소개
안상영님이 공유해주신 AI 워크스페이스 스킬 (automation pipeline design) 을 사용해보았다.
이전에도 실제로 자주 수행해야하는 업무들을 AI로 자동화하고 싶었지만, 체계적인 설계 방법론이 없었던 찰나에 좋은 기회였다.
첫 주에는 논문 제목이나 링크를 입력하면 알아서 "원문 확보 → 분석 → 내용 정리 및 문서화"를 전자동 수행하는 Claude Code 스킬을 직접 설계하고 사용해보기로 했다. 목표는 두 가지 — (1) 6단계 자동화 설계 방법론을 체험하는 것, (2) 실제로 재사용 가능한 스킬 파일을 만드는 것.
진행 방법
사용 도구: Claude Code (Opus 4.6, 1M context), agent-browser 스킬, pdf 스킬
1. 환경 세팅 — macOS 전환
레포가 Windows 기준이라 macOS 호환 작업부터 진행했다. 경로, 명령어, 파일명 등 12개 파일 20곳+을 수정. 한글 파일명의 유니코드 NFD/NFC 매칭 문제는 파일명을 0.2_hub.md 같은 단순 형식으로 rename하고 검색 로직을 프리픽스 매칭으로 교체해서 해결했다.
2. 인터뷰 — 업무 구조화
6단계 파이프라인의 첫 단계. AI가 한 번에 1문항씩 질문하고, 답변을 쌓아가며 업무를 구조화한다.
내가 논문 제목이나 링크를 입력하면 그에 대해 자세히, 읽기 쉽게, 이해하기 쉽게 설명하고 정리해서 문서화하는 파이프라인을 자동화하고 싶어이후 AI가 수혜자, 고통점, 범위, 입력/출력, 예외 처리, 문서 구조, 저장 위치, 실행 환경 등 11개 항목을 1문항씩 물어봤다. 예시:
자동화의 범위를 잡고 싶은데 — 논문 원문을 가져오는 것도 자동화 범위에 포함하고 싶으신가요?동일 논문 중복 실행 시 — 기존 파일을 덮어쓸까요, 버전을 붙일까요?3. 워크시트 → 자동화 설계 → 도구 연결
인터뷰 결과를 워크시트로 구조화하고, 7단계 처리 흐름(중복 확인 → 원문 확보 → 메타데이터 → 분석 → 연관성 → 문서 생성 → 저장)을 설계. 도구 연결 단계에서 agent-browser와 pdf 스킬 을 발견하고 파이프라인에 연결했다.
4. 드라이런 — A-MEM 논문
amem 이라는 논문으로 해줘. 제텔카스텐에서 영감을 얻어서 agent의 메모리 구조를 제안한 논문이야A-MEM(NeurIPS 2025) 논문으로 전체 파이프라인을 실행. 7단계 전자동으로 ~/Desktop/papers/2025_a_mem_agentic_memory_for_llm_agents.md에 정리 문서가 생성됐다. 기본 정보(venue, 인용수), 한 줄 요약, 핵심 기여, 방법론, 실험, 한계점, 인사이트, appendix까지 설계대로 포함.
5. 스킬 변환 및 배포
설계를 ~/.claude/skills/paper-summarizer/SKILL.md로 변환. 어떤 프로젝트에서든 Claude Code가 자동 인식하고, 논문 제목만 주면 전체 파이프라인이 실행된다.
결과와 배운 점
- 인터뷰가 핵심이다.
한 번에 요구사항을 던지는 것보다 ai가 던지는 질문에 하나씩 답하면 빠짐없이 나의 요구사항이 구조화된다. 인터뷰 품질이 이후 모든 단계의 품질을 결정한다.
- 없는 기능은 "그레이 영역"으로 분리한다.
억지로 구현하지 않고 분리해두면 설계가 깔끔해지고, 나중에 스킬을 추가하면 된다.
- 드라이런은 필수다.
설계만으로는 안 보이는 이슈가 실행해야 드러난다.
향후 계획
- 이번 주에 만든 paper-summarizer를 여러 논문에 돌려보면서 품질 개선
- 다른 업무(뉴스 요약, ai 트렌드 레포/논문 등 수집 등)도 같은 6단계로 스킬화 시도
도움 받은 글
안상영 스터디장님 제공 자료: automation-pipeline-design-eduv-중급
