Coding Kitsune

1. 프로젝트 개요프로젝트명: 나혼자 미슐랭 (Solo Michelin)목표: 맛집들을 기록하고 평가하며, 혼밥 유저들의 경험을 공유할 수 있는 웹/앱 기반 서비스 구축개발인원: 2명 (박희범, 황인규)주요 기술 스택: Spring Boot, React, MYSQL, JWT, 지도 API(Google or NAVER)개발 기간: 2025년 4월 ~ 6월 (예정)활용 목적: 상업화 + 실무형 협업 경험축적 2. 시스템 개요전체 시스템 설명: 나혼자 미슐랭은 방문한 맛집을 지도 기반으로 탐색하고, 평가와 리뷰를 남길 수 있는 개인화된 맛집 기록 플랫폼입니다.핵심 기능 소개:사용자 별점 평가 기능 + 리뷰 기능사용자 방문 히스토리 조회 기능시스템 아키텍쳐:클라이언트 – 서버 구조 (React FE Spring..

1. 프로젝트 소개프로젝트명: 나혼자 미슐랭 (Solo Michelin)목표: 맛집을 기록하고 평가할 수 있는 개인화된 맛집 리뷰 플랫폼 구축. 맛집을 평가하고 기록하는 유저를 위한 서비스에 특화된 기능 제공 2. 기획 배경문제 인식기존 플랫폼 (네이버or 구글)에서 맛집을 검색할 때, 내 평점이 아닌 다른 사용자들의 평점만 확인할 수 있음.나 또는 연인이 자체적으로 맛집을 평가해서 작성할 수 있는 플랫폼의 부재해결 방향나만의 최적화된 맛집 탐색/리뷰 플랫폼지도 기반으로 맛집을 탐색하고, 나만의 기록 저장 3. 주요 타겟 (페르소나)👤 직장인 A (30대, 혼자 맛집 탐방선호)서울 시내 맛집들을 꾸준하게 탐험하며 나만의 맛집 평가 리스트를 작성하고 싶음👤 대학생 커플 B, C (20대 후반, 데이트를..

문제의 연장 – “지도 미리보기”가 보이지 않는다..GPT 기반 추천 문제를 해결하며 Kakao 장소 검색 API로 전환했지만,새로운 이슈가 발생했다.바로 썸네일 옆에 지도 미리보기 이미지가 표시되지 않는 문제였다.  🔍 원인 분석 .. !Kakao Static Map API의 한계클라이언트에서 직접 호출 → CORS 문제 발생백엔드에서 이미지 받아 Base64로 전송 → 이미지 깨짐 & 속도 이슈 발생그래서 그냥 Google API를 사용하는게 어떨까 생각했다.  ✅ Google Static Map API 도입결국 지도 썸네일 이미지는 Google Static Map API로 전환했다.장점은 다음과 같다:이미지 URL을 로 바로 불러올 수 있음위치 정확도 높고, 깔끔한 지도 스타일빠른 로딩 속도 클릭..

📌 지난 개발일지 요약 (#3)UI로 전면 개편 위치 선택 로직을 시/도 → 상세지역으로 구조화버튼 클릭 시 로딩 처리 UX 개선추천받은 장소들의 현실성과 정확성에 대한 문제 인식 ❗ 문제의 시작 – 존재하지 않는 장소들OpenAI GPT를 통해 추천을 받는 건 좋았으나,막상 그 장소들을 보면…존재하지 않는 카페 이름서울 데이트 추천인데 부산 식당 등장;;;;;지도에 검색되지 않는 허상 같은 장소들라는 현실과의 괴리가 발생...  💡 문제 해결을 위한 첫 시도 – 네이버 장소 검색 API이를 해결하기 위해,GPT가 추천한 장소명들을 네이버 장소 검색 API로 검증하는 프록시 서버를 naver-proxy로 따로 구성했고,→ 실제 존재하는 장소인지 필터링 가능→ 주소, 카테고리, 지도 좌표 등도 확보 가..

