📝 한줄 요약
강사가 AI와 채팅하면 맞춤형 실습이 자동 생성되고, 학습자는 AI 코딩 도구 안에서 AI 튜터와 대화하며 배우는 교육 플랫폼 Rona를 7일 만에 만들었습니다.
🎯 이런 분들께 도움돼요
AI 시대에 "어떻게 가르쳐야 하나" 고민 중인 강사·퍼실리테이터
바이브코딩 교육 콘텐츠를 만들고 싶은데 방법을 모르겠는 분
AI가 AI 교육을 만드는 메타 구조가 궁금한 빌더
결과부터 보고 가시면...
강사가 자연어로 만들고 싶은 채팅을 치면 - 자동으로 Skill 파일이 생성되고,
이걸 수강생 PC에 한줄 터미널 명령어 입력하면 바로 클로드코드 안에서 대화하며 실습이 가능하고
수강생의 실습 현황을 자동으로 대시보드화해서 볼 수 있어요.
완전 최신 툴 (오픈클로 같은) 다루는 실습도 생성할 수 있습니다.
😫 문제 상황 (Before)
바이브코딩 시대에 맞춰, 배우고 싶은 AI 도구를 — 바로 그 도구 안에서 대화하면서 자연스럽게 배워나가는 게 당연한 수순인데, 그걸 실현할 플랫폼이 없었습니다.
몇몇 클로드코드 안에서 클로드코드를 입문부터 배울 수 있는 스킬 / 교육과정은 있었지만 아예 개인 맞춤형으로 만들어주는 것은 찾을 수 없었어요.
누구나 완전히 본인 맞춤형으로 실습을 만들어줄 수 있다면, 학습 비용은 극적으로 낮아지면서도 개인화가 되는 거니까요. 그래서 직접 만들기로 했습니다.
🛠️ 사용한 도구
메인 개발 도구: Claude Code
모델: Claude Opus 4.6 / Sonnet 4.6
AI 파이프라인: Google Gemini (Vercel AI SDK 경유)
기타: Context7 (공식 문서 자동 조회), Linear MCP (프로젝트 관리), Google AI Studio (대시보드 UI 초안)
🔧 7일간의 타임라인
Day 1: MVP 기획 + 기술 스택 확정 + Next.js·DB 기반 구축
Day 2: 채팅으로 실습 생성하는 핵심 기능 구현. 정적 마크 다운 → AI 도구 안에서 실행되는 인터랙티브 스킬 파일로 전환
Day 3: 대시보드, DEVLOG 수집, 채팅 UI 폴리싱
Day 4: 6개 AI 코딩 도구 멀티 플랫폼 지원, 원클릭 설치·공유 링크
Day 5: 직접 실습을 수행해보고 "전통 코딩 교육 스타일" 깨달음. 바이브코딩 방식으로 프롬프트 전면 재설계
Day 6: AI 튜터가 20번 틀리는 문제 발견 → Context7 통합으로 해결
Day 7: eval-practice 파이프라인 구축. AI가 생성하고 AI가 평가하는 품질 루프 완성
7일, 34개 작업, 148개 Claude Code 세션. 전체 파이프라인이 동작하는 상태까지 왔습니다. (아직 실전 투입 전이지만요.)
💡 핵심 1: AI 튜터가 20번 틀렸다 — 최신 기술에도 대응하는 실습 만들기
실습 생성은 잘 됐습니다. 구조도 깔끔하고 단계도 명확합니다. 그런데 학습자가 실제로 따라하면 문제가 터졌습니다.
오픈클로 실습을 만들었는데 AI 튜터가 해당 도구의 실제 문서를 모른 채 20번 넘게 잘못된 명령어를 시도함.
AI가 존재하지 않는 명령어를 자신있게 알려줍니다. 특히 최신 도구나 빠르게 변하는 라이브러리일수록 심각합니다. AI의 학습 데이터에 없는 정보니까요.
만드는 것과 실제 작동하는 것 사이의 갭. 이게 AI 기반 교육의 가장 큰 함정이었습니다.
해결: 실습 생성 시점에 공식 문서를 자동으로 가져온다
Context7이라는 서비스를 통합했습니다. 실습을 생성할 때 AI가 관련 라이브러리의 최신 공식 문서를 자동으로 조회하고, 그 문서를 기반으로 실습을 구성합니다.
