수학 문제를 AI가 만들 수 있을까?
학생에게는 새로운 문제가 필요하지만, 강사가 양질의 문제를 계속 직접 만드는 데에는 많은 시간이 필요했습니다. MathGenix은 이 문제를 AI로 줄일 수 있을지 묻는 데서 시작했습니다.
02 · DEV LOG
실제 개발 과정에서
겪은 문제와 해결 기록.
성공담만이 아니라 작동하지 않은 코드, 잘못된 선택과 다시 바꾼 이유를 시간순으로 남깁니다.
처음에는 ChatGPT가 짜준 코드를 복사해서 개발했다
HTML을 조금 알던 상태에서 Python을 배우고, AI가 만든 코드를 직접 복사해 파일을 만들었습니다. 작은 프로그램에서는 가능했지만 프로젝트가 커지자 한계가 분명해졌습니다.
코드 복사·붙여넣기 방식이 한계에 부딪힌 순간
파일과 기능이 늘어나면서 어느 코드를 어디에 넣어야 하는지, 한 수정이 다른 기능에 어떤 영향을 주는지 파악하기 어려워졌습니다.
Codex를 사용하면서 개발 방식은 어떻게 달라졌을까?
코드 한 조각을 받는 방식에서 프로젝트 전체를 함께 살피고 수정·검증하는 방식으로 바뀌었습니다. 동시에 사람의 판단이 더 중요해졌습니다.
일반 DB 대신 Neo4j를 선택한 이유 — 관계 데이터가 필요했다
기술이 멋져 보여서가 아니라 문제 사이의 관계를 저장하고 탐색하는 일이 필요해지면서 그래프 데이터베이스를 검토하게 됐습니다.
내 PC에서 돌아가던 AI 프로그램을 실제 서비스로 만들려면
로컬 프로그램은 내 컴퓨터가 켜져 있을 때 나만 사용할 수 있습니다. 다른 사용자가 접속하는 서비스에는 도메인, 서버, 보안과 운영 구조가 필요했습니다.