본문으로 건너뛰기

코덱스로 질문 나침반 대시보드 만들기

김범수

2026.10.08

코덱스로 질문 나침반 대시보드 만들기 본문 이미지

코덱스(Codex)로 질문을 글감으로 판단하는 대시보드를 처음 만들고, 설계 수정 6가지와 테스트 9개를 확인했어요.

질문에서 글감을 찾고 싶었습니다

한의원을 통해 제공하는 단백질 보충제를 만드는 스타트업을 운영하는 지피터스 24기 콘텐츠발행 자동화 멤버 김범수예요.

어떤 글을 쓸지 먼저 결정하고, 그 글을 블로그와 인스타그램, 유튜브 쇼츠 등 여러 곳에 발행하기 위해 질문 탐구 대시보드를 만들기 시작했습니다.

제가 원한 것은 검색량이 높은 키워드를 골라 주는 도구가 아니었습니다. 내가 탐구하는 주제와 실제 독자가 가진 질문을 연결하고, 왜 이 질문을 지금 글로 써야 하는지 스스로 판단할 수 있는 작업 공간이 필요했습니다. AI가 점수를 매겨 정답을 고르는 방식도 원하지 않았습니다. 판단은 제가 하고, 대시보드는 판단에 필요한 질문과 근거를 정리하는 역할만 맡도록 했습니다.

처음 코덱스에 보낸 요청에는 이 원칙을 먼저 적었습니다.

너는 제품 기획자이자 풀스택 개발자다.

나는 단순한 SEO 키워드 분석기가 아니라, 나의 탐구와 실제 독자의 질문을 연결하여 의미 있는 콘텐츠 질문을 발견하고 판단하도록 돕는 개인용 웹 대시보드를 만들고 싶다.

이번 단계에서는 완전한 자동화 제품을 만들지 않는다.

목표는 핵심 아이디어가 실제 사용에서 유용한지 확인할 수 있는 MVP v1을 구현하는 것이다.

(뒤로 200줄 이상 더)

코덱스에 화면보다 원칙을 줬습니다

코딩은 처음이었지만, 무엇을 만들고 무엇은 만들지 않을지는 구체적으로 적었습니다. 화면은 왼쪽의 질문 목록과 오른쪽의 상세 작업 공간으로 나누고, 질문을 고르면 주 독자, 질문 해석, 나의 탐구와 연결되는 지점, 독자에게 가능한 변화, 확인할 근거, 검색 환경, 다음 행동이 이어지도록 요청했습니다.

첫 결과를 본 뒤에는 여섯 가지를 다시 고쳤습니다. 질문의 출발점은 하나가 아니라 여러 개를 연결할 수 있게 했고, 근거에는 출처 메모를 남기게 했습니다. AI가 제안한 내용과 제가 받아들인 내용, 직접 고친 내용을 구분했습니다. 일반적인 독자 정보와 질문별 독자 분석도 분리했습니다. 검색 환경은 핵심 항목 다섯 개로 줄였고, 질문 등록 때의 기본 분석과 별도로 실행하는 검색 분석·독자 검증을 나눴습니다.

제가 직접 코드를 쓰지는 않았지만, 이 여섯 가지 수정이 대시보드의 작동 방식을 정했습니다. “보기 좋은 화면”보다 “내가 어떤 근거로 글감을 고르는가”가 먼저 보이도록 한 것입니다.

첫 MVP에서 질문 흐름을 봤습니다

만들어진 화면의 왼쪽에는 질문 레이더가 있고, 오른쪽에는 선택한 질문을 깊게 살펴보는 공간이 있습니다. 예를 들어 “걷기만으로 건강한 노화에 충분할까?”를 고르면 이 질문을 가진 독자가 누구인지, 겉으로 드러난 질문 뒤에 어떤 고민이 있는지, 어떤 변화까지 기대할 수 있는지를 차례로 볼 수 있습니다.

질문·독자·탐구는 서로 다른 정보로 저장하되 연결할 수 있게 했습니다. 독자는 다섯 가지 관점으로 살펴보고, 근거는 직접 관찰인지 분석 가설인지 확인이 필요한 내용인지 표시합니다. 마지막에는 더 생각하기, 글쓰기, 근거 찾기, 독자 검증, 나중에 보기 중 다음 행동을 고릅니다.

이 화면을 보면서 대시보드의 목적도 더 분명해졌습니다. 글을 자동으로 완성하는 도구가 아니라, 제품 설명부터 쓰려는 습관을 멈추고 독자의 실제 질문에서 글을 시작하도록 돕는 도구였습니다.

소스 검수에서 네 가지를 고쳤습니다

첫 MVP가 보인다고 바로 완성으로 보지는 않았습니다. 별도의 검수 채팅에서 소스를 다시 확인해 달라고 했고, 화면만 봐서는 알기 어려운 문제가 나왔습니다.

첫째, AI가 추천한 다음 행동과 제가 실제로 선택한 행동이 한 칸에 섞여 있었습니다. 둘째, 상태 변경 기록을 담을 구조는 있었지만 화면에서 실제 기록을 남기지 않았습니다. 셋째, 실제 근거가 없는데도 일부 내용이 ‘직접 관찰’이나 ‘검색 관찰’처럼 표시됐습니다. 넷째, AI 분석과 검색 결과가 실제 서비스에서 온 것처럼 보였지만 사실은 데모 데이터였습니다.

