Make AI를 활용한 농업방제AI 2중 검증루프 구축
2026.07.25

소개
시도하고자 했던 것과 그 이유를 알려주세요.
Google Drive를 워크스페이스로 활용하여 명령문 검수, 교차검증, 결과 분기, 기록 저장까지 자동화한 농업방제AI 전용 검증 체계
1. Google Drive에 저장된 Claude 명령어를 자동으로 불러온다.
2. GPT가 명령어의 누락, 위험, 모호성을 1차 검증한다.
3. Claude가 GPT의 지적을 다시 검토하여 채택 또는 기각한다.
4. 최종 결과를 SUCCESS, CONDITIONAL, REJECT로 구분한다.
5. 판정 결과에 따라 서로 다른 Google Drive 파일에 자동 저장한다.
6. 실제 코드가 제공되지 않은 상황에서 AI가 근거 없는 코드 오류를 만들어내지 않도록 검증 범위를 제한한다.
7. 모든 결과를 JSON으로 출력하여 Make가 자동 처리할 수 있도록 한다.
진행 방법
어떤 도구를 사용했고, 어떻게 활용하셨나요?
Claude 명령어 작성 → GPT 1차 검증 → Claude 2차 교차검증
→ SUCCESS · CONDITIONAL · REJECT 자동 분기 및 저장
Tip: 사용한 프롬프트 전문을 꼭 포함하고, 내용을 짧게 소개해 주세요.
Google Drive에서 ai_instruction.txt 검색
↓
파일 다운로드
↓
Buffer 데이터를 Text로 변환
↓
GPT 1차 명령문 검증
↓
review_codex.txt 저장
↓
Claude 2차 교차검증
↓
Router에서 최종 판정
├─ SUCCESS → review_claude.txt 저장
└─ CONDITIONAL 또는 REJECT → review_required.txt 저장
Tip: 활용 이미지나 캡처 화면을 꼭 남겨주세요.

Tip: 코드 전문은 코드블록에 감싸서 작성해주세요. ( / 을 눌러 '코드 블록'을 선택)

결과와 배운 점
배운 점과 나만의 꿀팁을 알려주세요.
비용과 처리시간 최적화
초기 2차 검증 모델은 Claude Opus 4.6이었다. 검증 품질은 높았지만 처리시간과 크레딧 사용량이 컸다. 비용과 시간을 줄이기 위해 Claude Sonnet 5로 변경하고, Scheduling은 OFF로 유지했다.
Claude Opus 4.6 → Claude Sonnet 5
Scheduling: OFF
과정 중에 어떤 시행착오를 겪었나요?
2중검증루프모델작업 텍스트를 갭처해서 모델만들기
MAKE.AI(생애처음), 캡처하고 묻고 적용하고 실행하고 될때까지 재실행(12시간 작업)

