📘 수집은 클라우드에서, 파일 쓰기는 Mac에서 — Learning Studio 핵심 파이프라인 구축기

📘 수집은 클라우드에서, 파일 쓰기는 Mac에서 — Learning Studio 핵심 파이프라인 구축기

지피터스 사례글 · Admin: Learning Studio
선행 글(같은 공장의 앞 라인): Learning Control 전과정 구축기
첨부 캡처: 040-attachments/§79-learning-studio-case-260813-*.png

✨ Synthesized Brief

🗺️ 핵심 맵

📌 한 줄

Learning Studio는 클라우드 조종석과 Mac 실제 파일 공장을 엄격히 분리하여, 수집부터 정제·출력까지 안전하게 제어하는 파이프라인입니다.

✅ 실무 체크

• Vercel과 로컬 Mac의 역할 경계를 구분해 실파일 저장 작업은 Mac 환경에서만 동작하도록 가드를 설정합니다.

• '많이 모은 데이터'와 '실제 공개한 데이터'의 지표를 분리하여 파이프라인 진도 통계의 가시성을 높입니다.

• 실행 전 dry-run과 결과(RESULT) 확인 절차를 거쳐 예기치 않은 데이터 변경이나 배포 사고를 예방합니다.

• 반복 오케스트레이션 작업은 Cursor Skill 레시피로 규격화하여 실행 일관성을 유지합니다.

📖 소개

시도하고자 했던 것과 그 이유를 알려주세요.

러닝컨트롤(Learning Control)로 원본을 모으고, 사람이 승인하는 문(Gate) 을 만든 뒤에도 한 가지가 남았습니다.

승인만 하면 끝인가?
그다음에 학습 문서로 다듬고, 경로를 정하고, 패키지로 출력하는 공장은 어디에 두지?

처음에는 “공개 승인 = 완성”이라고 생각했습니다.
실제로는 그렇지 않았습니다.

• 원본 1,200건이 있어도, 학습자가 볼 공개 문서는 몇 건뿐일 수 있다

• “정제”라고 부르면 사람마다 뜻이 다르다 (품질? 경로? 테마? 공개?)

• 웹 Admin에서 버튼을 눌렀다고 해서, Mac 디스크에 파일을 써도 되는 것은 아니다

그래서 만든 것이 Admin 러닝스튜디오(Learning Studio) 입니다.
이 글은 LC의 “승인 공장” 다음에 붙는 정제·패키지·외부주제 수집 공장을, 캡처 순서대로 풀어 씁니다.

한 줄로 말하면:

Learning Studio는 “AI가 알아서 다 공개”가 아니라,
수집·정제·문서출력·외부주제(유튜브/깃허브) 를 문별로 나누고,
Vercel에서는 보고, Mac에서만 쓰는 경계를 지키게 만든 조종석입니다.

🛠️ 진행 방법

어떤 도구를 사용했고, 어떻게 활용하셨나요?

🗺️ 큰 그림 — 3축 통계부터 보기

040-attachments/§79-learning-studio-case-260813-01-3axis.png

캡처 예: 전체 1212 · 소스 레퍼런스 1208 · 공개 문서 4 · 정제 큐 1106 · 러닝허브 4

초보 꿀팁:

“정제 큐 1106”이 커 보여도 정상입니다.
많이 모았다 ≠ 많이 공개했다.
이 숫자를 한 칸에 섞으면 통계가 바로 거짓말이 됩니다.

우측 “Playwright를 활용한 워크플로우” 카드는,
유튜브·깃허브 같은 외부 주제 수집이 같은 Admin 안에 붙어 있다는 신호입니다.
(브라우저 자동화 = Playwright)

🧰 사용한 도구

핵심 원칙:

Admin = 조종석 (상태·버튼·RESULT)
Mac repo = 실제 파일 공장
Vercel = 화면 + 기록 (파일 저장 금지 구간 있음)
Skills = 같은 일을 내일도 같은 순서로

🔢 1단계 — 파이프라인 문을 먼저 연다

040-attachments/§79-learning-studio-case-260813-02-pipeline-toggles.png

러닝스튜디오 상단에는 문이 다섯 개 있습니다.

초보 꿀팁:

문을 먼저 만들고, 엔진은 나중에 붙이세요.
“정제” 한 단어에 품질·경로·공개·배포를 다 넣으면,
팀이 커질수록 대화가 전부 어긋납니다.

프롬프트 예시:

Learning Studio Admin에 파이프라인 문 5개를 만들어줘.

