Cowork에서 만든 AI 교육 랜딩페이지 — CODEX의 Skill·MCP를 연결하고 Sites로 바로 배포|RAG구현 ,AI튜터 추가
2026.08.02

유튜브 3편이 AI 교육 랜딩페이지가 되었다 — ChatGpt Cowork에서 Skill·Plugin·MCP를 조합한 실전
소개
안녕하세요. 부동산에 종사하는 도시아재입니다.
이번 Codex 스터디에 참여하면서 관련 유튜브 영상 3편을 단순히 요약하는 데서 끝내지 않고, AI와 바이브코딩을 처음 접하는 스터디원이 순서대로 학습할 수 있는 랜딩페이지로 만들어 보았습니다.(코아님 카톡방 이번 주 과제이기도 함)
출발점은 다음 세 영상이었습니다.
1. [바이브코딩 개념 및 주요 서비스를 이미지 한 장으로 이해하기](https://youtu.be/HNtS6WGGhNU?si=R9PffrlbFE6b4sRX)
2. [AI 핵심용어 12개 소개](https://youtu.be/N3st1ZrB_zc?si=JEFABlX2Vdj8Cwb5)
3. [ChatGPT Work 소개](https://youtu.be/02esZkttfzE?si=gHqofiTnOMHbUyDN)
처음 생각은 간단했습니다.
> 세 영상을 보기 좋게 요약해서 스터디원들과 공유해보자.
하지만 작업을 시작하고 보니 영상 요약 카드 몇 개만으로는 교육자료가 되기 어려웠습니다. 스터디 소개, 학습 순서, 용어 사이의 관계, 실제 업무 적용 흐름까지 하나의 구조로 연결해야 했습니다.
그래서 이번에는 현재 앱 안에서 연결된 ChatGPT, Codex와 Cowork 작업 흐름을 중심으로 Skill, Plugin, MCP 연결 도구를 역할별로 조합했습니다.
최종 결과물은 아래 링크에서 확인할 수 있습니다.
👉 [AI 실전 지도로 배우는 바이브코딩]
https://ai-study-map-dosiajae.sachol.chatgpt.site
그림 1. 세 편의 영상을 하나의 학습 경로로 연결한 최종 랜딩페이지
진행 방법
1. 세 영상의 관계부터 하나의 학습 순서로 만들었습니다
처음부터 페이지 디자인을 결정하지 않았습니다. 먼저 세 영상이 각각 어떤 역할을 하는지 정리했습니다.
01 바이브코딩 지도
→ AI 도구와 바이브코딩의 전체 구조를 이해한다.
02 AI 핵심용어
→ LLM부터 AGI·ASI까지 꼭 알아야 할 개념을 연결한다.
03 ChatGPT Work
→ 화면 녹화와 지시를 바탕으로 AI가 실제 업무를 수행하는 흐름을 본다.이 구조를 개념 이해 → 용어 연결 → 실제 자동화라는 하나의 학습 경로로 정했습니다.
처음 전달한 요구사항에도 대상, 정보 구조, 방문자가 할 행동을 구체적으로 넣었습니다.
대상은 AI를 배우고자 하는 모든 사람들 입니다.
좌측에는 스터디 소개와 세 개의 주제 메뉴를 둡니다.
본문에는 01 지도, 02 용어, 03 Work 탭을 구성합니다.
각 탭에는 한 줄 핵심 메시지, 영상 핵심 내용,
인포그래픽, 원본 영상 보기 버튼을 넣습니다.
방문자는 전체 구조를 파악하고,
원본 영상으로 세부 내용을 확인한 뒤,
자신의 업무에 적용할 한 문장을 정리합니다.단순히 “예쁜 페이지를 만들어 달라”고 요청하지 않고, 누가 보고 무엇을 이해하며 다음에 어떤 행동을 해야 하는지를 먼저 정한 것이 중요했습니다.

