const developer = {
name: "이해람 (Haeram Lee)",
role: "Frontend Lead",
experience: "6+ years",
philosophy: "사람을 위한 프로덕트를 만듭니다",
};
6년 차, 사람을 위한 프로덕트를 만드는 프론트엔드 개발자입니다.
저의 모든 실행 동기는 사람에 대한 관심에서 비롯됩니다.
함께 일하는 동료와 실제 사용자의 경험을 개선하는 것에 집중합니다.
"개발도 사람이 하는 일, 프로덕트는 사용자를 위한 것"
- 🤝 Developer Experience: 팀원들의 생산성과 행복을 위한 개발 문화 조성
- 👥 User Experience: 현장 리서치를 통한 실사용자 중심의 제품 개선
- 🏗️ Architecture: 지속 가능하고 확장 가능한 코드베이스 설계
더 자세한 내용이 궁금하시다면 포트폴리오를 확인해보세요!
실무에서 경험한 아키텍처를 보일러플레이트로 정리해놓은 레포지토리입니다.
Tech Stack: pnpm workspace · Turborepo · TypeScript · gRPC
💡 어떤 문제를 해결하나요?
React Web, Flutter Mobile, BFF Server, Backend Server를 하나의 레포지토리에서 관리하며, 효율적인 코드 공유와 타입 안정성을 보장합니다.
실무 경험:
- 4개의 앱(React, Flutter, BFF, Backend)을 단일 레포에서 관리
- gRPC/connect-rpc 기반 타입 안전한 통신
- 공통 타입 정의를 패키지로 분리하여 중복 제거
- pnpm workspace로 빠른 설치 및 효율적인 디스크 사용
주요 특징
-
📦 패키지 구조
apps/web: React 웹 애플리케이션apps/mobile: Flutter 모바일 앱apps/bff: Backend for Frontend 서버apps/backend: 백엔드 API 서버packages/shared: 공통 타입, 유틸리티packages/proto: gRPC 프로토콜 정의
-
⚡ 빌드 최적화
- Turborepo 캐싱으로 빌드 시간 단축
- 변경된 앱만 선택적 빌드
- 병렬 빌드로 CI/CD 속도 향상
-
🔒 타입 안정성
- 프로토콜 버퍼에서 TypeScript 타입 자동 생성
- 공통 타입 패키지를 통한 일관된 데이터 구조
- API 변경 시 컴파일 타임에 오류 감지
-
🛠️ DX 개선
- 통합된 린팅/포매팅 설정
- 단일 명령어로 모든 앱 실행
- 의존성 버전 중앙 관리
Tech Stack: React · TypeScript · FSD
💡 어떤 문제를 해결하나요?
도메인 중심 개발로 응집도 높은 코드를 작성합니다.
주요 특징
- 📁 Layers: app / pages / widgets / features / entities / shared
- 🔄 Dependency Rule: 하위 레이어만 참조 가능
- 🎯 Feature-Sliced: 기능별 독립적 개발 가능
Tech Stack: TypeScript · Clean Architecture · DI Container
💡 어떤 문제를 해결하나요?
비즈니스 로직을 UI/프레임워크로부터 분리하여 테스트 가능하고 유지보수하기 쉬운 코드를 만듭니다.
주요 특징
- 🎯 Domain: 순수 비즈니스 로직
- 🔌 Application: 유즈케이스 구현
- 🌐 Infrastructure: 외부 의존성 (API, DB 등)
- 🖼️ Presentation: UI 레이어
개인적으로 진행 중인 사이드 프로젝트입니다.
Tech Stack: Next.js 15 · tRPC · Prisma · PostgreSQL · Gemini AI
📝 프로젝트 컨셉
실제 뇌의 기억 처리 방식을 모방한 혁신적인 일기 애플리케이션입니다.
일기를 뇌의 정보 처리 최소 단위인 **엔그램(Engram)**으로 분해하고,
기억들 간의 복잡한 연결망을 시뮬레이션합니다.
주요 특징
**🔬 핵심 메커니즘:**-
🧩 Engram (엔그램): 기억의 원자
- 일기를 의미 단위로 분해 (예: "카페에서 마신 커피", "비 오는 날의 풍경")
- 시공간 맥락, 감정 톤, 기억 타입(에피소드/의미/절차) 등 속성 포함
- 망각 곡선에 따라 시간이 지나면 자연스럽게 강도가 감소
-
🔗 Synapse vs EngramLink: 두 가지 연결 방식
- Synapse (시냅스): 물리적 연결 강도 - "얼마나 강하게 연결되어 있는가?"
- EngramLink: 논리적 관계 - "왜 연결되어 있는가?" (시간적/공간적/인과적)
-
🏗️ 상호보완적 학습 시스템 (CLS)
- HippocampusStore (해마): 새로운 경험을 즉각 저장하는 빠른 학습 시스템
- CortexStore (대뇌피질): 반복된 기억을 영구 저장하는 느린 학습 시스템
🧪 뇌과학 이론 기반:
- 헵의 규칙: "함께 발화하는 뉴런은 함께 연결된다"
- 에빙하우스 망각 곡선: 시간에 따른 기억 감소
- 기억 재공고화: 회상할 때마다 기억이 재구성됨
- 인코딩 특수성 원리: 맥락이 기억 인출의 단서가 됨
💡 개발 배경 & 동기:
- 기술적 도전: 추상적인 뇌과학 이론을 실제 동작하는 소프트웨어로 구현
- 아키텍처 실험: Layered Architecture로 LLM 엔진을 설계하여 관심사 분리
- 인간에 대한 탐구: "기억이란 무엇인가?"에 대한 과학적 접근을 코드로 표현
- 배운 점:
- 복잡한 도메인 모델링 (기억의 다차원적 속성 구조화)
- tRPC를 활용한 타입 안전한 풀스택 개발
- Gemini AI를 활용한 자연어 → 구조화된 데이터 변환