하루 작업 요약 (2026-03-26)
1. 작업 분포
| 카테고리 | 비중 | |
|---|
| AWS 자격증(SAA-C03) 학습 | 35% | ███░░░░░░░ |
| 백엔드 데이터 API 및 스크립트 | 35% | ███░░░░░░░ |
| 프론트엔드 UI/UX 개선 | 20% | ██░░░░░░░░ |
| 데이터 머지 및 유지보수 | 10% | █░░░░░░░░ |
2. 집중 영역 / 시간 소모 포인트
생산적 작업
- SAA-C03 성적 향상: 1차 시험(56%)의 오답 패턴(Storage Gateway, IAM 등)을 분석하여 집중 보완한 결과, 2차 시험에서 60%대로 진입함.
- 퀴즈 데이터 결손 복구:
SAA-C03_exam_v2.html 내 옵션이 누락된 문제(477, 710)를 로컬 이미지를 활용해 텍스트로 복구하고, JSON 데이터를 수정하여 퀴즈 앱 무결성을 확보함.
- 프론트엔드 UI 개선:
PipelineTipCard 컴포넌트가 지나치게 간결하여 정보 전달력이 떨어지는 문제를 해결하기 위해, why(이유)와 foreigner_trap(주의사항) 필드를 시각적으로 명확하게 보여주도록 UI 로직을 수정함.
- 데이터 품질 전략 수립: 다국어 번역보다 한국어 원문의 퀄리티(상황 설명, 트랩 등)를 먼저 보강하는 방향으로 데이터 전략을 확정하고, 이를 자동화할 수 있는 백엔드 스크립트 로직을 구성함.
삽질/시간 소모 포인트
- 웹 스크래핑 실패 및 전환: ExamTopics에서 403 에러로 데이터 수집이 차단됨에 따라, 자동화 스크래핑을 포기하고 로컬 이미지 분석을 통한 수작업 복구로 방향을 전환해야 했음.
- API 통신 설정 이슈: 외부 API가 아닌 내부
coding plan 프록시 엔드포인트를 사용해야 함을 초기에 간과하여 엔드포인트 수정이 발생함.
- 추론 모델 타임아웃:
glm-4.7 모델의 특성으로 인해 응답 시간이 길어져 기존 타임아웃 설정에서 에러가 발생. 이를 해결하기 위해 요청 라이브러리를 urllib으로 변경하고 타임아웃을 120초로 늘리는 작업이 필요했음.
- 잔액 부족 에러: API 호출 테스트 중 429(잔액 부족) 에러가 발생하여 작업이 일시 지연됨.
3. 타임라인
| 시간 | 대상 | 내용 |
|---|
| 09:12 | 🦦 | SAA-C03 기출 문제 풀이 결과(56%) 공유 및 오답 분석 요청. |
| 09:13 | 🦦 | Storage Gateway, IAM 권한 방향 등 7가지 취약 패턴 분석 결과 공유. |
| 10:05 | 🦦 | 분석 내용을 Obsidian(2026-03-26-SAA-C03-오답분석.md)에 저장 요청. |
| 10:15 | 🦦 | 점수 정체 불안감 토로. AI가 취약 개념 5개 집중 공략 제안. |
| 13:28 | 🦦 | 재시도 결과 60%대 진출 성공 및 새로운 오답 리스트 전달. |
| 13:29 | 🦦 | 2차 오답 분석. Aurora vs RDS, 보안 서비스 구분, NLB 이슈 등 정리. |
| 13:38 | 🦦 | Q704 문제 정답(NLB)은 맞췄으나 복수 정답(다중 AZ ASG) 누락을 지적받음. |
| 13:41 | 🦦 | 옵션이 누락된 문제(477 등)를 찾아 수정 요청. |
| 13:43 | 🦦 | Python 스크립트 실행으로 빈 옵션 문제(477, 710) 식별. |
| 13:45 | 🦦 | 웹 스크래핑 시도 실패(403). |
| 13:47 | 🦦 | 로컬 이미지 경로 제공 및 이미지 기반 수정 지시. |
| 13:55 | 🦦 | Q477, Q710 옵션 복구 완료. |
| 17:54 | 🦦 | Locally 앱용 팀원 데이터 JSON 머지 요청. |