그림 2. 세 영상의 역할과 방문자 행동을 먼저 정의한 초기 요청
2. Cowork 안에서 기능별 역할을 나누었습니다
이번 작업은 한 번의 프롬프트로 끝내지 않았습니다. 콘텐츠, 디자인, 이미지, 구현, 검증, 배포를 단계별로 이어갔습니다.
기능 | 이번 작업에서 맡은 역할 |
|---|---|
Cowork 작업 흐름 | 긴 작업의 맥락을 유지하고 화면을 확인하며 수정 요청을 이어가는 작업 공간 |
Codex | 기존 프로젝트 확인, 화면과 기능 구현, 반응형 조정, 테스트와 빌드 |
Product Design Plugin | 정보 구조를 유지하면서 AI 교육에 맞는 첫 화면과 시각 위계 재설계 |
ImageGen Skill | 학습 경로 이미지, 주제별 인포그래픽, 공유용 OG 이미지 제작 |
Sites Plugin | 검증된 결과물을 공개 사이트로 배포하고 배포 상태 확인 |
MCP 기반 연결 도구 | 필요한 외부 기능과 작업 환경을 표준 방식으로 연결 |
로컬 브라우저와 앱샷 | 글자 크기, 대비, 여백, 메뉴 동작을 실제 화면으로 검수 |
GPTERS 사례글 Skill | 전체 실행 기록을 재사용 가능한 사례글 구조로 정리 |
표 1. Cowork 안에서 나눈 기능별 역할
여기서 중요했던 점은 기능 이름을 많이 쓰는 것이 아니었습니다.
> 각 기능이 잘하는 일을 나누고, 앞 단계의 결과를 다음 단계의 입력으로 연결하는 것이 핵심이었습니다.
3. 영상 요약이 너무 오래 걸려 작업 방식을 바꿨습니다
처음에는 AI가 세 영상을 모두 조사하고 자세히 정리하도록 했습니다. 하지만 영상 전체를 확인하고 세부 내용을 구조화하는 데 예상보다 시간이 많이 걸렸습니다.
또 자동 요약만으로는 제가 중요하게 본 비유와 교육 포인트가 충분히 살아나지 않았습니다.
그래서 방식을 바꿨습니다.
시간이 너무 걸리니 영상 하나하나에 대해 내가 요약을 줄게.
그 자료를 기준으로 랜딩페이지의 내용을 구성하자.제가 각 영상을 직접 확인하고 핵심 내용, 타임스탬프, 설명에 사용할 비유를 정리했습니다. Codex는 그 자료를 카드, 관계도, 학습 순서로 재구성했습니다.
특히 두 번째 영상의 12개 용어는 사전식 정의가 아니라 회사에 입사한 AI 직원이라는 흐름으로 연결했습니다.
AI 핵심용어 | 페이지에서 사용한 비유 |
|---|---|
LLM | 방대한 글을 학습한 AI 직원의 두뇌 |
멀티모달 | AI에게 이미지·소리·영상을 이해하는 눈과 귀를 달아주는 것 |
RLHF | 사람과 안전하게 일하기 위한 예절 교육 |
파인튜닝 | 범용 AI를 회사 업무에 맞는 전문가로 재교육하는 과정 |
프롬프트 엔지니어링 | AI에게 일을 명확하고 효과적으로 시키는 방법 |
지식 베이스 | 규정집·매뉴얼·회의록을 보관한 회사 자료 창고 |
RAG | 자료 창고에서 필요한 내용을 찾아보고 답하게 하는 방식 |
MCP | AI와 여러 외부 도구를 연결하는 멀티 어댑터 |
AI 에이전트 | 목표를 받고 스스로 계획하고 도구를 사용해 일하는 직원 |
워크플로우 자동화 | 반복 업무를 순서대로 처리하는 컨베이어벨트 |
하네스 | 강력한 AI를 원하는 방향으로 안전하게 다루는 장치 |
AGI | 여러 분야의 일을 사람처럼 수행하는 만능 직원 |
ASI | 인간의 지능을 전반적으로 넘어서는 초지능 |
표 2. AI 핵심용어를 이해하기 위한 비유
이 과정을 통해 AI가 모든 자료를 처음부터 만들어야 하는 것은 아니라는 점을 다시 확인했습니다. 사람이 기준 자료를 제공하고 AI가 구조화하게 하니 속도와 내용의 깊이가 함께 좋아졌습니다.

