← 프로젝트

AiRWARDS 3.0

DAU 1천 명 이상, MAU 5천 명 이상의 국방망 AI 서비스에서 채팅 화면을 개발했습니다. 긴 응답에서 발생하는 반복 렌더링과 화면 지연을 줄였습니다.

2024. 10 - 2026. 058명 규모 제품팀의 프론트엔드 2명 중 채팅 담당, 3.0 초기 기능 정의·UX·상태 관리 설계

역할

DAU 1천 명 이상, MAU 5천 명 이상의 국방망 AI 서비스에서 8명 규모 제품팀의 프론트엔드 2명 중 채팅을 맡아, 사용자 관점의 3.0 초기 기능 정의·UX·상태 관리 구조 설계를 주도하고 채팅 화면 전체를 개발. 답변 내 PDF 뷰어, 코드 블록, 날씨·뉴스 커스텀 컴포넌트, 출처 각주 구현

문제

램 4GB급 국방망 PC에서 대화가 길어질수록 스크롤·입력 지연이 발생했고, GPT-OSS 전환 후 TPS가 높아져 렌더링이 잦아지며 악화. Chrome DevTools와 React Profiler로 분석해, SSE 토큰마다 react-markdown이 전체 응답을 다시 파싱하고 완성된 코드 하이라이팅·표까지 재렌더링하는 병목 확인

해결

  • 버퍼링SSE 토큰을 버퍼에 모아 일괄 반영해 토큰 수신과 렌더링 주기 분리
  • 블록 고정완성된 코드·표 블록은 재렌더링하지 않고 작성 중인 블록만 갱신
  • 경량화긴 대화에 가상 스크롤을 적용하고 코드 하이라이터를 경량 라이브러리로 교체

결과

램 4GB급 국방망 PC에서 코드·표가 많은 같은 응답을 Chrome DevTools로 측정해 메인 스레드 작업 시간 약 800ms → 80ms (약 90% 감소)

개요

AiRWARDS는 국방망에서 사용하는 공군 특화 AI 서비스로, DAU 1천 명 이상, MAU 5천 명 이상이 사용합니다. 3.0 전환 과정에서 일반, 군사, 법률 모드로 나뉘어 있던 질의응답을 하나의 대화 화면으로 통합하는 프론트엔드 개발을 맡았습니다.

8명 규모 제품팀의 프론트엔드 2명 중 채팅을 맡았습니다. 사용자 관점의 3.0 초기 기능 정의, UX, 상태 관리 구조 설계를 주도하고 채팅 화면 전체를 개발했습니다. 문서 요약과 음성 인식 기능 개발에도 참여했습니다.

공군 복무 중 맡은 다른 내부 서비스 작업은 공군 경험에 정리했습니다.

주요 기능

  • AI 질의응답: 일반, 군사, 법률 분야의 질문과 답변을 하나의 대화 화면에서 확인
  • 답변 내 구성 요소: PDF 뷰어, 코드 블록, 날씨·뉴스 커스텀 컴포넌트, 출처 각주
  • 문서 요약: 문서의 핵심 내용 정리
  • 음성 인식: 음성을 텍스트로 변환
공개 시연 화면공개 시연용 대화 화면
기능 소개 자료서비스 기능 소개 자료

구현과 개선

  1. 프로파일링으로 반복 처리 원인 확인

    램 4GB급 국방망 PC에서 대화가 길어질수록 스크롤과 입력이 느려졌고, 코드 하이라이팅과 표가 포함된 긴 답변에서 특히 심했습니다. GPT-OSS로 전환한 뒤에는 초당 토큰 수(TPS)가 높아져 렌더링이 더 잦아지면서 지연이 악화됐습니다. Chrome DevTools Performance 기록에서 메인 스레드 작업이 몰리는 것을 확인하고, React DevTools Profiler로 컴포넌트의 반복 렌더링을 살폈습니다.

    서버 전송 이벤트(SSE)는 서버가 생성한 답변을 토큰 단위로 실시간 전송하는 방식입니다. 토큰이 하나씩 도착할 때마다 React 상태가 바뀌어, react-markdown이 생성 중인 답변 전체를 다시 파싱하고 렌더링했습니다. 그 과정에서 이미 완성된 코드의 구문 강조와 표 처리도 반복됐습니다. 답변이 생성되는 동안 업데이트를 자주 보여주는 흐름은 유지하되, 반복 처리량을 줄이기 위해 갱신 빈도와 다시 그릴 영역을 각각 조정했습니다.

  2. 토큰을 모아 화면 갱신 횟수 줄이기

    토큰마다 즉시 화면을 갱신하면 생성 중인 답변을 더 자주 볼 수 있지만, 그만큼 Markdown 파싱과 렌더링도 반복됩니다. SSE로 받은 토큰을 버퍼에 모았다가 묶어서 반영하도록 바꿔 상태 갱신 횟수를 줄였습니다. 이 방식에서는 화면 반영이 매 토큰마다 일어나지 않으므로, 답변의 잦은 업데이트와 처리 비용 사이에서 균형을 잡았습니다.

    토큰 수신 → 버퍼에 누적 → 묶어서 반영 → 화면 갱신
    
  3. 생성 중인 영역과 완성된 블록 분리

    답변을 생성 중인 영역과 이미 완성된 콘텐츠 블록으로 나눴습니다. 새 토큰은 생성 중인 영역에 반영하고, 완성된 코드 블록과 표, 다이어그램은 렌더링 결과를 고정해 다시 처리하지 않도록 했습니다. 버퍼링으로 갱신 횟수를 줄이고, 영역 분리로 한 번의 갱신에서 다시 처리하는 범위도 좁혔습니다.

    새 답변
     ├ 생성 중인 텍스트 (갱신)
     ├ 완성된 코드 블록 (고정)
     ├ 완성된 표 (고정)
     └ 완성된 다이어그램 (고정)
    
  4. 긴 대화는 가상 스크롤로, 코드 하이라이터는 경량 라이브러리로

    대화가 길어질수록 화면에 그려야 할 요소가 늘어납니다. 긴 대화에는 가상 스크롤을 적용해 화면에 보이는 부분 위주로 그리게 했습니다. 코드 하이라이터도 경량 라이브러리로 교체해 램 4GB급 PC의 부담을 줄였습니다.

사용 기술

프론트엔드

React · TypeScript · Vite · Tailwind CSS · shadcn/ui · React Query

팀 서버

Spring Boot

결과와 현재 상태

램 4GB급 국방망 PC에서 코드와 표가 많은 같은 응답을 Chrome DevTools로 측정했을 때, 메인 스레드 작업 시간이 약 800ms에서 약 80ms로 감소했습니다. 약 90% 줄인 측정 결과입니다.

토큰을 묶어 반영하고 완성된 블록을 다시 처리하지 않도록 해, 답변 생성 중 반복되는 프론트엔드 작업을 줄였습니다.

공군 부스에서 소개한 AiRWARDS

공군 자체 개발 AI 체계를 소개하는 부스 현장입니다. 서비스 화면과 안내 자료를 함께 전시했습니다.

공군 부스의 서비스 전시 화면과 AiRWARDS 안내 자료.