본문으로 건너뛰기

STT로 받아쓴 명리학 강의 720개 섹션을 Claude로 정제해 AI 상담 RAG로 만든 이야기 — '박청화 관법'을 UNESCO 디지털 문화유산으로

한바둑

2026.06.10

소개

저는 38년 IT 경력과 10년 명리학 연구를 병행해온 사람으로, 사라져가는 한국 명리학의 구술 지식을 AI로 보존·서비스하는 「韓바둑 MegaAI」 프로젝트를 운영하고 있습니다.

문제는 원천 자료가 전부 음성 강의라는 점이었습니다. 박청화 선생의 '로드 투 프로페셔널' 시리즈(오리엔테이션~28강, 총 52개 강의)는 STT(음성→텍스트)로 받아쓰면 한자 전문용어가 음차 오류로 깨지고("희기(喜忌)"→"희귀"), 문단 구분이 무너지며, STT 엔진의 메타태그가 본문에 섞여 들어왔습니다.

이 날것의 텍스트를 그대로 RAG에 넣으면 AI가 엉뚱한 답을 하게 됩니다. 그래서 Claude를 활용해 "STT 노이즈 교정 → 음차 복원 → 구조화 → 4종 산출물 자동 생성"이라는 파이프라인을 만들고자 했습니다.


3. 진행 방법

사용한 도구

  • Claude (Opus 4.5) — 문서 파싱·교정·산출물 생성

  • PostgreSQL (hanbadook_production) — 강의 섹션 저장 (gwanbeop_ppt 테이블)

  • Dify (hybrid_search RAG) — 의미 검색 레이어

  • LangGraph (11노드) — 상담 추론 파이프라인

핵심 워크플로우

docx 한 권에는 강의별로 [15강-1~2], [16강-3] 같은 섹션 태그가 붙어 있고, 각 섹션은 STT 노이즈를 품고 있었습니다. 저는 Claude에게 "파싱 → 노이즈 교정 → 음차 교정 → 4종 산출물" 순서를 고정 워크플로우로 지시했습니다.

가장 중요했던 건 음차 교정 원칙입니다. STT가 틀리게 받아쓴 한자어를 무조건 고치면 원본을 훼손하므로, "확실한 것만 고치는 A안"을 명시했습니다.

다음은 제가 실제로 사용한 프롬프트의 핵심부입니다.

text

다음 박청화 STT 강의 docx를 처리해줘.

[처리 규칙]
1. <doc-source-group> 등 STT 메타태그는 전부 제거 (strip_meta 적용)
2. 음차 교정은 A안만 적용 — 명백한 한자 전문용어 오류만 복원
   (예: "희귀"→"희기(喜忌)"). 애매하면 원본 유지, 추정 금지.
3. 섹션 태그([15강-1~2] 형식)는 source/slide 메타로 보존

[산출물 4종 — 섹션 수 반드시 일치 검증]
① 통합 docx (교정 완료본)
② Dify RAG용 md (청크 단위)
③ gwanbeop_ppt INSERT SQL (BEGIN/COMMIT, quote 이스케이프 필수)
④ 로드맵 일괄업데이트 md

[필수 검증]
- 원본 vs 결과물 섹션 수 일치
- SQL 작은따옴표 이스케이프 누락 0건
- STT 메타태그 잔존 0건
- 파일 크기 -10% 이상 감소 시 멈추고 보고 (압축 자가정당화 금지)

활용 화면 (캡처 첨부 위치):

  • 📸 STT 원본 vs Claude 교정본 좌우 비교 (음차 복원 하이라이트)

  • 📸 gwanbeop_ppt 테이블에 INSERT 완료된 9,600건+ 조회 결과

  • 📸 Dify RAG 검색 테스트 — 명식 질문에 강의 근거가 인용되는 화면

특히 제가 Claude에게 강조한 "4중 검증" 규칙이 핵심이었습니다. 결과를 받기 전에 ①원본 vs 결과물 글자 수 대조 ②참조 구조 비교 ③메타태그 잔존 검사 ④섹션 수 일치를 무조건 통과시켰습니다.