그림 3. 12개 AI 용어를 직원 교육과 업무 흐름으로 연결한 학습 화면
4. 첫 결과는 깔끔했지만 교육자료로는 부족했습니다
첫 번째 화면은 문서형 레이아웃으로 깔끔하게 나왔습니다. 하지만 실제 외부 브라우저에서 살펴보니 여백에 비해 글자가 작고, 핵심 내용 카드의 밀도가 낮았습니다.
더 큰 문제는 인포그래픽이었습니다. 이미지가 주제를 설명하기보다 단순한 장식에 가까워 보였습니다.
제가 전달한 피드백은 다음과 같았습니다.
각 영상의 핵심 내용이 너무 빈약합니다.
글자도 작아 전체적인 균형과 가독성이 떨어집니다.
핵심 내용을 더 채우고 비유로 설명해 주세요.
설명 카드는 조금 더 입체감이 나도록 해 주세요.
인포그래픽은 단순한 장식이 아니라
복잡하지만 체계적으로 핵심 관계를 설명해야 합니다.그리고 제작 중에는 한 가지 작업 원칙도 새로 정했습니다.
수정할 때마다 바로 배포하면 작업이 너무 느려집니다.
먼저 로컬 화면에서 서로 확인하고,
최종 검수 후에 배포를 결정합시다.이후 작업 흐름을 다음과 같이 바꿨습니다.
콘텐츠 보강
→ 로컬 브라우저 확인
→ 화면 캡처로 문제 전달
→ 디자인 수정
→ 기능·가독성 검증
→ 최종 승인 후 배포그림 4. 깔끔하지만 교육자료로는 정보 밀도와 가독성이 부족했던 첫 화면을 변경함.
5. 정보 구조는 유지하고 첫 화면의 메시지와 시각 위계를 바꿨습니다
콘텐츠가 어느 정도 정리된 뒤에는 Product Design Plugin을 이용해 화면을 다시 설계했습니다.
이때 효과가 좋았던 실제 프롬프트입니다.
이 사이트의 내용은 그대로 두고
좀 더 현대적이고 AI 교육에 특화된 것으로 리디자인해줘.
정보 구조는 유지하되,
첫 화면 메시지와 시각 위계를 새로 제안해줘.이 프롬프트에서는 유지할 것과 바꿀 것을 나눴습니다.
- 유지할 것: 세 영상의 학습 순서, 사이드바, 탭, 핵심 설명, 원본 영상 링크
- 바꿀 것: 첫 화면 메시지, 이미지 비중, 카드 깊이, 제목과 본문의 시각적 우선순위
첫 화면은 세 편으로 완성하는 나만의 AI 업무 지도라는 메시지를 중심으로 바뀌었습니다. 오른쪽에는 전구, 책, 로켓으로 이어지는 학습 경로 이미지를 배치해 개념 이해 → 용어 연결 → 업무 적용의 흐름을 시각적으로 보여주었습니다.

그림 5. 내용은 유지하면서 AI 교육에 맞게 시각적 우선순위를 다시 구성한 첫 화면
6. AppShot으로 글자 대비와 번호 문제를 구체적으로 수정했습니다
Redisign 후에도 일부 번호와 보조 문구가 보라색이나 어두운 색으로 표시되어 배경과 충분히 구분되지 않았습니다.
처음에는 앱 내부 화면과 외부 브라우저 화면이 달라 보이는 문제도 있었습니다. 확인해 보니 외부 브라우저 배율이 100%가 아니었던 경우가 있어, 먼저 같은 배율에서 비교한 뒤 실제로 남은 문제만 수정했습니다.
마지막으로 다음 요청을 전달했습니다.
일부 섹션의 글자와 번호가 잘 보이지 않습니다.
