Gemini 2.0 Flash와 System Prompt로 구현한 AI 코드 리뷰어

Context

코드 리뷰 과정의 주관적 거절 경험을 풍자한 서비스 구현. LLM을 활용해 실제 코드 분석 기반의 정교한 반려 사유 생성 필요. 단순 랜덤 텍스트가 아닌 실제 아키텍처와 변수명을 분석하는 고도화된 페르소나 적용 전략.

Technical Solution

• Gemini 2.0 Flash 모델을 채택하여 1~3초 내의 빠른 응답 속도 확보
• 5종의 서로 다른 System Prompt를 설계하여 리뷰어별 독립적인 성격과 반려 패턴 구현
• 구조화된 JSON 응답 형식을 강제하여 메트릭 대시보드 및 상태 체크 결과의 일관성 유지
• Google AI Studio와 Gemini CLI를 활용한 프롬프트 반복 테스트 및 엣지 케이스 검증
• LocalStorage 기반의 BYOK(Bring Your Own Key) 방식을 적용하여 서버리스 환경의 비용 제로화 달성
• 12단계의 가상 파이프라인 UI를 설계하여 실제 AI 생성 시간보다 긴 '엔터프라이즈 의식' 연출

Impact

• 응답 시간: 1~3초 (Gemini 2.0 Flash)
• API 할당량: 분당 60회 요청, 일일 1,000회 요청 (Free Tier)
• 승인율: 0.00%
• AI 신뢰도: 99.7% (가상 메트릭)

Key Takeaway

단일 LLM 모델이라도 정교하게 설계된 System Prompt와 구조화된 출력 제어를 통해 완전히 다른 사용자 경험(UX)과 페르소나를 제공할 수 있는 유연성 확인.