운영 기록
이 자리에 모인 글은 전부 제가 직접 걸려서 재본 것들입니다. 대부분은 읽고 정리한 것이 아니라, 안 되는 화면을 앞에 두고 원인을 찾을 때까지 재본 기록입니다. 개발을 공부하며 직접 실행해 본 기록과, 다른 개발자의 글을 읽고 실무에 비춰 본 읽기 기록도 함께 쌓습니다. 그래서 주제가 예쁘게 이어지지 않습니다. 티스토리 스킨 치환자 이야기 다음에 GitHub Actions 스케줄 이야기가 오고, 그 다음이 다시 도메인 이야기입니다. 막힌 순서대로 쌓았기 때문입니다.
쓸 때 지키는 것이 세 가지 있습니다. 첫째, 숫자는 어떻게 쟀는지 같이 적습니다. “느리다"가 아니라 몇 초였고 무엇으로 쟀는지를 적습니다. 둘째, 틀렸던 것은 지우지 않고 정정합니다. 처음에 세운 가설이 실측에서 깨지면 그 과정을 남깁니다 — 틀린 경로를 지워버리면 다음 사람이 같은 곳에 다시 들어갑니다. 셋째, 확인하지 못한 것은 확인하지 못했다고 적습니다. 그럴듯하게 채우면 읽는 사람이 검증하는 데 드는 시간이 제가 아낀 시간보다 커집니다.
공식 문서가 이미 잘 설명하는 것은 여기 없습니다. 문서와 실제가 어긋난 지점, 문서 문장을 제가 잘못 읽었던 지점, 그리고 로컬에서는 멀쩡한데 라이브에서만 깨지던 것들이 남았습니다. 같은 데서 막힌 사람이 검색으로 닿기를 바라며 적습니다.
JVM 시작 330초를 3초로 줄인 CRaC: 체크포인트 이미지에 같이 얼어붙는 것들
워밍업이 끝난 JVM을 통째로 저장했다가 새 파드에서 되살리는 CRaC 도입기를 읽고, 원리와 단점을 공부해 문서·소스와 Docker 실측으로 확인한 읽기 기록입니다. 열린 소켓, 약한 참조로 사라지는 Resource, 복제본끼리 같은 난수, 이미지에 평문으로 남는 비밀값, CPU 기능 불일치를 다룹니다.
읽기 →에이전트 루프는 몇 바퀴 도나: 27바퀴, 50바퀴 상한, 상한 없이 돌린 폴링을 직접 돌려 본 기록
LLM 에이전트가 도구만 계속 부르고 답을 안 줄 때 하네스 안에서 무슨 일이 일어나는지, 에이전트 루프를 Gemini로 돌려 바퀴 수·토큰·실패 처리를 로그로 확인했습니다.
읽기 →LLM 도구 호출(function calling)은 누가 실행할까 — 하네스 코드로 따라가 본 tool_use 한 바퀴
모델에 도구를 붙이면 응답에 실행 결과가 아니라 '이걸 실행해 달라'는 JSON이 돌아옵니다. MIT 공개 코드의 v2 하네스를 Gemini로 옮겨 돌린 로그로 요청과 결과가 메시지 배열에 끼어드는 자리, Anthropic과 Gemini 형식 차이, 허용목록이 필요한 이유를 확인합니다.
읽기 →LLM 대화를 매번 통째로 보내면 서버는 다시 계산할까 — 프롬프트 캐싱 실측
LLM API는 대화 배열 전체를 매번 다시 받습니다. 이미 보낸 앞부분을 서버가 어떻게 알아보고 재사용하는지(해시로 맞추는 프리픽스 캐싱, 이름으로 부르는 캐시, 서버가 대화를 들고 있는 방식)를 제공사 문서와 Gemini 실측으로 정리했습니다.
읽기 →AI가 코드를 짜도 남는 것: 기본기와 설계
AI 코딩 도구를 실무에 쓰면서 진로가 흔들리던 5년차 백엔드 개발자의 읽기 기록입니다. 글이 말하는 「모든 개발자는 AI 팀의 관리자」 일곱 줄을 실제 작업 설정과 맞대어 보고, 기본기와 아키텍처 설계를 어떻게 다질지 정한 계획을 적었습니다.
읽기 →LLM은 앞 질문을 어떻게 기억하나 — 대화는 매번 통째로 보내는 JSON 배열입니다
LLM API로 두 번째 질문을 보내면 모델이 첫 질문을 아는 것처럼 답합니다. 세 번 호출한 실제 요청·응답 로그로, 대화가 내 코드의 배열 하나라는 것과 이번 Gemini 실행에서 입력 토큰이 직전 호출 전체만큼 불어난 과정, 그리고 그렇게 자라는 배열에 컨텍스트 한도가 있는 이유를 보여 드립니다.
읽기 →