1. 시도하고자 했던 것과 그 이유
이번에 시도한 것은 4개의 GitHub 레퍼런스를 “프레임워크 템플릿”으로 보고, 내 솔루션 설계·개선에 전이 적용하는 것이었습니다.
이전 글에서는 “오픈소스를 벤치마킹하고, 개념을 전이학습처럼 가져온다”는 비유 수준에 머물렀습니다. 이번에는 한 단계 더 나아가서:
Superpowers → “AI에게 개발 절차를 가르치는 교수설계”
GSD Core → “긴 작업에서 앞뒤를 잊지 않게 하는 컨텍스트 설계”
GBrain → “검색이 아니라 답을 합성하게 만드는 브레인 레이어”
Gptaku Plugins → “Claude Code 초중 급자의 실전 장벽을 없애는 플러그인 마켓”
이 네 가지를 그대로 쓰는 게 아니라, 교육·행정·컨설팅 워크플로우에 맞게 재구성하는 것이 이번 실험의 핵심 목표였습니다.
2. 진행 방법
진행은 “3단계 전이 프레임”으로 잡았습니다.
1) 개념 전이: 프레임워크를 교수설계 언어로 번역
먼저 각 프로젝트를 교육공학·인지부하·역할 기반 설계 언어로 다시 읽었습니다.
Superpowers → “LLM에게 TDD·리뷰·브레인스토밍 루틴을 가르치는 수업 설계”
GSD Core → “컨텍스트를 파일로 관리하는 장기 학습 설계”
GBrain → “자료를 모아두고, 질문할 때마다 의미 네트워크로 답하는 학습자 뇌”
Gptaku Plugins → “학습 중 만나는 구체적 장벽을 플러그인으로 제거하는 JIT 학습 도구”
즉, “코딩 프레임워크”를 “LLM 교수설계 사례집”으로 인식하는 것이 첫 단계였습니다.
2) 구조 전이: 내 워크플로우에 맞게 단계 재배치
두 번째로, 각 프레임워크의 워크플로우를 내가 실제로 사용하는 작업 흐름(행정 문서·교안·강의 설계·컨설팅 보고서)에 맞게 재배치했습니다.
예를 들어:
Superpowers의 7단계: 브레인스토밍 → 설계 → 플랜 → TDD → 리뷰 → 완료 → 내 워크플로우에서는
브리핑 정리 → 요구사항 명세 → 교육 설계안 → AI 초안 생성 → 검증·수정 → 기록·배포
GSD Core의 상태 파일 구조: PROJECT / REQUIREMENTS / ROADMAP / STATE / CONTEXT → 내 문서 체계에서는
과제 개요 / 정책·요구사항 / 일정·마일스톤 / 진행 상황 / 맥락 요약
이렇게 프레임워크의 단계·파일 구조를 “내 도메인 언어”로 번역해서 전이했습니다.
3) 도구 전이: 실제 사용 도구에 연결
마지막으로는 “코딩 에이전트 중심”인 이들 프레임워크를, 제가 실제로 쓰는 도구들과 연결했습니다.
Superpowers 사고방식을: Claude · ChatGPT · Gemini 대화 프롬프트에 녹여서
“코드 대신 설계부터 하게 만드는 질문 구조”로 전환
GSD식 컨텍스트 설계를:
Google Docs / Notion / Workspace에 “STATE·CONTEXT 문서”를 별도로 만들어 적용
GBrain 브레인 구조를:
개인 지식 시스템(노트·강의안·컨설팅 결과물)에 차용해 “검색보다 답이 먼저 나오게 하는 정리 방식”으로 전이
Gptaku Plugins의 “문제별 플러그인” 개념을:
강의·부트캠프에서 “모듈별 실습·과제” 설계에 반영
이렇게 해서 “코딩 도구를 그대로 쓰지 않더라도, 그 설계 원리를 내 도구에 전이해서 쓰는 것”이 가능한지 실험했습니다.
3. 결과와 배운 점
결과
기존에 AI를 단일 세션·단일 도구로만 보던 관점을 “레이어·역할·컨텍스트” 단위로 보는 눈이 생겼습니다.
긴 작업에서 “AI가 앞부분을 잊는 문제”를 줄이는 컨텍스트 설계 패턴을 만들어, 실제 행정 문서·강의안 작업에 적용해 볼 수 있었습니다.
강의·컨설팅 콘텐츠에서 “AI를 학습자로 보고 교수설계를 적용하는 이야기”를 풀 수 있는 새로운 스토리텔링 자원을 확보했습니다.
배운 점과 나만의 꿀팁
1) 프레임워크는 ‘그 자체’보다 ‘어떤 층을 다루는지’가 중요하다 Superpowers·GSD·GBrain·Gptaku를 비교해 보면, 각각이 다른 층을 다룹니다.
Superpowers → “어떻게 만들지(절차·방법론)”
GSD → “어디서 관리할지(컨텍스트·상태)”
GBrain → “무엇을 기억하고 어떻게 답할지(브레인·합성)”
Gptaku → “학습자가 어디에서 막히는지(실전 장벽·플러그인)”
→ 꿀팁: 새 오픈소스를 볼 때 “이 도구는 내 워크플로우의 어느 층을 담당하는가?”부터 먼저 표시해 두면, 도구 선택이 훨씬 수월해집니다.
2) “없을 때의 고통”을 먼저 체험한 뒤 도입하는 것이 가장 좋다 첨부 분석에서 강조된 것처럼, 프레임워크는 문제를 먼저 느낀 뒤 도입해야 정착률이 높습니다.