1) 수집엔진 INGEST
2) 정제엔진 REFINE
3) 문서출력 Document Registry
4) 유튜브 핵심주제 수집
5) 깃허브 핵심주제 수집

조건:
- 각 문은 접었다 펼 수 있게
- INGEST는 정제·패키지·테마와 완전히 분리
- 오늘은 UI 문 + 한 줄 설명만. 배포/Hub 본문 게시는 금지

🔢 2단계 — 수집엔진[INGEST]: 재료만 모은다

040-attachments/§79-learning-studio-case-260813-03-ingest-engine.png

화면에서 보이는 것:

• 수집[INGEST] 큰 버튼

• 목록 예: 1,209 / 총 1,215

• 7칸 strip: 원본 → 준비 → 공개후보 → 공개 → 허브 → 영상 → 퍼블리시

• 카드마다 축(러닝스튜디오/러닝컨트롤) · 단계 · 공개성 · 승인

중요 구분 (여기서 많이 헷갈립니다):

UI strip 7칸 = 제품이 “어디까지 왔는지” 보여주는 진도판
Factory 엔진 6-phase = 실제로 자동 도는 공장 라인
  scan → refine_inspect → hold → publish → theme → tier_migrate

즉, strip의 “공개·허브·영상·퍼블리시”는 의도적 수동 게이트입니다.
“전과정 자동화”를 눌렀다고 해서 Vercel에 바로 올리는 구조가 아닙니다.

프롬프트 예시:

수집엔진 INGEST를 정제·패키지·테마와 분리된 블록으로 유지해줘.

규칙:
1) 필터-스캔-대상목록-전과정(진행 strip) UI
2) 실행결과[RESULT]에 최근 자동화가 남게
3) strip 4~7(공개·허브·영상·퍼블리시)은 manual_gate로 표시
4) 오늘은 수집 전용. 파일 삭제·canonical merge·prod 배포 금지

시행착오:

• “전과정”이라는 말에 속아 배포까지 한 번에 돌리려다 실패했습니다.

• 진행률 0%인데도 목록이 1,200건인 상태가 정상입니다.
  목록이 많다 = 자동화가 끝났다가 아닙니다.

🔢 3단계 — 정제엔진 1단계: 품질·주제 (Mac only)

040-attachments/§79-learning-studio-case-260813-04-refine-step1-theme.png

화면 하단의 주황색 경고가 이 글의 핵심입니다.

품질·주제 산출물 저장은 Mac repo root에서만 가능합니다.
Vercel Admin에서는 실행이 차단됩니다.

왜 이렇게 했을까요?

• Vercel에는 Mac의 ~/Documents/... L0 경로가 없다

• 클라우드에서 “파일 저장 성공”처럼 보이게 만들면, 가짜 성공(mock) 이 된다

• 그래서 UI는 열어 두되, 쓰기는 Mac에서만 허용했다

프롬프트 예시:

정제엔진 1단계(품질·주제)를 구현해줘.

규칙:
1) Vercel Admin에서는 실행 버튼을 비활성 + 안내 문구
2) Mac repo writable일 때만 산출물 저장
3) 문서 선택 → EXECUTION / RESULT 2칸 레이아웃 유지
4) mock·가짜 성공·읽기 전용 bypass 금지

초보 꿀팁:

“웹에서 안 된다”가 버그가 아니라 설계일 수 있습니다.
파일이 진짜로 있어야 하는 단계는, 클라우드 버튼만으로 끝내면 안 됩니다.

🔢 4단계 — 정제엔진 2단계: 사전검사·경로

040-attachments/§79-learning-studio-case-260813-05-refine-step2-path.png

1단계(품질·주제)가 끝난 문서만 여기로 옵니다.

화면에서 보이는 것:

• 품질·주제 완료 예: 483건

• 사전검사·이관 대기 예: 23건

• 노란 안내: 본문 품질이 부족하면 경로가 맞아도 공개후보로 올리지 말 것

• Vercel에서는 실파일이관 대신 사전검사 리포트·이력을 Supabase에 저장

실행 버튼 예:

• 선택 문서 검사·경로 산출

• 선택 일괄 사전 검사 (배치 50)

프롬프트 예시:

정제엔진 2단계(사전검사·경로)를 붙여줘.

규칙:
1) 1단계 미완료 문서는 권장하지 않음(안내 문구)
2) 중복 검사 + factory tier 경로 제안
3) Mac에서는 이관 가능, Vercel에서는 리포트/이력만 Supabase
4) RESULT에 총건수·경로산출·사전검사 건수를 남길 것

배운 점:

경로가 예쁘다고 공개 후보가 아닙니다.
품질 게이트를 통과한 뒤에야 경로가 의미가 있습니다.

🔢 5단계 — 문서출력[Document Registry]: 실행 전/후

040-attachments/§79-learning-studio-case-260813-06-document-registry.png

여기는 “공장 출고 창구”입니다.

