프롬프트모음을 클로드코드로 에이전트 워크스페이스 구축 및 대화기록으로 사례게시글 작성 사례(작성중)
2026.01.29
소개
부동산 스터디 장님 들이 준 고도화된 프롬프트를 원재로 하여 클로드코드로 자동 에이전트를 구축해 봄
클로드코드. 대화 기록 Skills로 사례게시글을 자동으로 만들어봄
진행사유
고도화된 세부적이고 많은 프롬프트를 전문지식없이 활용하기엔 기본 지식이 너무 적었음
그래서 스스로 그 프롬프트들을 활용하여 자동으로 결과물을 도출해주는 에이전트를 만들어 봄
단 결과물의 신뢰성은 세부프롬프트 활용에 비해 좋은지 나쁜지는 잘 모르겠음(전문지식 부족)
진행 방법
# 부동산 스터디 프롬프트를 Claude Code 자동화 시스템으로 만든 후기 (게시글까지 자동 작성!)
## 📝 한줄 요약
부동산 스터디 이장이 흩어진 프롬프트들을 Claude Code로 자동화 에이전트로 만들고, 분석 퀄리티를 확 올린 이야기
바쁘시면 이것만 읽어도 돼요:
- Claude Code로 목표 입력 → 자동 분석 → Word 보고서 출력 파이프라인 구축
- 전문성 부족해도 OK: '5인 가족, 송파구, 40평대' 같은 자연어만 입력하면 AI가 알아서 구조화
- Council 4인 토론: Bull(강세), Bear(약세), Analyst(데이터), Veteran(경험) 관점으로 객관성 확보
- Mac → Windows 전환 필요했지만 부동산 지식 없어도 AI가 완벽 수행
- 핵심 팁: AI 에이전트는 폴더 구조를 체계적으로 먼저 잡아야 관리가 쉬움
## 🎯 이런 분들께 도움돼요
- 부동산 스터디나 초보자
- 매주 분석 자료 준비에 시간을 많이 쓰는 분
- Claude Code로 자동화 에이전트를 만들고 싶은데 어디서부터 시작해야 할지 모르는 분
- 전문 지식은 없지만 체계적인 부동산 분석 시스템이 필요한 분
## 😫 문제 상황 (Before)
저는 부동산 스터디의 생초보인이고 분석 및 투자 전문성이 부족했습니다.
스터디장님이 준비해준 프롬프트들이 너무 세세하고 전문적인데 기본 지식이 부조하다보니 운용이 어려웠습니다
그래서> "목표만 입력하면 알아서 분석하고, 최종 보고서까지 자동으로 나오는 시스템"
단순히 데이터를 수집하는 게 아니라, 여러 관점에서 분석하고, 전문가처럼 보이는 문서까지 만들어주는 그런 시스템이요.
## 🛠️ 사용한 도구
- 도구명: Claude Code
- 모델: Claude Sonnet 4.5
- 개발 환경: Windows 10/11, Git Bash
- 추가 도구: Python (문서 변환용)
---
## 🔧 작업 과정 - 순전히 스터디장님의 자료를 커스터 마이징하는 단계 였습니다.
### Council 4인 토론 시스템을 만나다
처음엔 단순히 "송파구 투자 어때?"라고 물어봤습니다. 그런데 Claude가 혼자 답하는 게 아니라, 4명의 페르소나가 동시에 토론하더라고요.
- 🐂 Bull (강세론자): "24% 상승률, 41개 재건축 프로젝트 진행 중! 중장기 매력도 높습니다."
- 🐻 Bear (약세론자): "잠깐, 전세가율 39.4%는 서울 최저예요. 이미 과열된 신호입니다."
- 📊 Analyst (데이터 분석가): "매매가는 24% 올랐는데 전세는 3.83%만 올랐네요. 괴리율 6.3배, 비정상적입니다."
- 🏠 Veteran (경험 투자자): "2018년 전세가율 40% 붕괴 후 조정 왔던 거 기억나시죠? 지금이 비슷합니다."
그리고 마지막에 Chairman이 종합 판단을 내렸습니다: "관망 권고"
### "목표 입력 → 자동 보고서" 파이프라인 만들기
이제 본격적으로 자동화 시스템을 만들기로 했습니다. 제가 원했던 워크플로우는 이랬어요:
```
"5인 가족, 송파구, 40평대"
↓
[AI가 알아서 분석]
↓
전문 보고서.docx
```
Claude에게 이렇게 요청했습니다:
```
정성적 목표 → 자동 보고서 생성 시스템을 만들고 싶어
```
그러자 Claude가 워크스페이스 전체를 재설계하더라고요:
1. 폴더 구조 만들기
-
10-profiles/: 사용자 프로파일 저장-
20-goals/: 분석 목표 저장-
30-analysis/goal-based/: 목표별 분석 결과-
05-references/knowledge-base/: 부동산 지식 베이스2. 매핑 파일 작성
-
goal-to-knowledge.yaml(180줄): "5인 가족"이면 학군/생활인프라 필요 → 해당 지식 자동 선별-
persona-to-knowledge.yaml(240줄): Bull은 거시경제, Bear는 리스크, Analyst는 데이터 참조3. 템플릿 만들기
- 실거주 4인 가족용 템플릿
- 투자자 단기 차익용 템플릿
이 작업을 하면서 놀라웠던 건, 제가 부동산 전문 지식이 전혀 없는데도 AI가 알아서 필요한 걸 다 채워넣더라는 거예요.
