SK Sungju Kim · Data & AI Systems Engineer
// ai lab

Sungju Kim
Data & AI Systems Engineer

I build small AI systems designed to run reliably: scheduled agents, static publishing, cost-aware inference, and practical data pipelines.안정적으로 돌아가도록 설계한 작은 AI 시스템을 만듭니다 — 스케줄 에이전트, 정적 퍼블리싱, 비용을 의식한 추론, 실용적인 데이터 파이프라인.

This site is a public lab for the systems I'm building. The demos below are either live or in active development, with notes on how they run.이 사이트는 제가 만들고 있는 시스템들의 공개 실험실입니다. 아래 데모는 라이브로 운영 중이거나 활발히 개발 중이며, 어떻게 돌아가는지에 대한 노트를 함께 담았습니다.

Agent Operations에이전트 운영AI ApplicationsAI 애플리케이션Data Engineering데이터 엔지니어링Platform Engineering플랫폼 엔지니어링Static Publishing정적 퍼블리싱
Experiments실험

AI experiments in public공개로 진행하는 AI 실험

Small AI systems I'm building in the open. One updates daily; another is in active research. These cards give you the short version, with deeper notes in the Lab.공개적으로 만들고 있는 작은 AI 시스템들입니다. 하나는 매일 갱신되고, 다른 하나는 활발히 리서치 중입니다. 카드는 짧은 요약이고, 더 깊은 노트는 Lab에 있습니다.

Previously on AI

Live라이브

Daily AI ecosystem updates, filtered into a concise changelog.매일의 AI 생태계 업데이트를 간결한 체인지로그로 걸러냅니다.

Every morning, a scheduled agent collects, filters, summarizes, translates, and scores AI and developer-tool updates, then publishes static JSON. It also remembers prior coverage: published items are embedded with Cohere and stored in sqlite-vec, so recurring stories are merged instead of repeated. The page renders that file directly with filters, EN/KO summaries, and usefulness scores; loading it never calls an LLM.매일 아침 스케줄 에이전트가 AI·개발자 도구 업데이트를 수집·필터·요약·번역·점수화한 뒤 정적 JSON으로 발행합니다. 이미 다룬 내용도 기억합니다: 발행된 항목은 Cohere로 임베딩되어 sqlite-vec에 저장되고, 다시 등장하는 이야기는 반복 대신 병합됩니다. 페이지는 그 파일을 필터, EN/KO 요약, 유용성 점수와 함께 그대로 렌더링하며, 페이지를 여는 것만으로는 LLM이 호출되지 않습니다.

AstroVanilla JSStatic JSON feedScheduled Claude agentCross-day vector dedupCohere Embedsqlite-veci18n (EN/KO)

PoleGraph AI

In development개발 중

An AI-assisted pole dance learning and choreography platform built around a skill graph.스킬 그래프를 중심으로 한 AI 기반 폴댄스 학습·안무 플랫폼.

PoleGraph maps pole dance moves, prerequisites, transitions, difficulty, and learning paths as a graph. Users can find realistic progression routes toward a target skill, generate combos from their current skill set, and explore move relationships in an interactive visual interface.PoleGraph는 폴댄스 동작, 선행 조건, 트랜지션, 난이도, 학습 경로를 하나의 그래프로 모델링합니다. 목표 동작까지의 현실적인 성장 경로를 찾고, 현재 스킬셋으로 콤보를 생성하고, 동작 간 관계를 인터랙티브한 시각 인터페이스로 탐색할 수 있습니다.

Planned features예정 기능
  • Skill Graph — move database with prerequisites, tags, and difficulty스킬 그래프 — 선행 조건·태그·난이도가 연결된 동작 데이터베이스
  • Learning Path Engine — routes from current skills to target skills학습 경로 엔진 — 현재 실력에서 목표 동작까지의 경로
  • Combo Generator — AI-assisted routines based on user constraints and goals콤보 제너레이터 — 사용자의 제약과 목표에 맞춘 AI 루틴 생성
  • Transition Graph — real-world difficulty for moving from one skill to another트랜지션 그래프 — 동작 간 실제 연결 난이도 모델링
  • Interactive Visualizer — browser-based 3D mannequin previews for moves and combos인터랙티브 비주얼라이저 — 브라우저 3D 마네킹으로 보는 동작·콤보 프리뷰
  • AI Coach — personalized recommendations, training guidance, and progression planningAI 코치 — 맞춤 추천, 트레이닝 가이드, 성장 계획
  • Video Analysis (future) — pose recognition and skill assessment from practice videos영상 분석 (예정) — 연습 영상에서 자세 인식과 실력 평가
Knowledge GraphsRecommendation SystemsGraph-Based SearchAI Decision SupportLLM ApplicationsInteractive Data VizThree.js / React Three Fiber

Current status:현재 상태: Currently in research, architecture design, graph modeling, and prototype planning.현재 리서치, 아키텍처 설계, 그래프 모델링, 프로토타입 기획 단계입니다.

The pattern패턴

How these demos run데모가 동작하는 방식

The demos share a simple pattern: agents run before the page is served, the site reads static artifacts, and failures do not break the page.이 데모들은 단순한 패턴을 공유합니다. 에이전트는 페이지가 서빙되기 전에 실행되고, 사이트는 정적 아티팩트만 읽으며, 실패해도 페이지는 깨지지 않습니다.

01

Scheduled, not on demand온디맨드가 아닌 스케줄 실행

LLM work runs on a schedule before anyone visits the page. The site itself stays static.LLM 작업은 누군가 페이지를 열기 전에 스케줄로 실행됩니다. 사이트 자체는 정적으로 유지됩니다.

02

Static publishing정적 퍼블리싱

Each run publishes one JSON file, and the site reads that file. That simple contract keeps the demo easy to serve.각 실행은 JSON 파일 하나를 발행하고, 사이트는 그 파일을 읽습니다. 이 단순한 계약 덕분에 데모를 서빙하기 쉽습니다.

03

Failure isolation실패 격리

If a source or LLM call fails, only the next refresh is delayed. The page in front of you keeps working.소스나 LLM 호출이 실패해도 다음 갱신이 늦어질 뿐입니다. 지금 보고 있는 페이지는 계속 동작합니다.

04

Cost-aware inference비용을 의식한 추론

Filtering and deduplication run before the LLM. Simpler items can take lower-cost paths, keeping cost small and visible.필터링과 중복 제거가 LLM보다 먼저 실행됩니다. 단순한 항목은 저비용 경로를 타게 해 비용을 작고 투명하게 유지합니다.

Contact연락처

Get in touch연락하기

For questions about the projects above, or to collaborate on similar systems.위 프로젝트에 대한 질문이나, 비슷한 시스템을 함께 만드는 협업 제안을 환영합니다.