• 왼쪽 실행 전: 아직 손볼 문서 (보류·검토·격리 태그)

• 오른쪽 실행 후: 파이프라인 결과가 prepared 등으로 나온 문서

• 하단 실행바: 정제단계 검토 · 보류 검토 · 출간 PUBLISH

필터가 1,500건을 넘어도, 선택 0건이면 실행하지 않는 습관이 안전합니다.

프롬프트 예시:

Document Registry에 실행 전/후 2열과 하단 실행바를 만들어줘.

실행바:
- 정제단계 검토
- 보류 검토
- 출간 PUBLISH

규칙:
- 문서를 선택한 뒤에만 실행
- RESULT에 검토·실행 결과 표시
- 오늘은 Registry UI + 기록. production 무단 공개 금지

🔢 6단계 — 외부 축: YouTube 핵심주제 → 2차 정제

040-attachments/§79-learning-studio-case-260813-07-youtube-external.png

내부 문서만 다듬으면, 주제가 금방 낡습니다.
그래서 외부 신호를 같은 Admin에 붙였습니다.

흐름:

1. 키워드 입력 (예: Cursor AI, Claude Code, Remotion…)

2. Playwright로 YouTube 검색 결과의 인기 제목·주제 수집

3. Obsidian EXTERNAL DATA/youtube/ 에 저장

4. 내부 문서와 대조·추천 → 2차 정제 (theme signal 반영)

프롬프트 예시:

유튜브 핵심주제 수집 패널을 Learning Studio에 추가해줘.

규칙:
1) Playwright로 검색 결과의 제목·핵심 주제만 수집
2) 저장 경로: Obsidian EXTERNAL DATA/youtube/
3) 수집 없이 대조 단계로 건너뛸 수 있게
4) 2단계 문서정제 실행 버튼과 RESULT 칸 분리
5) EXTERNAL DATA는 기본 read-only 정책 문서화 (쓰기 Phase는 명시 시에만)

🔢 7단계 — 외부 축: GitHub 핵심주제 수집

040-attachments/§79-learning-studio-case-260813-08-github-external.png

GitHub는 API를 먼저 씁니다.

입력 예: vercel/ai, anthropics/claude-code, remotion-dev/remotion
→ GitHub REST API로 stars / topics / description
→ 실패 시 Playwright로 README 페이지 보조 수집
→ Obsidian EXTERNAL DATA/github/official/
→ 대조·추천 → 2차 정제

프롬프트 예시:

깃허브 핵심주제 수집을 추가해줘.

우선순위:
1) GitHub REST API
2) 실패 시 Playwright README fallback
3) 저장: Obsidian EXTERNAL DATA/github/official/
4) 수집 없이 대조 단계로 이동 가능
5) 2단계 문서정제와 RESULT를 YouTube 패널과 같은 UX로

🔢 8단계 — 반복 실행은 Skills로 레시피화

화면만 있으면 내일 새 채팅에서 또 설명해야 합니다.
그래서 Cursor Skills로 묶었습니다.

터미널에서 상태만 먼저 보기:

cd CLAUDE/PROJECTS/OpenClaw
pnpm learning-studio:pipeline-plus

안전한 실행 습관:

# 1) dry-run 먼저
pnpm learning-studio:pipeline-plus --dry-run --limit=10

# 2) golden 1건만 run
pnpm learning-studio:pipeline-plus --run --document-id doc_4a2f4c96effc

# 3) 단일 phase
pnpm learning-studio:pipeline-plus --run --phase=theme --document-id doc_4a2f4c96effc

Skills용 프롬프트 예시:

/learning-studio-3rd-edit-plus

Learning Studio Factory 상태를 점검하고,
지금 안전한 다음 단계 하나만 추천해줘.
theme / tier_migrate 는 Mac writable일 때만.
Vercel에서는 dry-run 또는 partial로 설명.
전과정 실행은 내가 ‘실행’이라고 할 때만.

/learning-studio-3rd-edit-plus --dry-run --limit=10

파일 쓰지 말고, 영향 받는 문서 목록과 skip 사유만 보여줘.

📅 전과정 타임라인 (구축 순서)

1. 용어 고정: 수집 / 정제1(품질·주제) / 정제2(경로) / 문서출력 / 외부주제

2. Admin에 문 5개

3. INGEST + strip + RESULT

4. 정제 1·2단계 + Mac only write 가드

5. Document Registry 실행 전/후

6. YouTube · GitHub 외부 수집 + 2차 정제

7. Skills로 재현 가능한 레시피화

8. LC(승인) ↔ LS(공장) 숫자 축을 섞지 않기

💡 결과와 배운 점

배운 점과 나만의 꿀팁을 알려주세요.