예시 흐름은 이렇습니다:
강사가 "Trigger.dev로 스케줄 잡 만드는 실습" 요청
AI가 Context7에서 Trigger.dev 공식 문서를 자동 조회
실제 API, 실제 명령어, 실제 설정 방법을 기반으로 실습 생성
생성된 스킬 파일에 참고 문서 원문도 함께 첨부 → AI 튜터가 실습 진행 중에도 정확한 정보 참조 가능
여기서 한 발 더 나갔습니다. 매번 API를 호출하면 느리니까, 자주 쓰이는 14개 도구의 문서를 DB에 미리 캐시해두고 매일 GitHub Actions로 자동 동기화합니다. 실습 생성 시 캐시를 먼저 확인하고, 없을 때만 실시간 조회하는 구조입니다.
교훈
AI가 "아는 척"하며 틀린 정보를 줄 때, 최신 공식 문서를 컨텍스트로 제공하면 정확도가 극적으로 올라갑니다. 특히 빠르게 업데이트되는 기술을 다루는 교육이라면, 문서 자동 조회는 선택이 아니라 필수입니다.
💡 핵심 2: AI에게 평가도 시켜라 — 프롬프트 개선을 자동화하는 방법
Rona의 실습 품질은 프롬프트에 달려 있습니다. 프롬프트를 수정할 때마다 실습을 직접 생성해보고, 하나씩 읽어보며 "개념 설명이 빠졌네", "이 단계는 너무 크네" 확인하는 건 엄청난 병목이었습니다.
프롬프트가 변경될 때마다 직접 실습을 생성하고, 생성된 실습을 다시 AI가 평가해서 리포트까지 뽑아내는 자동화가 필요.
해결: AI가 만들고, AI가 채점하는 루프
eval-practice 파이프라인을 만들었습니다.
시나리오 입력: "초보자용 텔레그램 봇 만들기 실습, 60분"
AI가 실습 생성: 실제 Rona 파이프라인을 통해 실습을 만듦
AI가 자동 평가: 생성된 실습을 8가지 차원에서 채점
JSON 리포트 출력: 점수 + 구체적 개선점
8가지 평가 차원은 이런 것들입니다:
새로운 기술이 나올 때 개념 설명이 포함됐는가?
각 단계가 하나의 원자적 행동으로 쪼개졌는가?
소요 시간 대비 범위가 현실적인가?
퀴즈로 이해도를 확인하는 구간이 있는가?
여러 시나리오를 병렬로 돌릴 수도 있어서, 프롬프트 하나를 수정하면 다양한 주제의 실습을 한꺼번에 생성·평가·비교할 수 있습니다.
교훈
"AI가 만든 결과물의 품질을 어떻게 담보하느냐"는 AI 기반 서비스의 공통 과제입니다. 사람이 매번 검수하면 확장이 안 됩니다. AI가 생성하고, AI가 평가하고, 그 결과로 프롬프트를 개선하는 루프를 만들면 품질과 속도를 동시에 잡을 수 있습니다. 이 패턴은 교육뿐 아니라 마케팅 카피, 고객 응대 스크립트, 보고서 등 AI가 콘텐츠를 생성하는 모든 영역에 적용 가능합니다.
✅ 결과 (After)
Before vs After
항목
Before
After
실습 제작
강사가 수작업으로 문서 작성
AI와 채팅 몇 번이면 자동 생성
실습 형태
정적 PDF/문서 읽기
AI 도구 안에서 대화하며 진행
최신 기술 대응
AI가 모르는 건 틀린 채로 생성
공식 문서 자동 조회로 정확성 보장
품질 검증
사람이 직접 테스트
AI가 AI를 평가하는 자동 루프
결과물
Rona 플랫폼: 강사 채팅 → 실습 자동 생성 → 공유 링크 → 학습자 원클릭 설치
6개 AI 코딩 도구 지원 (Claude Code, Codex CLI, Gemini CLI, Cowork, OpenCode, Antigravity)
DEVLOG 수집 + 대시보드로 학습자 진행상황 실시간 파악
💬 이 과정에서 배운 AI 활용 팁
효과적이었던 것
AI에게 평가도 시켜라 — AI가 생성하고 AI가 평가하는 루 프를 만들면 프롬프트 개선 속도가 비교할 수 없이 빨라집니다.
공식 문서를 AI에게 먹여라 — 최신 공식 문서를 컨텍스트로 제공하면 정확도가 극적으로 올라갑니다. 특히 최신/니치 기술일수록 효과가 큽니다.
직접 써보는 게 최고의 테스트 — 직접 실습을 수행해보지 않았다면, "바이브코딩인 줄 알았는데 전통 교육이었다"는 사실을 영영 몰랐을 겁니다.
🚀 앞으로의 계획
더 많은 강사들이 Rona를 통해 양질의 교육과 실습을 제공하면서 수익도 낼 수 있게 만들고 싶습니다. 먼저 실제 교육 현장에 투입해서 학습자 데이터를 모으고, 그 데이터로 실습 품질을 계속 개선해나갈 계획입니다.
