[인프런 챌린지] 돌아온 작심삼일 챌린지 - 공부한 만큼 상금이 커져요!

일본어 공부 SQL 공부 마지막 회고 항상 느끼지만 하루가 제일 소중하다고 생각이 든다. 하루가 별 것 아니지만 그 하루가 벌써 한달이 되었으니.. 다음 챌린지도 열심히 하겠습니다.

알고리즘 1문제 풀기 추가 미션 (필수 미션2) 오늘은 9월 챌린지의 마지막 미션이 진행되는 날입니다. 챌린지를 진행하며 느꼈던 점과 나만의 학습 경험을 자유롭게 회고해주세요! 중간에 한번 빼먹었지만..ㅠㅠ 그래도 만족한 9월 챌린지였습니다.

오늘은 AI와 LLM의 기본 개념을 이해하고, Spring AI를 이용해 Spring 애플리케이션에서 OpenAI 모델을 호출하는 방법을 학습했다. AI는 능력 수준에 따라 특정 작업에 특화된 좁은 인공지능(ANI), 인간과 유사한 범용 인공지능(AGI), 인간의 능력을 넘어서는 초인공지능(ASI)으로 구분할 수 있었다. 현재 사용하는 생성형 AI는 특정 범위의 작업을 수행하는 좁은 인공지능에 해당하며, 데이터를 바탕으로 새로운 콘텐츠를 생성한다는 특징이 있다. LLM은 입력된 문장을 작은 단위로 나누는 토큰화, 토큰을 숫자 벡터로 바꾸는 임베딩, 문맥을 분석해 다음 단어를 예측하는 트랜스포머의 흐름으로 동작한다. 모델은 학습 시점 이후의 정보나 사내 문서를 알 수 없으므로 최신 지식이 필요할 때는 웹 검색이나 검색 증강 생성(RAG)을 활용해야 한다는 점도 이해했다. 생성형 AI는 환각, 편향, 지식 갱신 지연과 판단 근거를 설명하기 어렵다는 한계가 있다. 기업 환경에서는 개인정보와 사내 기밀의 외부 전송, 규제 준수와 저작권 문제도 검토해야 하므로 AI의 답변을 그대로 신뢰하기보다 사람의 검증과 결정론적인 규칙을 함께 적용해야 한다. Spring AI는 JdbcTemplate이나 RestClient처럼 반복되는 연동 코드를 추상화하여 여러 AI 제공자를 일관된 방식으로 사용할 수 있게 해준다. Spring Initializr에서 OpenAI 의존성을 추가하고 BOM으로 버전을 관리했으며, API Key는 코드에 직접 작성하지 않고 환경 변수로 설정하는 보안 원칙도 확인했다. ChatClient에서는 prompt()로 요청을 시작하고 user()로 메시지를 구성한 뒤 call() 또는 stream()으로 모델을 실행하고 content()로 결과를 받을 수 있었다. 이를 Controller와 연결해 동기 응답 API와 Flux 기반 스트리밍 API를 구현하는 흐름도 학습했다. 마지막으로 모델 종류, temperature, 최대 토큰 수를 통해 응답의 품질과 다양성, 길이와 비용을 조절할 수 있다는 점을 알아보았다. 또한 HTTP 401은 API Key 설정을, 429는 사용량과 호출 한도를 확인해야 하며, 상태 코드뿐 아니라 오류 응답 본문을 함께 읽는 습관이 중요하다는 점을 배웠다.

목표: SQL SELCET 중급이상 문제 5문제 풀기 2차 미션: 돈도 받고 겸사겸사 공부도 하고 개꿀바라띠