🔹 결과 (이 글 시점의 운영 감각)

• Admin에서 수집 → 정제 → 문서출력 → 외부주제 를 한 화면 가족으로 볼 수 있게 됨

• 소스 레퍼런스 천 단위 / 공개 문서 소수 / 정제 큐 천 단위를 서로 다른 지표로 유지

• Vercel에서는 조종이 되고, Mac에서만 파일 write가 되는 환경 경계가 UI 문구로 고정됨

• Playwright·GitHub API로 외부 트렌드를 Obsidian EXTERNAL DATA에 붙여, 내부 문서 2차 정제에 연결

⚠️ 시행착오

1. “전과정 자동화 = 배포까지”로 오해
   → strip 4~7은 수동 게이트로 다시 못 박음

2. Vercel에서 품질·주제 저장이 안 된다고 버그 티켓을 냄
   → 사실은 HARD-GATE. 가짜 성공을 막기 위한 설계

3. 경로만 맞으면 공개후보로 올림
   → 품질 게이트 없는 경로는 사고. 1단계 완료 후 2단계

4. 통계를 DocReader 길이로 통짜 치환
   → “소스 레퍼런스 = 0” 같은 Production 사고 유형. 축별 SSOT 고정

5. LC와 LS를 같은 버튼으로 섞음
   → LC는 승인 문, LS는 공장. 슬래시 Skill도 가족만 다르게 유지

🔹 나만의 꿀팁

• 버튼을 만들기 전에 문 이름을 먼저 박는다

• dry-run / RESULT 없는 실행은 하지 않는다

• “웹에서 된다”와 “파일이 생긴다”를 같은 문장에 쓰지 않는다

• 외부 수집(YouTube/GitHub)은 내부 Factory와 문만 공유하고, 저장소(EXTERNAL DATA)는 분리한다

• 내일의 나를 위해 /learning-studio-3rd-edit-plus 한 줄을 남긴다

🙋 도움이 필요한 부분

• YouTube/GitHub 수집본 → wiki/공개 문서로 가는 추천 품질 기준을 커뮤니티와 더 다듬고 싶습니다

• 배치 50 단위 사전검사의 적정 크기(속도와 안전) 경험담이 궁금합니다

🚀 앞으로의 계획

• Factory 6-phase의 실패 시 resume / partial report 보강

• 외부 주제 2차 정제 완료 건수를 꾸준히 올려, “수집만 하고 안 쓰는” 큐를 줄이기

• LC 사례글(§31)과 이 LS 사례글을 한 시리즈로 묶어, 초보자가 공장 전체 지도를 따라오게 하기

• 필요 시 voice briefing / 포스터로 같은 내용을 다른 포맷으로 내보내기

📚 도움 받은 글 (옵션)

참고한 지피터스 글이나 외부 사례를 알려주세요.

• 자체 선행 사례: Learning Control 전과정 구축기 (같은 SaaS Admin 공장의 승인 라인)

• Admin 실습 화면: Learning Studio

• Playwright 공식 문서 (브라우저 자동화)

• GitHub REST API 문서 (저장소 메타데이터)

📌 복붙용 — GPTERS 게시 본문 (마크다운 단순판)

아래는 커뮤니티 에디터에 그대로 붙여넣기 쉬운 버전입니다.
이미지는 위 캡처 8장을 순서대로 업로드하세요.

🔹 제목

수집은 클라우드에서, 파일 쓰기는 Mac에서 — Learning Studio 핵심 파이프라인 구축기

🔹 소개

러닝컨트롤로 원본 수집·승인 문(Gate)을 만든 뒤에도 “그다음 공장”이 필요했습니다.
승인만으로는 학습 문서가 완성되지 않았고, 정제·경로·패키지·외부주제(유튜브/깃허브)가 남아 있었습니다.

Learning Studio Admin은 그 공장을 문별로 나누고, Vercel에서는 보고 Mac에서만 파일을 쓰도록 경계를 지킨 조종석입니다.

Admin: https://saas-engine-xi.vercel.app/admin/learning-studio

🔹 진행 방법

1. 3축 통계로 “모은 양 / 관리 양 / 공개 양”을 분리

2. 문 5개: INGEST · REFINE · Document Registry · YouTube · GitHub

3. INGEST는 수집 전용, strip 4~7은 수동 게이트

4. 정제 1단계(품질·주제)는 Mac only write

5. 정제 2단계(사전검사·경로)는 품질 통과 후

6. Document Registry에서 실행 전/후 + PUBLISH

7. Playwright·GitHub API로 외부 주제 수집 후 2차 정제

8. /learning-studio-3rd-edit-plus 로 레시피화

(프롬프트·코드 예시는 본문 상단 Vault 노트와 동일)

✨ 결과와 배운 점

자동화의 미덕은 “다 밀어 넣는 것”이 아니라 “위험한 쓰기를 멈추는 것”이기도 했습니다.
웹 버튼과 파일 공장을 같은 문장으로 취급하지 않는 것이 가장 큰 교훈입니다.