뱅
뱅크샐러드
November 18, 20241회
뱅크샐러드에서 테스트 데이터를 생성하는 방법 (feat. LLM)
간단 소개
뱅크샐러드는 LLM을 활용하여 복잡한 금융 테스트 데이터를 자동 생성하고, QA 효율성을 높여 개발 전반에 활용하고 있습니다.
AI Summary
- LLM 기반 테스트 데이터 생성
- 뱅크샐러드는 마이데이터 특성상 복잡한 테스트 데이터 생성의 어려움을 LLM을 통해 해결.
- 프롬프트 엔지니어링을 통해 실사용자와 유사한 데이터 생성.
- 페르소나 설정, JSON 형식 지정, 퓨샷 학습을 통해 데이터 품질 향상.
- 데이터 구조화 및 자동화
- LLM 생성 데이터의 구조화 및 후처리 (마크다운 제거, JSON 파싱).
- API 연동을 통해 자산 내역 자동 생성 및 개발 서버 전송.
- GitHub Actions를 이용한 Cron Job 설정으로 데이터 생성 자동화.
- 테스트 효율성 증대 및 확장
- 자동 생성된 테스트 데이터로 실사용 환경과 유사한 테스트 가능.
- 장기간 내역 테스트 즉시 수행 및 다양한 계정 데이터 생성 가능.
- QA팀 뿐만 아니라 개발 시에도 활용 가능하도록 전 구성원에게 공유.
Next Feeds

Harness를 이용해 LLM 애플리케이션 평가 자동화하기
Harness를 활용하여 LLM 애플리케이션 평가를 자동화하고, 다양한 지표를 통해 모델 성능을 다각도로 분석하는 방법론을 제시합니다.
LLMHarness자동화평가 지표프롬프트 엔지니어링
2024. 11. 15.
LY Corp

재고의 변동을 시계열 데이터로?!
Redis Stream을 활용하여 올리브영의 재고 변동 이력 관리 시스템을 개선하고 성능을 최적화한 사례를 소개합니다.
Redis Stream시계열 데이터재고 관리데이터 처리성능 최적화
2024. 11. 15.
올리브영
소비자를 기만하는 다크패턴의 사례
소비자를 기만하는 다크 패턴의 유형과 사례를 살펴보고, 자동차 산업에서의 잠재적 위험성을 분석합니다.
다크패턴UXUI소비자 기만자동차
2024. 11. 13.
현대자동차

무신사 성장과 함께 거대해져온 600줄짜리 쿠폰 쿼리와의 아름다운 이별
무신사의 복잡한 쿠폰 쿼리를 개선하여 성능 향상 및 유지보수 효율성을 높인 사례를 공유합니다.
쿠폰 시스템쿼리 최적화캐싱트래픽 관리레거시 시스템 개선
2024. 11. 13.
무신사
React Compiler - 우리는 memo를 잊을 수 있을까요?
React Compiler는 자동 메모이제이션을 통해 React 앱의 성능을 향상시키고 개발 생산성을 높이는 혁신적인 도구이다.
React Compiler메모이제이션React Forget성능 최적화자동 반응성
2024. 11. 13.
카카오모빌리티
콘텐츠를 조립하는 결제탭 피드 서버의 코드 아키텍처
카카오페이 결제탭 피드 서버는 SDU, Provider-Consumer 패턴, 3중화 캐싱을 통해 유연하고 안정적인 서비스 제공합니다.
SDUBFFMSAProvider-Consumerkotlin.Result
2024. 11. 12.
카카오페이