김원혁Portfolio

여러 프로젝트와 머신을 오가며 Claude Code로 개발하는 환경을 지침·룰·서브에이전트 계층으로 직접 설계하고, 예제 하나를 기획부터 명세·위임·검증까지 관통시킨 과정을 공개한 워크드 예제입니다

서비스데스크로 들어오는 문의를 AI가 담당 팀에 자동 분류·배정하고, 근거가 충분한 단순 문의는 매뉴얼을 인용해 직접 답하되 민감하거나 근거가 부족하면 사람에게 넘기는 시스템입니다

데모 및 상세 설명

배경서비스데스크 문의 자동화를 실무에서 다루게 되면서, 사내 적용에 앞서 분류·근거응답·안전 판단 같은 핵심 설계를 자유롭게 실험하고 검증할 개인 PoC가 필요했습니다

가치반복되는 단순 문의를 근거까지 붙여 자동 응대하면서도 위험한 문의는 반드시 사람에게 넘겨, 담당자가 정말 판단이 필요한 일에만 집중할 수 있습니다

안전 레이어(answerability)"이 문의에 자동으로 답해도 되는가"를 별도로 판단해, 민감정보나 금지 카테고리·근거 부족 문의는 자동응답을 막고 사람 상담원에게 이관함으로써 환각과 오응답을 막습니다

데모문의 5건이 분류에서 근거 검색, 인용, 자동응답 또는 사람 이관으로 흐르는 전 과정을 담았고, 특히 매뉴얼(M_IT01)을 근거로 든 자동답변 화면과 피싱·계정도용 문의를 강제 차단해 이관하는 안전 장면, 실제 웹 접수 게시판 UI를 함께 보여줍니다

완전 오프라인 온디바이스 LLM이 기기 안에서 문자를 직접 읽어 중요한 것만 다이제스트로 선별하고 스미싱까지 잡아내, 문자 원문이 기기 밖으로 나가지 않는 Android 앱입니다

데모 및 상세 설명

배경하루에도 수십 통씩 쌓이는 문자·알림을 정리해 주는 앱을 쓰고 싶었지만, 문자 내용을 클라우드로 보내는 방식은 개인정보 때문에 꺼려졌습니다

가치문자 원문이 기기를 벗어나지 않으면서도 중요한 것만 골라주고 스미싱까지 걸러줘, 프라이버시 걱정 없이 알림 홍수를 정리할 수 있습니다

중요도 다이제스트수십 통이 쏟아져도 결제·납부기한처럼 지금 봐야 할 것만 위로 끌어올려 보여줍니다

사기(스미싱) 탐지중요도와는 별개의 축으로 단축URL·사칭 패턴을 잡아 "사기 의심" 경고를 띄웁니다

데모문자 홍수가 온디바이스 추론을 거쳐 다이제스트로 정리되는 트리아지 루프와, 스미싱 문자에 "사기가 의심돼요" 배너가 뜨는 상세 화면을 비행기 모드에서 촬영한 영상·GIF로 보여줍니다

알고리즘 43개 유형·426문항을 일곱 가지 퀴즈와 간격 반복(SRS)으로 이동 중에도 복습할 수 있게 만든 오프라인 Android 앱입니다

데모 및 상세 설명

배경자투리 시간에 알고리즘 감을 유지하고 싶었는데, 기존 문제풀이 앱은 한 번 푼 문제를 언제 다시 봐야 하는지 챙겨주지 않았습니다

가치자주 틀리는 유형은 더 자주, 잘 푸는 유형은 뜸하게 나와서 짧은 시간에 지금 가장 약한 부분을 집중해 복습할 수 있습니다

퀴즈OX·4/5지선다·주관식·Cloze·Parsons·유형판별 등 일곱 유형을 자동 채점하고, 틀리면 정답과 해설을 보여준 뒤 복습 큐로 되돌립니다

SRS 설계신규·난이도·지연·leech를 반영한 가중 랜덤 샘플러로 연속 정답일수록 출제 빈도를 단조 감소시켜 스페이싱을 보장하고, leech는 자동 해제됩니다

통계정답률·주관식 오답 감소율·주간 복습일 같은 진도 지표와 하루 목표, 라이트/다크 테마를 제공합니다

데모6일치 학습 진도를 결정적으로 주입한 "쓰던 앱" 상태에서 홈에서 퀴즈 풀이(정답·오답), 요약, 통계로 이어지는 실사용 흐름을 실기기 녹화와 스크린샷으로 보여줍니다

감정 엔진을 가진 캐릭터가 대화·기억·일정을 직접 관리하고 코딩 같은 태스크는 하위 에이전트에 맡기는, 인터넷 없이 도는 개인 AI 동반자입니다

데모 및 상세 설명

배경개인적인 대화를 나눌 AI 동반자를 만들어 보고 싶었지만, 대화와 기억이 외부 서버로 나가는 것도 감정을 매번 LLM에 물어보느라 느리고 들쭉날쭉한 것도 마음에 걸렸습니다

가치모든 대화와 기억이 기기 안에만 남아 사생활이 지켜지고, 감정 상태가 결정론적으로 유지돼 같은 캐릭터가 일관된 성격으로 반응합니다

감정 엔진valence·arousal·dominance(VAD) 연속 상태를 축별 시간 감쇠(half-life)로 결정론적으로 유지하고, 매 턴 그 상태를 해석하는 부분(mood-congruent appraisal)만 LLM이 맡아 같은 말도 기분에 따라 다르게 받아들입니다

기억md 위키를 정본으로 두고 SQLite FTS5 + sqlite-vec에 BGE-M3 임베딩을 얹은 하이브리드 RAG로 검색하며(RRF 융합), 쓰기는 검증기를 거쳐 git 커밋으로 감사 추적됩니다

서빙로컬 vLLM에 EXAONE 3.5 7.8B AWQ 단일 모델을 올려 시스템 프롬프트로 역할만 바꿔 멀티롤로 씁니다

데모같은 8턴 시나리오를 브라우저(감정 게이지 시각화)와 터미널(감정 수치·로컬 md/git 노출) 두 형태로 녹화해, 이름을 지어주고 기분이 오르내리며 시드된 기억을 정확히 회상하고 피보나치 코드를 하위 에이전트에 위임하는 장면을 보여줍니다