이번 글부터는 기존에 진행하던 프로젝트 로그가 아니라, AI 파이프라인 이론을 공부하면서 정리한 내용을 다룬다. 이론만 나열하면 금방 휘발되니까, 예전에 만든 한국어 공공데이터 기반 RAG 검색 어시스턴트(FastAPI · pgvector · Ollama)의 실제 코드로 하나씩 확인하는 방식으로 쓴다. 첫 편은 RAG(Retrieval-Augmented Generation)의 핵심 단계 — 청킹, 임베딩, 유사도 검색, 리랭킹, 프롬프트 조립 — 을 코드와 함께 훑는다.청킹: 문단 단위로 자르고, 넘치면 문장으로 다시 자른다문서를 통째로 임베딩하면 유사도 계산이 뭉개진다. 그래서 적당한 크기로 쪼개는 게 첫 단계다. 이 프로젝트는 파일 형식별 추출기(PDF/DOCX/XLSX)가 텍스트를 뽑아낸 뒤, 공통..

지금도 5분마다 사이클을 도는 실제 대시보드">지금도 5분마다 사이클을 도는 실제 대시보드이 시리즈로 세 편을 썼다. Open API 연동하면서 만난 버그들, 로컬 LLM을 판단에 붙인 구조, 그리고 백테스트로 그 구조를 검증한 결과. 이번 글은 그 세 편을 하나로 묶는 마무리 글이다.만든 것FastAPI + SQLite 백엔드, Next.js 프론트엔드로 만든 국내주식 모의투자 대시보드다. 핵심은 두 개의 독립된 자율매매 엔진이다 — 하나는 자체 시뮬레이터 위에서 돌고, 하나는 한국투자증권 Open API 모의투자 서버에 실제로 주문을 낸다. 둘 다 같은 설계 원칙을 따른다: 로컬 LLM(Ollama + EXAONE 3.5 7.8B)이 매수/매도 후보를 제안하면, 손절/익절 강제 룰과 국면별 매수 차단..

백테스트 숫자를 파고들었다 — 그리고 안 좋은 소식이었다실제 60일 워크포워드 백테스트 자산 곡선 (초기자본 1000만원)">실제 60일 워크포워드 백테스트 자산 곡선 (초기자본 1000만원)지난 글에서 이 자율매매 엔진은 로컬 LLM이 결정하는 게 아니라 규칙 엔진(_guard_decisions)이 최종 결정을 내린다고 썼다. 손절/익절 강제, 국면별 매수 차단, 종목당 비중 한도 같은 것들이다. 그런데 규칙이 "안전하다"는 것과 그 규칙 조합이 "돈을 번다"는 것은 완전히 다른 질문이다. 이번 글은 그 질문에 정면으로 답한 기록이다.워크포워드 백테스트는 뭘 하는 코드인가run_walk_forward_backtest는 과거 가격 히스토리를 하루하루 순회하면서 그날 시점까지의 데이터만 가지고 신호를 계산..

LLM 판단 -> 규칙 엔진 -> 실제 주문 흐름도" style="max-width:100%;border-radius:8px;">LLM 제안과 규칙 엔진(_guard_decisions)이 나뉘는 판단 흐름"> LLM 판단 -> 규칙 엔진 -> 실제 주문 흐름도" />LLM 제안과 규칙 엔진(_guard_decisions)이 나뉘는 판단 흐름시세 조회와 주문 실행을 분리한 자율매매 아키텍처">시세 조회와 주문 실행을 분리한 자율매매 아키텍처지난 글에서는 한국투자증권 Open API 연동 과정에서 만난 버그들을 다뤘다. 이번엔 조금 다른 이야기다. 이 자율매매 엔진은 판단을 어디서, 어떻게 내리는가. 그리고 그 판단을 얼마나 믿어도 되는가.결론부터 말하면, 이 시스템에서 로컬 LLM은 매매를 결정하지 않는다..

실제로 돌아가는 대시보드의 실시간 시장 스캐너">실제로 돌아가는 대시보드의 실시간 시장 스캐너하루 동안 만난 버그 5개와 해결 순서">하루 동안 만난 버그 5개와 해결 순서"로컬 LLM으로 자동매매 시켜보면 재밌겠다"에서 시작했다KOSPI/KOSDAQ 모의투자 대시보드를 FastAPI + SQLite, Next.js로 만들고 있다. 로컬에서 돌아가는 LLM(Ollama + EXAONE)이 실시간으로 매수·매도 판단을 내리는 구조다. 자체 시뮬레이터로만 굴리다가 오늘 한국투자증권(KIS) Open API의 모의투자 서버에 실제로 붙여봤는데, 코드보다 개념 정리에서 더 오래 헤맸다. 그 기록을 남긴다.구조backend/ FastAPI + SQLite ai/ 자율매매 엔진 (..