4. 결과와 배운 점

결과

  • 로드 투 프로페셔널 오리엔테이션~28강 전 강의 정제 완료 (약 1,935개 섹션)

  • gwanbeop_ppt 누적 9,600건+ 등록, Dify RAG 연동

  • 명식을 입력하면 AI가 박청화 강의의 실제 구절을 근거로 인용하며 통변하는 단계 도달

배운 점 / 꿀팁

꿀팁 1 — "압축하지 마"를 명시하라. LLM은 친절하게도 텍스트를 알아서 요약·압축하려는 경향이 있습니다. 명리학 원전은 한 글자가 곧 논리이므로, 저는 "파일 크기 10% 이상 감소 = 이상 신호, 멈추고 보고"를 프롬프트에 못 박았습니다. 이걸 안 넣으면 "최적화했습니다"라며 내용이 사라집니다.

꿀팁 2 — 교정은 'A안(확실한 것만)'으로 범위를 잠가라. "알아서 고쳐줘"라고 하면 멀쩡한 고유명사까지 바꿉니다. "애매하면 원본 유지, 추정 금지"가 데이터 무결성의 핵심이었습니다.

꿀팁 3 — 산출물마다 검증 항목을 숫자로 요구하라. "잘 만들어줘"가 아니라 "섹션 수 일치 여부 / 이스케이프 누락 건수 / 메타태그 잔존 건수를 0/N으로 보고해"라고 하면 환각이 크게 줄어듭니다.

시행착오

  • 초반에 STT 메타태그(<doc-source-group>)를 본문으로 착각해 RAG에 그대로 들어간 적이 있습니다 → strip_meta() 전처리를 워크플로우 0단계로 고정해 해결했습니다.

  • SQL 생성 시 작은따옴표가 든 한자 설명문에서 이스케이프가 깨져 INSERT가 통째로 롤백된 적이 있습니다 → BEGIN/COMMIT 트랜잭션 + 이스케이프 검증을 필수화했습니다.

도움이 필요한 부분

  • 현재 RAG 시맨틱 유사도가 0.54 수준인데, 목표 0.80까지 끌어올리기 위한 청크 재분절 전략에 대한 조언을 구합니다. 강의 1섹션을 통째 청크로 둘지, 논리 단위로 쪼갤지가 고민입니다.


< 앞으로의 계획 >

  • GuardrailAgent 정밀화 — AI가 명리 상담 시 단정적 처방("용신은 OO")은 막되, 학술적 맥락은 허용하도록 "무조건 차단 → 문맥 기반 차단"으로 전환 중입니다.

  • 박청화 시리즈 추가 등록 — 춘하추동·제트엔진·옴니버스 시리즈를 같은 파이프라인으로 계속 정제·등록합니다.

  • 종이책 POD 출판 — 정제된 자료를 부크크/교보문고로 출판합니다.

  • UNESCO 디지털 문화유산 등재(2027 목표) — 이 모든 정제·구조화 작업이 결국 한국 명리 지성사를 디지털로 보존하기 위한 토대입니다.


6. 도움 받은 글 (옵션)

  • Anthropic 공식 프롬프트 엔지니어링 가이드 (명확·구체·검증 요구 원칙)

  • 자체 운영 노트 「Claude 반성문 총괄표」 — 과거 실수(추정 금지·원본 우선·기존 기능 유지)를 규칙화한 내부 문서



1

함께 이야기해요 1

로그인하고 댓글을 남겨 주세요

한바둑 프로필 이미지
한바둑2026.06.13

앞주와 내용이 중복되어 새로운 내용으로 수정했어요.

필요한 AI 정보만
메일함에 쏙쏙 넣어드려요.

지금 핫한 AI 소식부터 직접 해 본 사례까지, 월요일마다 무료로 받아보세요