Anthropic 경제 지수 데이터를 활용한 756개 직업 경력 전망 도구 개발기

작성자의 도구 제작 시도에 대해 대체로 긍정적인 반응이며, 자신의 직업 점수를 확인하려는 흥미를 보였다.

• 복잡한 아키텍처 설계는 Opus와 같은 고성능 모델에 맡기고, 대량의 텍스트 생성 작업은 Haiku와 같은 경량 모델을 사용하여 비용과 성능을 최적화하라.
• LLM으로 생성한 결과물을 Supabase와 같은 DB에 캐싱하여 중복 생성 비용을 줄이고 시스템 성능을 개선하라.

• 아키텍처 설계에는 고성능 모델(Opus)을, 반복적인 데이터 생성에는 경량 모델(Haiku)을 사용하는 이중 모델 전략으로 개발 효율과 실행 비용의 균형을 잡았다.
• Supabase를 활용한 결과값 캐싱을 통해 LLM 생성 비용을 절감하고 사용자에게 빠른 응답 속도를 제공하는 프로덕션 수준의 워크플로우를 구축했다.
• 데이터셋에 없는 예외 케이스를 LLM의 지식 기반 퍼지 매칭으로 처리하여 데이터 커버리지를 유연하게 확장하는 방법론을 적용했다.