✅ 이번 개발일지에서 구현 완료한 내용 1. 사용자 친화적인 감성 UI로 전면 개편기존: 기능 위주로 구성된 기본 폼 UI (input, select만 배치)변경: 이모지와 감성적인 문구 추가 (ex. “📅 언제 만날까요?”)전체 폼에 스타일 통일 적용 (inputStyle, labelStyle, 감성 폰트 등)깔끔하고 부드러운 카드형 UI로 개편 2. 위치 입력 구조 변경 (대분류 → 소분류 방식)기존: 사용자가 직접 위치 텍스트를 입력 (오타, 비일관성 문제 발생)변경:📍 시/도 선택 → 📌 상세 지역 선택의 2단계 셀렉터 방식오타 방지 + 정제된 입력값 확보로 향후 추천 정확도 향상 기대 3. 로딩 UX 개선문제: 추천 응답까지 2~3초 소요되는데 아무 표시가 없어 사용자가 헷갈림개선:버튼 클..

🚀 지금까지 구현된 기능과 남은 작업 정리 ✅ 구현 완료한 내용 OpenAI GPT API 연동→ 사용자가 입력한 조건에 따라 ChatGPT를 통해 데이트 추천 응답 생성추천 API 구현 (POST /recommend)→ 입력값: 날짜, 위치, 연령대, 식사 포함 여부, 실내/실외 선호 (대규모 변경예정)→ 응답값: 장소 + 설명이 포함된 추천 코스 리스트Postman을 통한 기본 테스트 완료→ 실제 API 요청/응답 정상 동작 확인→ 다양한 조건 조합 테스트  웹 UI 구성 완료 (기초 버전)→ 간단한 HTML + JS 기반 입력 폼→ 추천받기 버튼 클릭 시 결과 출력까지 정상 흐름 구현   🧩 앞으로 해야 할 작업 사용자 입력 조건 고도화 (25.3.27 예정)예산, 분위기, 시간대 등 세부 조건..

🛠️ 해야할 목표 Backend Flask에서 OpenAI API 연동GPT 모델을 활용한 데이트 코스 추천 기능 구현 (service.py)API 키 보안 관리 및 GitHub 연동 안전하게 처리     🧩 1. OpenAI 연동  오늘은 Flask 백엔드에서 openai 라이브러리를 통해 ChatGPT API를 호출하는 기능을 구현했다.pip install openai python-dotenv로 라이브러리를 설치한 후, 아래처럼 기본 구조를 구성했다..env 파일에 키를 저장해서 하드코딩을 피했다.. (오랜만에 하니 처음에 그대로 하드코딩 할 뻔 했다..!)     🤖 2. GPT-4를 쓰고 싶었지만, 현실은 GPT-3.5  처음엔 내가 chat gpt plus를 이용하다보니까 당연히 GPT-4..

📌 Date Helper 프로젝트 기획서1️⃣ 프로젝트 개요🔹 프로젝트 이름: Date Helper🔹 한 줄 설명:사용자의 위치, 선호도를 반영하여 데이트 코스를 추천하는 웹 & 앱🔹 개발 목적개인 프로젝트Flask + React 기반의 풀스택 개발 경험 축적ChatGPT API를 활용한 추천 시스템 구현🔹 목표MVP(최소 기능 제품) 개발 및 배포깃허브, 블로그에 프로젝트 진행 과정 공유실제 사용자 피드백 반영하여 개선2️⃣ 요구사항 정의🔹 핵심 기능 (필수 기능)✅ 사용자의 위치 입력 (예: 강남, 홍대, 성수 등)✅ 실내/실외 여부 선택✅ 식사 여부 선택✅ ChatGPT API를 활용한 데이트 코스 추천✅ 추천 결과를 사용자에게 JSON 형식으로 제공 (백엔드 API 개발)✅ React ..