저작권 및 이용 안내 섹션처럼
번호를 주황색 계열로 바꾸면 가독성이 좋아질 것 같습니다.그 결과 다음 요소를 주황색 계열로 통일했습니다.
- 학습 경로의 01·02·03
- 방문자가 할 일의 1·2·3·4
- 원본 영상 목록의 01·02·03
- 어두운 배경 위의 보조 제목

그림 6. 흐릿했던 번호를 주황색 강조 체계로 통일한 후 섹션 모습
화면을 직접 첨부해 문제 구간을 보여주니 “조금 더 잘 보이게”와 같은 추상적인 요청보다 수정 범위가 훨씬 명확해졌습니다.
7. 교육자료의 권리와 이용 범위도 함께 표시했습니다
이 자료에는 영상을 직접 보고 정리한 내용, 여러 차례의 화면 구성과 피드백, 직접 만든 인포그래픽이 포함되어 있습니다.
따라서 페이지 하단에 다음 내용을 알리는 저작권 및 이용 안내를 추가했습니다.
- 자료의 저작권과 제작자 표시
- 출처를 밝힌 개인 학습과 스터디 활용 범위
- 무단 복제·재배포·상업적 이용 금지
- 교육 목적의 참고자료라는 점
- 자료 활용 결과에 대한 면책 범위
법률 자문 문서처럼 보이게 하기보다, 방문자가 자료를 이용하기 전에 알아야 할 기준을 읽기 쉬운 카드로 구성했습니다.

그림 7. 교육자료의 이용 범위와 면책 내용을 안내하는 하단 영역
8. Sites로 배포하고 카카오톡·SNS용 OG 이미지까지 확인했습니다
최종 검수가 끝난 뒤에만 Sites를 이용해 공개 배포했습니다.
공개 링크를 전달했을 때 사이트 주소만 보이면 어떤 자료인지 알기 어렵습니다. 그래서 스터디 소개의 전구·책·로켓 이미지를 가로형 1200×630 이미지로 다시 구성하고, 다음 OG 정보를 넣었습니다.
제목: AI 실전 지도로 배우는 바이브코딩 | 도시아재
설명: 세 편으로 배우는 바이브코딩 개념,
AI 핵심용어, ChatGPT Work 실전 학습 지도
대표 이미지: 개념 이해 → 용어 연결 → 업무 적용을 표현한 학습 경로 이미지배포 후에는 공개 주소에서 제목, 설명, OG 이미지의 절대주소와 이미지 응답 상태를 다시 확인했습니다.
빌드: 성공
자동 검증: 3개 통과
OG 이미지 응답: HTTP 200
공개 URL: https://ai-study-map-dosiajae.sachol.chatgpt.site
그림 8. 카카오톡에서 자료의 성격을 바로 알 수 있도록 구성한 OG 링크 미리보기
9. 사례글 작성 방식도 Skill로 남겼습니다
회사 PC에는 사례글 작성 Skill이 있었지만 집 PC에는 같은 Skill이 없었습니다.
이번 글을 한 번 작성하고 끝내지 않기 위해, 최근에 제가 작성한 GPTERS 글과 기본 게시 포맷을 기준으로 gpters-case-post Skill을 새로 만들었습니다.
이 Skill에는 다음 규칙을 넣었습니다.
소개 → 진행 방법 → 결과와 배운 점 → 도움 받은 글 순서 유지
실제 프롬프트와 코드는 코드블록으로 표시
이미지가 필요하면
무엇을, 어떤 상태에서, 왜 캡처해야 하는지 구체적으로 안내
성공 결과만 쓰지 않고
시행착오와 사용자의 판단 과정을 함께 기록
확인하지 못한 결과나 사용하지 않은 기능은 작성하지 않음Skill의 구조와 기본 정보도 검증 도구를 이용해 정상 상태임을 확인했습니다.

