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.

클로드 코드(Claude Code)

— Anthropic에서 출시한 CLI 기반의 AI 코딩 에이전트로, 터미널 내에서 직접 코드를 작성, 실행 및 수정할 수 있는 도구이다.

오넷(O*NET)

— 미국 노동부에서 운영하는 직업 정보 네트워크로, 수천 개의 직업에 대한 상세한 업무 내용, 필요 기술 및 특성을 데이터베이스화한 자원이다.

퍼지 매칭(Fuzzy Matching)

— 정확히 일치하지 않는 문자열이나 데이터를 유사도 기반으로 연결하는 기법으로, 이 프로젝트에서는 데이터셋에 없는 직업을 유사한 표준 직업과 매칭하는 데 사용됐다.

슈파베이스(Supabase)

— PostgreSQL 기반의 오픈소스 백엔드 서비스(BaaS)로, 이 프로젝트에서는 생성된 직업별 내러티브와 데이터를 저장하고 캐싱하는 데이터베이스 역할을 한다.

미국 노동통계국(BLS)

— 미국 정부의 주요 통계 기관 중 하나로, 노동 시장 활동, 작업 조건 및 경제 내 가격 변동에 대한 데이터를 수집하고 분석한다.