| (Afternoon) | 🦦 | PipelineTipCard 컴포넌트 UI 개선. why와 foreigner_trap 필드를 styled-components를 사용하여 파란색/빨간색 박스로 명시적으로 표시하도록 수정. |
| 23:05 | 🦦 | 카드 UI 허전함 원인(데이터 부족) 논의 및 한국어 퀄리티 보강 방향성 확정. |
| 23:09 | 🦦 | api.py 확인 후 enrich_tips.py 스크립트 생성 및 테스트 시도. |
| 23:20 | ⌨️ | 모델명 오류 수정 후 재시도. |
| 23:22 | 🦦 | 429(잔액 부족) 에러 발생 및 내부 엔드포인트 수정 제안. |
| 23:23 | 🦦 | URL을 내부 프록시 주소로 수정. |
| 23:25 | ⌨️ | glm-4.7 타임아웃 발생. urllib.request로 변경하고 타임아웃을 120초로 설정. |
| 23:29 | 🦦 | API 연동 성공 확인. 전체 61개 처리 예상 시간 측정 시작. |
4. 해결한 문제와 인사이트
핵심 문제 해결
- 퀴즈 앱 데이터 무결성 회복: 웹 스크래핑 실패 시 로컬 이미지 백업을 활용하여
SAA-C03_exam_v2.html의 결손 데이터를 성공적으로 복구함. 외부 의존도를 줄이는 안정적인 대처 방식이었음.
- 프론트엔드 정보 전달력 강화:
PipelineTipCard 컴포넌트에 WhyBox(파란 배경)와 TrapBox(빨간 배경)를 추가하여, 사용자에게 ‘이유’와 ‘주의사항’을 직관적으로 전달하도록 UI 레이아웃을 개선함.
- 백엔드 API 안정화: 추론형 모델(
glm-4.7) 사용 시 발생하는 타임아웃 이슈를 urllib 라이브러리 도입 및 120초 타임아웃 설정을 통해 해결하고, 올바른 내부 프록시 엔드포인트를 연결하여 데이터 보강 스크립트가 정상 작동하도록 함.
인사이트
- 복수 정답 문제 전략: AWS 시험에서 개념적 이해가 있어도 문제 조건의 “선택 개수”를 놓치면 틀릴 수 있음(Q704 사례). 선지를 하나하나 검증하는 꼼꼼함이 필요함.
- 개발 순서의 중요성: 외국인 대상 앱의 경우, 무리한 다국어 번역보다 한국어 원본의 품질과 맥락(상황, 트랩 설명 등)을 먼저 완벽하게 만드는 것이 데이터 품질 향상에 효율적임.
- 추론형 모델 사용 시 고려사항: GPT-4와 같은 추론형 모델은 응답 생성 시간이 길 수 있으므로, HTTP 클라이언트 라이브러리 선택(
requests vs urllib)과 타임아웃 설정에 신경 써야 함.
5. 주요 다룬 파일
2026-03-26-SAA-C03-오답분석.md: SAA-C03 1차/2차 시험의 오답 패턴 분석 결과를 저장한 파일.SAA-C03_exam_v2.html: 725개의 기출문제를 포함한 HTML 파일.
- 수정 내용:
ALL_Q 배열 내 num=477, num=710 항목의 빈 options 객체에 로컬 이미지 분석을 통해 추출한 텍스트를 추가하여 복구함.
src/components/PipelineTipCard.jsx: 프론트엔드 카드 컴포넌트.
- 수정 내용:
why, foreigner_trap 데이터를 props로 받아, styled-components를 활용해 시각적으로 구분된 박스(파란색/빨간색)로 렌더링하는 로직을 추가함.
enrich_tips.py: 데이터 보강을 위한 파이썬 스크립트.
- 생성 내용: 내부
coding plan API 엔드포인트를 호출하여 GLM-4.7 모델로 데이터를 재작성하도록 구성함. urllib을 사용하고 타임아웃을 120초로 설정하여 장기 응답을 처리함.
Supported by ai-log-sync & GLM-4.7