코드 한 줄 직접 쓰지 않고 13일 만에 구축한 브라우저 기반 VDJ 서비스 slerp.audio

AI를 활용한 개발 생산성 향상에 대해 매우 긍정적인 반응이며, 특히 구체적인 토큰 사용량과 비용 통계에 높은 관심을 보였다.

• 에이전트 모드를 사용하기 전에 항상 마크다운 형식의 계획서를 먼저 작성하여 AI의 방향성을 잡으세요.
• 파일 길이 제한 린터를 설정하고 AI가 자동으로 리팩터링하게 하여 코드 비대화를 방지하세요.
• THREAT_MODEL.md 파일을 만들어 AI가 개발 속도를 위해 타협한 보안 취약점을 기록하게 하세요.

오디오 워크렛(AudioWorklet)

— 웹 오디오 API의 확장 기능으로, 메인 스레드와 분리된 별도의 저지연 스레드에서 오디오 처리 로직을 실행하는 기술이다. 오디오 렌더링을 UI 렌더링과 독립시켜 오디오 끊김 현상을 방지하고 고성능 DSP 연산을 가능하게 한다.

WebGL 셰이더(WebGL Shader)

— GPU에서 실행되는 그래픽 렌더링 프로그램으로, 본 프로젝트에서는 오디오 데이터를 유니폼 변수로 입력받아 실시간 시각화 효과를 생성하는 데 사용됐다. 고성능 병렬 연산을 통해 브라우저 환경에서도 120 FPS 이상의 부드러운 시각 반응을 구현한다.

JIT 최적화(JIT Optimization)

— 프로그램 실행 시점에 기계어로 컴파일하여 성능을 높이는 기법으로, 오디오 워커 내의 반복적인 DSP 연산 효율을 극대화한다. 자바스크립트 엔진이 코드를 최적화하기 쉬운 구조로 작성하여 오디오 처리 지연시간을 최소화하는 것이 핵심이다.

프롬프트 캐싱(Prompt Caching)

— LLM API 호출 시 반복되는 입력 컨텍스트를 재사용하여 비용과 지연시간을 줄이는 기술이다. 본 프로젝트에서는 96.7%의 높은 캐시 히트율을 달성하여 43억 개가 넘는 토큰 처리 비용을 효율적으로 관리했다.