로컬 환경과 배포 환경의 격차로 인한 5가지 AI 시스템 런타임 장애 분석

Context

로컬 환경에서 정상 작동하는 6개의 AI 시스템을 Streamlit Cloud로 배포하는 과정에서 발생한 환경 불일치 문제 분석. 코드 로직의 결함이 아닌 의존성 관리, 파일 시스템 처리, 플랫폼 제약 사항으로 인한 런타임 크래시 발생.

Technical Solution

• 최신 API 변경으로 인한 ModuleNotFoundError 해결을 위해 Dependency Version을 범위가 아닌 특정 버전(Exact Version)으로 고정하는 Pinning 전략 적용
• Git LFS 포인터 파일로 인한 FAISS C++ 바인딩 크래시 해결을 위해 LFS 추적을 해제하고 바이너리 파일을 직접 커밋하는 방식으로 변경
• UI 인터페이스의 25MB 제한과 프로토콜의 100MB 제한 차이를 식별하고 git config의 http.postBuffer 설정을 통한 대용량 모델 체크포인트 푸시 성공
• 플랫폼의 런타임 Python 버전 강제 변경에 대응하기 위해 무거운 Compiled Dependency(torch, transformers 등)를 제거하고 Prompt 기반 경량 구조로 아키텍처 단순화
• 로컬 Branch와 원격 Default Branch의 불일치로 인한 배포 누락 문제를 git push origin master:main 명령어를 통한 명시적 브랜치 매핑으로 해결