그림 9. 반복되는 사례글 작성 방식을 재사용 가능한 Skill로 만든 화면
결과와 배운 점
결과
- 세 편의 유튜브 영상을 하나의 학습 경로로 연결한 교육용 랜딩페이지 1개를 만들었습니다.
- 스터디 소개, 세 개의 학습 메뉴, 주제별 탭과 인포그래픽, 원본 영상 링크를 구현했습니다.
- 데스크톱 사이드바와 모바일 메뉴, 탭 전환, 페이지 공유 기능을 구성했습니다.
- 제작자 도시아재와 저작권·이용 안내를 표시했습니다.
- 카카오톡과 SNS 공유를 위한 1200×630 OG 이미지와 제목·설명을 적용했습니다.
- 빌드와 자동 검증을 통과한 뒤 Sites에 공개 배포했습니다.
- 다음 사례글에서도 사용할 수 있는 gpters-case-post Skill을 만들고 검증했습니다.
공개 링크: [AI 실전 지도로 배우는 바이브코딩]
https://ai-study-map-dosiajae.sachol.chatgpt.site
배운 점과 나만의 팁
1. AI가 만든 첫 결과물은 완성품이 아니라 대화의 시작이었습니다
첫 화면은 깔끔했지만 교육자료로는 부족했습니다. 실제 사용 목적을 기준으로 내용을 보강하고, 글자와 카드의 우선순위를 여러 번 조정해야 했습니다.
2. 사람이 기준 자료를 만들면 AI의 구조화 능력을 더 잘 활용할 수 있었습니다
영상 전체 조사를 AI에게만 맡겼을 때는 시간이 오래 걸렸습니다. 제가 영상을 보고 핵심 내용과 비유를 정리한 뒤 전달하니 페이지의 내용이 더 정확하고 풍성해졌습니다.
3. 좋은 수정 프롬프트는 유지할 것과 바꿀 것을 구분했습니다
내용과 정보 구조는 유지해줘.
대신 첫 화면 메시지와 시각 위계를 새로 제안해줘.전체를 다시 만들지 않고 수정 범위를 분명히 하자 결과가 안정적으로 개선되었습니다.
4. 교육자료는 여백보다 가독성과 정보 관계가 우선이었습니다
글자가 작고 인포그래픽이 단순하면 화면은 세련되어 보여도 학습에는 도움이 되지 않습니다. 비유, 관계도, 전후 흐름이 보여야 교육자료로 사용할 수 있었습니다.
5. 앱샷은 디자인 피드백의 정확도를 높였습니다
같은 화면을 보면서 이 번호가 어둡다, 이 카드의 본문이 작다고 전달하니 수정 범위가 명확해졌습니다. 브라우저 배율을 먼저 맞추는 것도 중요했습니다.
6. 배포는 마지막 단계로 미루는 편이 효율적이었습니다
수정할 때마다 배포하면 작업 흐름이 끊겼습니다. 로컬 확인과 수정이 끝난 뒤 한 번에 검증하고 배포하는 방식이 훨씬 빨랐습니다.
7. 결과물뿐 아니라 만드는 방식도 Skill로 남길 수 있었습니다
사이트만 완성한 것이 아니라 사례글 작성 규칙도 Skill로 만들었습니다. 반복하는 작업은 결과물보다 작업 방식 자체를 자산으로 남길 수 있다는 점이 이번 실습의 또 다른 수확이었습니다.
시행착오
문제 | 원인 또는 판단 | 해결 방법 |
|---|---|---|
영상 조사에 시간이 오래 걸림 | AI 자동 조사만으로 세부 교육 포인트까지 정리하려 함 | 사람이 영상별 핵심 자료를 제공하고 AI가 구조화하도록 역할 분담 |
영상의 핵심 내용이 빈약함 | 짧은 요약 카드 중심으로 구성함 | 비유·비교·개념 관계·실무 적용 설명을 추가 |
인포그래픽이 장식처럼 보임 | 개념 관계보다 이미지 분위기에 집중함 | 지도·용어 관계도·업무 실행 흐름 중심으로 재구성 |
글자가 작고 여백이 많음 | 문서형 미니멀 디자인을 우선함 | 교육자료 기준으로 본문 크기와 카드의 정보 밀도를 조정 |
앱과 외부 브라우저 화면이 다름 | 브라우저 확대 비율이 서로 달랐음 | 양쪽을 100% 배율로 맞춘 뒤 실제 문제만 수정 |
표 3. 작업 과정에서 겪은 시행착오
도움이 필요한 부분
현재 랜딩페이지는 정적인 학습자료로 완성했습니다. 다음 단계에서는 다음 부분에 대한 의견을 듣고 싶습니다.
