amini studio ✦

Dreamy Desk — Amy's night studio

A tiny night desk for
AI products & strange apps.

모호한 입력을 구조로. AI를 제품 경험으로.

now
0to1log · news pipeline
time
--:-- KST · Seoul
desk
6 things on the desk

Selected work

2024–26 · 06
0to1log — Laptop

010to1log · 2026

AI news rebuilt as a learning routine.

AI 뉴스를 단순 요약이 아니라 학습 루틴으로 재구성한 제품.

Problem
AI 뉴스는 많지만, 사용자가 읽고 이해하고 다시 학습 루틴으로 이어가기 어렵다.
Impact
콘텐츠를 단발성 요약물이 아니라 반복 가능한 학습 경험으로 보여줄 수 있는 구조를 만들었다.
Role
Product design, LLM pipeline, content system
  • Next.js
  • Python
  • LLM pipeline
  • Evaluation
Open case study
BidMateRAG — Documents + Magnifier

02BidMateRAG · 2026

Evidence-grounded RAG for bid documents.

긴 공공입찰 문서에서 조건과 근거를 빠르게 찾게 하는 RAG 시스템.

Problem
입찰 문서는 길고 조건이 흩어져 있어 담당자가 근거를 확인하는 데 시간이 오래 걸린다.
Impact
근거 없는 답변이 아니라 확인 가능한 답변이라는 제품 경험을 중심에 두었다.
Role
RAG UX, retrieval flow, evaluation design
  • Next.js
  • FastAPI
  • Hybrid retrieval
  • LLM-as-a-Judge
Open case study
EasyAds Agent — Ad oven

03EasyAds Agent · 2026

Messy request in. Ad workflow out.

소상공인의 모호한 광고 요청을 카피, 이미지, 검수, 저장 workflow로 바꿈.

Problem
광고 요청은 대개 모호하고 짧아서 바로 이미지 생성 버튼으로 연결하면 품질 관리가 어렵다.
Impact
AI 이미지 생성 기능이 아니라 광고 제작을 도와주는 작업 흐름으로 제품을 설명할 수 있게 했다.
Role
Agent workflow, PM framing, quality gates
  • LangGraph
  • HITL
  • VLM checks
  • T2I workflow
Open case study
KeyKey — Keycap

04KeyKey · 2026

Tap, feel, collect.

키캡을 누르는 촉각적 재미를 수집형 모바일 루프로 확장한 앱.

Problem
단순한 클릭커는 반복은 쉽지만 오래 남는 수집 동기와 소유감을 만들기 어렵다.
Impact
작은 상호작용 하나를 모바일 앱의 반복 사용 이유로 확장하는 실험이 되었다.
Role
Mobile product loop, reward design, implementation
  • Expo
  • React Native
  • Supabase
  • Rewards
Open case study
Manyang — Dream receipt printer

05Manyang · 2026

Dreams turned into receipts.

사라지는 꿈을 고양이 해몽사와 꿈 영수증으로 남기는 감성 기록 서비스.

Problem
꿈은 쉽게 사라지고 해몽은 과장되기 쉬워, 기록과 해석의 신뢰 경계가 필요하다.
Impact
AI 해석 기능을 감성 기록 서비스로 포장하면서도 안전한 표현 경계를 둘 수 있었다.
Role
AI product UX, RAG safety, content structure
  • RAG
  • Schema validation
  • Safety policy
  • Symbol data
Open case study
Pill Detection — Microscope + pill tray

06Pill Detection · 2026

Object detection pipeline for healthcare images.

알약 이미지 객체 탐지 모델을 재현 가능한 STAGE 0~4 ML pipeline으로 구축.

Problem
알약 객체 탐지는 데이터 변환, 학습, 평가, 제출 형식이 맞물려 재현 가능한 파이프라인이 필요했다.
Impact
실험 결과뿐 아니라 다시 실행하고 검증할 수 있는 제출 흐름을 확보했다.
Role
ML pipeline, team delivery, validation
  • YOLO
  • COCO
  • Python
  • CSV validator
Open case study