### 자연어 파싱의 마법
이제 실제로 테스트해볼 시간이었습니다. 평소 말하듯이 입력했어요:
```
5인 가족, 송파구, 매매/전세/월세 모두 괜찮아, 40평대
```
그러자 AI가 이걸 YAML 파일로 정확하게 파싱하더라고요:
```yaml
family_type: "5인가족"
purpose: "실거주+투자"
area_size:
min: 35
max: 50
preferred: 40
regions:
primary: ["서울 송파구"]
transaction_types: ["매매", "전세", "월세"]
```
### 자동 분석이 시작되다
파싱이 끝나니 AI가 6단계로 분석을 진행했습니다:
1단계: 지식 베이스 매핑
> "5인 가족이니까 학군, 생활 인프라 필요하겠네요. 송파구는 강남권이니까 Tier 1 지역 분석 자료를 참조하겠습니다."
2단계: 목표 파일 생성
-
20-goals/active/20260129-5인가족-송파구-40평.yaml자동 생성3단계: 분석 폴더 생성
-
30-analysis/goal-based/20260129-5인가족-송파구-40평/폴더 자동 생성4단계: Council 토론
- Bull, Bear, Analyst, Veteran 4인이 송파구를 분석
- 각자의 관점에서 데이터를 수집하고 의견 제시
5단계: 웹 리서치
- 최신 송파구 가격, 전세가율, 규제, 재건축 현황 자동 수집
- 출처까지 명시 (서울신문, KB부동산, 정책브리핑 등)
6단계: 최종 보고서 작성
- Markdown 형식으로 종합 보고서 생성
-
06-final-report.md파일 저장이 모든 과정이 제가 아무것도 하지 않아도 자동으로 진행되었습니다.
### Word 문서로 스킬 작성
보고서를 워드파일로 만드는 스킬을 만들어 달라고 알아서 스킬을 만들었습니다.
```
그러자 Claude가 Python 스크립트를 짜서 자동 변환 시스템을 만들어줬습니다:
- 표지 페이지 자동 생성 (제목, 날짜, 작성자)
- 표, 리스트, 강조 모두 완벽 변환
- 전문 컨설팅 보고서 스타일 (맑은 고딕, A4, 양쪽 정렬)
- 결과:
Report_06-final-report_20260129.docx(42KB)### 결과물 예시
생성된 파일 구조:
```
30-analysis/goal-based/20260129-5인가족-송파구-40평/
├── 01-parsed-goal.yaml # 파싱된 목표
├── 02-knowledge-map.md # 선별된 지식
├── 03-council-discussion.md # Council 토론 결과
├── 04-research-data.md # 웹 리서치 데이터
├── 05-analysis-notes.md # 분석 노트
├── 06-final-report.md # 최종 보고서 (Markdown)
└── Report_06-final-report_20260129.docx # Word 문서
### 효과적이었던 것
1. 폴더 구조를 먼저 체계적으로 잡기
AI 에이전트를 만들 때 폴더 구조를 먼저 체계적으로 잡는 게 정말 중요했습니다.
profiles,goals,analysis처럼 역할별로 나누니까 AI가 파일을 찾고 관리하기 쉬워지더라고요.난잡하면 AI도 헷갈립니다. 사람이 정리 안 된 서랍에서 물건 못 찾듯이요.
2. 매핑 파일의 힘
goal-to-knowledge.yaml같은 매핑 파일을 만들어두면 AI가 상황에 맞게 알아서 지식을 선별합니다.예를 들어 "5인 가족"이라고 하면 → 학군, 생활 인프라 관련 지식 자동 선택
"투자자"라고 하면 → 수익률, 시세 차익 관련 지식 자동 선택
한 번 만들어두면 계속 재사용되니까 초기 투자 시간이 전혀 아깝지 않았습니다.
3. 멀티 페르소나의 위력
Bull, Bear, Analyst, Veteran처럼 여러 관점을 만들어두면 편향을 피할 수 있어요.
한 명한테만 물어보면 놓치는 게 많지만, 4명이 토론하게 하면:
- Bull이 놓친 리스크를 Bear가 잡아줌
- Bear의 비관론을 Analyst가 수치로 검증
- 둘 다 놓친 과거 사례를 Veteran이 제시
객관성이 확실히 확보됩니다.
4. 자연어로 편하게 요청하기
복잡한 명령어 필요 없었어요. "5인 가족, 송파구, 40평대"처럼 평소 말하듯이 입력해도 AI가 알아서 파싱해줍니다.
YAML이나 JSON 같은 거 몰라도 됩니다. 그냥 자연스럽게 말하면 돼요.
5. 막히면 바로 물어보기
Mac 경로 문제로 막혔을 때, 혼자 고민하지 않고 바로 "Windows 환경에 맞게 수정해줘"라고 물어본 게 정답이었습니다.
AI는 막힌 부분을 해결하는 데 특화되어 있어요. 10분 고민할 시간에 1분 만에 물어보세요.
### 이렇게 하면 안 돼요
1. 폴더 구조 없이 시작하지 마세요
처음엔 "일단 만들고 나중에 정리하지 뭐" 했다가 나중에 파일 찾기 힘들어집니다. AI도 헷갈려해요.
2. 너무 많은 걸 한 번에 요청하지 마세요
"워크스페이스 만들고, 분석하고, Word로 변환해줘" 이렇게 한 번에 요청하면 AI가 놓치는 부분이 생깁니다.
단계별로 나눠서 요청하고, 각 단계를 확인하면서 진행하는 게 좋아요.
3. AI 응답을 맹신하지 마세요
. AI는 도구일 뿐, 의사결정은 사람이 해야죠.
## 🌍 다른 업무에 적용한다면?
주택 및 상업용 토지의 신축과 리모델링 수익성 판단 에이전트를 만들어 보고 싶다
도움 받은 글 (옵션)
https://github.com/daht-mad/write-post.git
지피터스 닿님이 만들어 주신 스킬입니다. 클로드코드 작업내용을 자동으로 스크랩하여 사례글을 작성해 줍니다.



