문제 1: LLM이 JSON 대신 마크다운을 뱉어버렸다AI 분석이 간혹 가다 실패하기 시작했습니다. JSON을 달라고 했는데 마크다운으로 답변하고 있었습니다.원인 분석Qwen3 14B 모델은 "thinking 모드"를 지원합니다. 사고 과정을 ... 태그 안에 쓰고, 그 다음에 JSON 응답을 줍니다. 그런데 간헐적으로 JSON 대신 마크다운으로 응답하는 경우가 생겼습니다.해결: 정규표현식 폴백 파서JSON 파싱 실패 시 마크다운에서 직접 데이터를 추출하는 폴백 로직을 추가했습니다. 정규표현식으로 "추천: BUY", "신뢰도: 75%" 같은 패턴을 찾아서 JSON으로 변환합니다.JSON 파싱 성공률이 82% → 98%로 올라갔습니다.문제 2: LLM 환각으로 감시 종목 절반을 매칭해버림"반도체 업황 호조..

AI가 과거를 기억하지 못한다초기 시스템의 치명적인 약점이 있었습니다. AI가 실시간으로 들어오는 정보만 보고 판단한다는 거예요.예를 들어 텔레그램 채널에서 이런 메시지들이 왔다고 가정해봅시다:월요일 오전: "삼성전자 분석 - 반도체 업황 회복 조짐, 목표가 85,000원"월요일 오후: "삼성전자 실적 발표 예정, 컨센서스 상회 전망"화요일 오전: "삼성전자 추가 매수 의견, 기술적 지지선 돌파"수요일: "삼성전자" (단 3글자만) AI는 수요일 메시지를 볼 때 이전 3일간의 맥락을 전혀 모릅니다. 단순히 "삼성전자"라는 키워드만 보고 분석하죠. 당연히 정확도가 떨어질 수밖에 없습니다.RAG 구축RAG는 간단히 말하면 "관련 있는 과거 정보를 찾아서 AI에게 함께 제공하는 기술"입니다. 이를 위해선 벡터..

지난 글에서는 프로젝트 구조와 설계에 대해 이야기했는데요, 오늘은 가장 재미있었던 부분인 텔레그램 채널 모니터링 기능 구현에 대해 이야기해보려고 합니다. 왜 텔레그램 채널을 모니터링하나? 주식 투자를 하다 보면 여러 텔레그램 채널을 구독하게 됩니다. 증권사 리포트 채널, 뉴스 속보 채널, 개별 종목 분석 채널 등등... 문제는 이 채널들에서 쏟아지는 정보를 실시간으로 다 확인하기 어렵다는 거죠."내가 관심 있는 종목에 대한 소식만 골라서 알림을 받을 수 있다면?"이런 생각에서 시작했습니다. AI가 채널 메시지를 읽고, 내가 감시 중인 종목과 관련이 있는지 판단해서 알려주면 좋겠다는 거죠. TDLib - 텔레그램의 공식 라이브러리텔레그램 봇 API를 쓸까 하다가, 더 강력한 방법을 찾았습니다. 바로 TDL..