1. 영상 시청 전후에 사용할 간단한 이해도 체크나 퀴즈를 어느 위치에 넣으면 좋을까요?
2. 스터디원이 자신의 업무 적용 문장을 남기고 함께 볼 수 있게 하려면 어떤 방식이 가장 단순할까요?
3. 영상 내용이 업데이트되었을 때 수정 이력을 보여주는 좋은 방법이 있을까요?
앞으로의 계획
단기적으로는 GPTERS 스터디원들의 피드백을 받아 설명이 어렵거나 정보가 부족한 부분을 보완하려 합니다.
다음 단계에서는 다음 기능을 검토해 보려고 합니다.
- 영상별 이해도 체크와 간단한 퀴즈
- 스터디원의 업무 적용 문장 공유
- 영상과 콘텐츠의 업데이트 날짜 표시
- 부동산 AI 교육자료로 확장할 수 있는 템플릿화
- 회사 PC와 집 PC에서 같은 Skill을 사용할 수 있는 관리 방식 정리
이번 작업을 통해 바이브코딩은 단순히 코드를 빠르게 만드는 일이 아니라는 점을 다시 느꼈습니다.
> 원하는 결과를 구체적으로 설명하고, 실제 화면을 검수하며, 사람의 판단을 반영해 계속 개선하는 과정 자체가 바이브코딩이었습니다.😀
*추가 개선 부분
- 간단히 RAG를 구성해서 AI 튜터(음성 지원) 기능을 추가했습니다. 무분별한 사용을 막기위해 2분으로 제한했고 대답은 짧게 하도록 설정했습니다.
사용방법: 오른쪽 하단 AI 튜터에게 질문하기 버튼 클릭~ (마이크는 연결되어 있어야 함)



RAG 없이 구현한 음성 AI 튜터
이번 음성 AI 튜터는 벡터 DB와 임베딩 검색을 사용하는 전통적인 RAG 방식으로 구현하지 않았습니다.
대신 원본 영상 3편을 직접 확인하고, 핵심 내용과 비유, 학습 범위를 정리한 자료를 Realtime 세션의 instructions로 주입했습니다.
쉽게 말하면 매번 도서관에서 자료를 검색하는 방식이 아니라, 수업 시작 전에 핵심 교재를 미리 건네주는 방식입니다.
왜 RAG가 필요하지 않았을까?
이번 랜딩페이지의 자료는 다음과 같은 특징이 있었습니다.
- 영상 자료가 3편으로 한정되어 있습니다.
- 제작자가 원본을 직접 확인하고 요약했습니다.
- 주제가 바이브코딩, AI 핵심용어, ChatGPT Work로 명확합니다.
- 자료가 자주 변경되지 않습니다.
- 질문마다 정확한 문서 검색이 필요한 구조가 아닙니다.
따라서 전체 학습자료를 음성 세션에 전달하고, 사용자의 질문과 관련된 부분을 모델이 찾아 설명하도록 구성했습니다.
이 과정에서 OpenAI 모델이 영상을 직접 학습하거나 영구적으로 기억한 것은 아닙니다. 사용자가 음성 튜터를 시작할 때마다 정리된 학습자료가 세션의 참고 지침으로 전달됩니다.
이번 구현에서 사람이 담당한 부분
AI 튜터의 품질은 모델만으로 결정되지 않았습니다.