테스트 없이 코드를 짜는 AI에 한 번 데여 보고 → Superpowers 도입
30분 넘게 작업하다 앞 내용을 다 잊는 경험을 해보고 → GSD 도입
자료는 많은데 질문하면 매번 처음부터 설명해야 할 때 → GBrain 도입
학습자가 PRD·Git·리서치에서 반복해서 막힐 때 → Gptaku 플러그인 도입
→ 꿀팁: “딱 한 번은 불편하게 겪어보고, 두 번째부터 프레임워크를 도입한다”는 원칙으로 도구를 선택해 보면, 도입 후 후회가 줄어듭니다.
3) 전이는 ‘이름’이 아니라 ‘패턴’을 가져오는 것이다 이 들을 그대로 설치하지 않아도, 패턴만 가져오는 전이가 가능합니다.
Superpowers 패턴: “설계·계획·테스트·리뷰가 빠지지 않게 하는 질문 순서”
GSD 패턴: “STATE·CONTEXT 문서로 작업 위치를 명시하는 습관”
GBrain 패턴: “검색 → 생각 → 기록 → 재검색이 잘 돌게 하는 브레인 구조”
Gptaku 패턴: “학습 시 막히는 지점별로 소도구를 준비해 두는 플러그인 사고방식”
→ 꿀팁: 설치부터 고민하기보다, 먼저 README를 “패턴 도감”처럼 읽고 내 프로세스에 옮겨 보는 것이 전이학습적 접근에 더 가깝습니다.
과정 중에 겪은 시행착오
처음에는 “4개 프레임워크를 한꺼번에 도입하면 최강 조합이 되지 않을까?”라는 유혹이 있었습니다. 실제로는 각자가 푸는 문제가 달라서, 섞으면 층이 헷갈립니다.
GSD가 “순수 개발 도구”라고 생각했다가, README를 자세히 보며 토큰·프로젝트 리스크가 있다는 점을 뒤늦게 알았습니다.
GBrain은 “브레인 도구”라는 이름 때문에 처음에는 추상적으로 느껴졌지만, 실제 문서 흐름(콜렉터 → 에이전트 → 브레인 페이지 → 인덱싱)까지 읽고 나서야 “이걸 내 TF 문서·회의 기록에 어떻게 전이할지”가 보였습니다.
도움이 필요한 부분
이들 프레임워크를 비개발자(교육자·행정 담당자·컨설턴트)에게 어떻게 설명하면 가장 설득력 있을지, 비유와 사례를 더 다듬을 필요가 있습니다.
Superpowers·GSD·GBrain·Gptaku를 직접 설치해 쓰지 않더라도, 담당 층위를 시각화한 프레임워크 맵이 있으면 좋겠습니다. (예: “절차·컨텍스트·브레인·학습 장벽”을 한눈에 보는 그림)
앞으로의 계획
레슨런 2편에서는 이번 내용을 바탕으로,
“오픈소스를 그대로 복제하지 않고, 교수설계·콘텐츠 설계에 전이하는 방법”을 사례 중심으로 정리할 계획입니다.
중·장기적으로는,
초중급자용 커리큘럼에서 “Superpowers → GSD → (선택) GBrain·Gptaku” 순으로 차근차근 전이해 가는 학습 로드맵을 제안해 볼 생각입니다.
궁극적으로는,
“AI를 학습자로 보고 교수설계를 적용한다”는 관점을 중심으로,
교육자·기획자·행정 담당자에게 자기 도메인에 맞는 AI 프레임워크를 고르는 눈을 길러주는 콘텐츠를 만들고자 합니다.
4. 도움 받은 글 (요약 및 링크)
1) Superpowers 공식 저장소 및 가이드
내용: Superpowers가 “agentic skills framework & software development methodology”로 어떻게 설계됐는지, 7단계 워크플로우와 14개 스킬을 설명합니다.
포인트: 단순 프롬프트가 아니라, 브레인스토밍·설계·플랜·TDD·리뷰를 강제하는 전체 개발 방법론이라는 점을 이해하는 데 도움을 줍니다.
링크: obra/superpowers[^1] Superpowers by Obra: Complete Agentic Skills Framework Guide[^6]
2) GSD Core 한국어 README
내용: GSD Core를 “컨텍스트 엔지니어링 및 스펙 기반 개발 프레임워크”로 정의하고, 상태 파일·단계 루프·지원 런타임을 설명합니다.
포인트: 긴 작업에서 AI 컨텍스트를 어떻게 관리할지, 프로젝트·요구사항·로드맵·상태·맥락 파일로 나누는 구조를 이해하는 데 유용합니다.
링크: GSD Core 한국어 README[^3]
3) GBrain 프로젝트 문서
내용: GBrain을 “personal knowledge brain and GStack mod for agent platforms”로 설명하며, 브레인 설치, 스킬, 통합 구조를 정리합니다.
포인트: 콜렉터→에이전트→브레인 페이지→인덱싱→질문 응답까지 이어지는 “브레인 레이어” 흐름을 이해해, 지식 시스템 전이에 활용할 수 있습니다.
링크: GBrain llms.txt 개요[^4] GBrain integrations README[^7]
4) Gptaku Plugins 한국어 README
내용: “AI Native가 되고 싶은 사람들을 위한 Claude Code 플러그인 마켓플레이스”로서, 설치 방법·대표 플러그인·철학을 설명합니다.
포인트: 학습 중 만나는 구체적 장벽을 플러그인 단위로 해결하는 JIT 학습 설계를 이해하게 해 줍니다.
링크: gptaku_plugins/README.ko.md[^2
