스선형대수학자료구조운영체제소프트웨어공학캡스톤프로젝트소스코드분석고급웹프로그래밍
  • Seneca College (캐나다 토론토) Broadcasting-Television2018.09 ~ 2020.06 · Diploma

걸어온 길 호주·캐나다에서 3년 넘게 지내며 방송영상을 전공했습니다. 개발자 친구들이 실제 서비스를 만드는 모습을 보고 React를 독학했고, 귀국 뒤 학점은행제로 컴퓨터공학 80학점을 채웠습니다. 공군 복무를 마치고 편입한 첫 학기부터 연구실에 들어가 논문을 썼습니다.

기술

AI·LLM
LangChain·LangGraph, RAG(FAISS·BM25·reranker), OpenAI API(Structured Outputs·Tool calling), vLLM, Hugging Face, QLoRA·DPO, LLM-as-a-Judge
AI 코딩
Claude Code: 작업 설계와 위임, 작업 지시서·규칙 파일 운영, 병렬 에이전트, 교차 검증
언어
Python, JavaScript, Java, C++, SQL
웹·백엔드
React, Node.js, WebSocket, FastAPI, Spring, Next.js, three.js
ML
PyTorch, scikit-learn, Keras, XGBoost·LightGBM·CatBoost, Pandas, NumPy
인프라
Docker, GitHub Actions, AWS EC2, Fly.io, Vercel, Firebase, MLflow, Linux, GPU 서버(L40S·A100)

함께 일할 팀을 찾고 있습니다

AI Native SW Engineer 신입으로 2026년 12월 21일부터 일할 수 있습니다. 근무지는 수도권을 희망합니다.