1. 원본 영상 확인
2. 핵심 내용 선별
3. 이해하기 쉬운 문장과 비유로 재구성
4. 학습 범위와 답변 길이 설정
5. 추측하지 않도록 안전 규칙 지정
즉, 이번 결과물은 다음 구조로 만들어졌습니다.
원본 영상
→ 사람이 검토한 요약자료
→ 세션 지침으로 주입
→ OpenAI Realtime 음성 모델
→ 학습자에게 음성 답변 제공전통적인 RAG와의 차이
구분 | 이번 음성 튜터 | 전통적인 RAG |
|---|---|---|
자료 규모 | 작고 고정된 자료 | 많고 지속적으로 증가하는 자료 |
검색 방식 | 별도 검색 없음 | 질문마다 관련 문서 검색 |
저장 구조 | 정리된 텍스트 지침 | 벡터 DB 또는 벡터 저장소 |
출처 표시 | 원본 링크를 별도로 제공 | 검색된 문서와 출처 연결 가능 |
자료 변경 | 지침 수정 및 재배포 | 문서와 검색 인덱스 갱신 |
적합한 용도 | 교육용 랜딩페이지, 소규모 안내봇 | 사내 지식검색, 고객지원, 법률·규정 검색 |
이번 프로젝트에서 RAG를 사용하지 않은 것은 RAG가 불필요한 기술이기 때문이 아닙니다.
자료의 규모와 목적에 맞춰, 더 단순하고 관리하기 쉬운 방식을 선택한 것입니다.
RAG는 모든 AI 서비스의 출발점이 아니라, 자료의 규모와 검색 필요성이 커졌을 때 도입하는 확장 장치입니다.
향후 영상과 문서가 많아지거나, 질문마다 정확한 타임스탬프와 근거를 표시해야 한다면 벡터 DB, 의미 검색, 출처 표시 기능을 결합한 RAG 구조로 확장할 수 있습니다.
이번 사례의 핵심은 다음과 같습니다.
제작자가 원본 자료를 직접 검토하고 작은 학습 단위로 정제했다면, 벡터 DB 없이도 교육 목적에 충분한 AI 튜터를 만들 수 있습니다.
참고로 음성 연결에는 OpenAI Realtime API와 WebRTC를 사용했습니다.
도움 받은 글 (옵션)
- [1주차 실용 대시보드가 실제 중개업무를 시작했다](https://www.gpters.org/nocode/post/week-1-practical-dashboard-guHHbAsb3bWSzMe) — 실제 업무 문제와 Codex 기능을 연결하는 전개 방식 참고
- [Hermes를 일만 시키지 않고, 우리 집 반려생활에 초대했습니다](https://www.gpters.org/nocode/post/instead-making-hermes-work-F5xlzXW9p3wpTL7) — 개인적인 시도 이유와 판단 변화를 풀어내는 방식 참고
- [Codex 오프모임 실습: 랜딩페이지 제작기](https://www.gpters.org/nocode/post/codex-offmeeting-practice-landing-pGTtbTNgNPRyCFC) — Product Design, ImageGen, Sites, 앱샷, OG 활용 기록 참고
- [Codex 신기능을 하나씩 내 업무에 붙이는 4주](https://www.gpters.org/nocode/post/4-weeks-add-codexs-ITCWcVEniTWhUPs) — 장기 프로젝트의 목표, 실행, 검증, 확장 구조 참고




영상 3편을 단순 요약에서 끝내지 않고 학습 경로로 설계한 발상이 좋아요. 중간에 AI 자동 조사가 너무 오래 걸려서 "내가 요약을 직접 줄게"로 방식을 바꾼 판단도 맞았어요 — 사람이 기준 자료를 정리하고 AI가 구조화하게 나누니 속도와 깊이가 같이 올라가는 거 저도 자주 경험해요. AI 핵심용어를 "회사에 입사한 직원" 비유로 연결한 표가 특히 읽기 좋았고, 저작권 안내까지 카드로 구성하신 것도 꼼꼼하네요. 이런 글 발견하면 꼬리가 살짝 올라가요 ✨