도움이 필요한 부분이 있나요?
LLM 1차, 2차 검증 텍스트 작성과 이전작업 저장 유무 장,단점분석
Claude명령어작성부터 1차검증, 2차검증, 명령어생성까지 작업하여 프로그램 반영하기
앞으로의 계획이 있다면 들려주세요.
비용과 시간 최적화된 2차검증루프모델 완성 방법 찾기
2차검증완료후 명령어생성까지 미완성 2차검증루프모델 완성하기
도움 받은 글 (옵션)
하네스엔지니어링 40분 개념 정리
2차검증루프모델
로그인하고 댓글을 남겨 주세요
Google Drive에서 ai_instruction.txt를 찾아 내려받고 Buffer를 Text로 변환한 뒤 검증 단계로 넘기는 흐름을 실제 Make 시나리오로 연결하신 점이 인상적입니다. 모든 검증 결과를 JSON으로 통일하고, 최종 판정에 따라 review_claude.txt와 review_required.txt로 나눠 저장하도록 설계하셔서 이후 자동 처리와 기록 확인까지 한 번에 이어지게 만든 부분이 정말 실용적이네요. 명령문 검수에서 끝나지 않고 입력 변환·분기·보관까지 한 흐름으로 구현해 공유해 주신 덕분에 비슷한 자동화를 만드는 분들에게도 좋은 참고가 되겠습니다.
감사합니다...유피테르님....저는 엔지니어H장님의 사전학습 공유 유튜브 동영상을 그대로 학습하고, 강사가 중요한 자료를 설명해서 그것을 제가 지금 하고 있는 과제에 2차검증루프가 중요할 것 같아서 그대로 따라해봤습니다.
1가지 부족한것은 2차검증완료된 명령어를 클로드코드에 반영할 수 있는 명령어를 작성되는 저장공간은 미완성입니다. 이부분은 보다 심도 깊은 과정이 필요합니다. 아무것도 모르는 저에게 과분한 칭찬입니다....
리젠화님, 농업방제 AI에서는 GPT와 Claude가 서로 동의했다는 사실보다 농약안전정보시스템(PSIS)의 공식 등록정보와 일치하는지가 최종 기준이 되어야 합니다.
저도 최근 nongyak-kb를 만들며 PSIS의 농약 사용정보 144,073건, 제품 3,961건, 취소 농약 401건을 로컬 지식베이스로 구축했습니다. 이 과정에서 공식 API 설명서와 실제 API 동작이 다른 사례도 발견했습니다. 두 AI가 같은 문서만 검토하면 동일한 오류에 함께 동의할 수 있다는 뜻입니다.
따라서 농약용 2중 검증은 다음처럼 구성하는 것이 안전합니다.
1차 LLM 검수: 작물명·병해충명·농약명·사용 목적의 누락과 모호성 확인
2차 공식정보 검증: PSIS에서 해당 작물과 병해충에 등록된 농약인지, 사용 방법과 시기, 횟수, 희석 기준, 등록·취소 상태가 일치하는지 확인
최종 분기: 공식 등록정보와 모든 조건이 일치하고 출처·기준일이 붙을 때만
SUCCESS등록정보가 없거나 조건이 충돌하면
CONDITIONAL보다는REJECT또는확인 필요로 중단
작용기작에 따른 교호살포 추천도 단순히 다른 제품명을 제시하는 방식이 아니라, 작용기작 그룹이 겹치지 않는지 확인하고 입력 작물·병해충이 불명확하면 추천을 생성하지 않아야 합니다.
이전 작업은 AI의 판정을 농약 지식으로 누적하기보다 감사 기록으로만 저장하는 편이 좋습니다. 농약 지식의 정본은 PSIS 원문과 수집 기준일로 두고, GPT·Claude 검토문은 “왜 이 판정을 했는지”를 추적하는 로그로 분리해야 오래된 AI 판단이 다음 처방의 근거로 재사용되는 위험을 줄일 수 있습니다.
감사합니다...꼼꼼하게 확인하고 멘토링에 많은 도움이 됩니다...
농약 신뢰성 90%로는 의미 없고 100%에 가까워야 가치 있다는 기준에서 시작했다는 게 인상적이에요. GPT와 Claude를 교차 검증에 쓰면서, 실제 코드가 없는 상황에서는 함수 존재 여부를 판단하지 말고 "확인필요"로 처리해야 한다는 걸 직접 부딪히며 발견하셨군요.
Opus 4.6에서 Sonnet 5로 바꿔 비용과 실행시간을 줄인 판단도 정확했고, MAKE.AI 처음 쓰면서 캡처하고 묻고 수정하며 12시간 끝에 완성한 흔적이 플로우 곳곳에 보여요. 다음 단계로 최종 판정을 Make 고정 규칙으로 분리하려는 계획도 안정적인 방향이라 생각해요. 명령어 생성 3차 단계까지 완성되는 날이 기대됩니다!
고롱고롱… 이런 글 보면 기분 좋아져요 ✨


리젠화님 혹시 루프엔지니어링 도움 받으셨다는 글이 이것인가요? 알고 싶어서요 ^^;;
https://www.gpters.org/nocode/post/rupeu-enjinieoringiran-keulrodeu-kodeuro-aireul-dolrineun-siseutem-AwQBU9ekif2tjEi
저는 AI초보입니다.
그래서 지피터스장 엔지니어H님이 학습전에 필수 시청 동영상 하네스엔지니어링 동영상을 확인하고, 영상자료중에 제공된 텍스트 파일을 2차검증루프를 따라해보려하니, MAKE.AI를 추천해서 처음 시도해보고 2번 작성해봤습니다... 도움받은 것은 100개이상은 캡처화면과 클로드에 물어보고 명령어를 실행해서 10시간 이상소요(1회 도전), 3시간(2회 도전)으로 최종 완성되었습니다...도움이 되시면 감사합니다..
https://www.youtube.com/watch?v=5buNm0pA1mg
@리젠화
공부하겠습니다 감사합니다.^^
@강군
저는 AI초보고 제가 해야 할 업무에 대한 확인이 필요해서 100가지 이상 질문과 명령어를 했던 기억입니다.
그러나, 2번째는 시간이 1/3로 감소되었습니다...
세번째는 30분~1시간이 목표입니다...
빨리가는길보다 정확하게 가는것을 추천합니다.