그래서 추천 행동과 현재 행동을 분리하고, 행동을 바꿀 때마다 기록이 남도록 요청했습니다. 근거 없는 내용은 ‘분석 가설’이나 ‘확인 필요’로 시작하게 했고, AI 분석·검색·독자 검증에는 데모임을 명확히 표시했습니다. 작동하지 않는 버튼은 완성된 기능처럼 보이지 않도록 비활성화했습니다.

이 검수 과정이 중요했습니다. 기능을 더 붙이는 것보다, 화면에 보이는 정보가 어디에서 왔고 제가 무엇을 결정했는지 구분하는 일이 먼저였습니다.

저장 데이터도 잃지 않게 했습니다

사용 테스트 전에 기존 질문이 사라지지 않도록 데이터 안전성도 따로 요청했습니다.

question-compass-mvp-source-v2를 수정해줘. 이번에는 새 기능이나 실제 AI·검색·D1 연결을 추가하지 말고, 사용 테스트 전 데이터 안전성과 구조 정리만 해줘.

필수 수정:

1. localStorage에 명시적인 스키마 버전을 추가한다.

2. 마이그레이션 전에 기존 원본을 별도 백업 키에 보존한다.

3. 저장 데이터 전체를 한 번에 가정하지 말고 레코드별로 방어적으로 마이그레이션한다.

(뒤로 19줄 더)

브라우저 저장 데이터에는 버전 정보가 붙었고, 이전 데이터를 바꾸기 전에는 원본을 따로 보존하게 됐습니다. 손상된 데이터가 있으면 샘플 데이터로 덮어쓰지 않고 저장을 중단한 뒤 화면에서 알려 줍니다. 질문의 출발점도 임의로 정하지 않고, 질문과 독자에는 각각 고유한 번호를 사용하도록 정리했습니다.

Windows 실행도 차근차근 풀었습니다

코드를 받은 뒤 바로 화면이 열릴 줄 알았지만 Windows에서 실행이 막혔습니다. 처음에는 ARM64용 실행 도구 문제를 만났고, x64 Node로 바꾼 뒤에는 전달받은 파일에 필요한 빌드 설정이 빠져 있다는 것을 알게 됐습니다. 대시보드를 처음 만들어 본 터라 당황했지만, GPT에게 오류 화면을 보여 주고 하나씩 물어보며 해결했습니다.

기존 Sites와 Cloudflare 설정을 억지로 고치지 않고, Windows에서 확인할 수 있는 로컬 실행 경로를 따로 만들었습니다. React 화면을 여는 Vite 설정과 테스트 설정을 분리한 뒤 브라우저에서 ‘질문 나침반’ 화면이 뜨는 것까지 확인했습니다.

저장 데이터가 없는 첫 실행, 예전 형식 데이터, 일부 항목이 빠진 데이터, 손상된 JSON, 새로고침 뒤 행동 기록 등 아홉 가지 상황도 점검했습니다. 결과는 9/9 통과였고, 타입 검사와 로컬 빌드도 통과했습니다.

아직 자동 발행은 연결하지 않았습니다

현재 화면의 AI 분석, 검색, 독자 검증은 실제 외부 서비스를 부르지 않는 데모입니다. 대시보드에서 고른 질문을 블로그·인스타그램·유튜브 쇼츠용 콘텐츠로 자동 변환하거나 발행하는 기능도 아직 없습니다. 가족이나 동료에게 사용해 보게 한 반응도 아직 받지 못했습니다.

이번에 확인한 것은 “코딩을 몰라도 만들 수 있다”는 말보다 조금 더 구체적입니다. 저는 AI가 대신 판단하게 두지 않고, 질문을 고르는 기준과 데이터가 표시되는 원칙을 요청했습니다. 첫 화면을 만든 뒤 소스를 다시 검수하고, 추천과 선택을 분리하고, 데모와 실제 기능을 구분하고, 저장 실패 때 지켜야 할 행동까지 정했습니다.

비슷한 대시보드를 만든다면 이렇게 시킬 수 있습니다.

[내가 해결하려는 일]을 돕는 대시보드 MVP를 만들어 주세요.

AI가 결론을 대신 내리지 말고, 사용자가 판단할 정보와 직접 선택한 결과를 분리해 주세요.

첫 화면을 만든 뒤 소스를 검수해 데모 데이터와 실제 기능을 명확히 표시해 주세요.

기존 저장 데이터는 변경 전에 백업하고, 실패하면 덮어쓰지 말고 화면에 알려 주세요.

최초 실행·구버전·손상 데이터·새로고침 뒤 상태 유지를 테스트해 주세요.

다음에는 실제 질문 세 개를 넣어 보면서 어떤 질문이 글감으로 남는지 확인하려고 합니다. 그다음에야 선택한 글을 여러 채널에 맞게 바꾸는 흐름을 연결할 생각입니다.

3

함께 이야기해요 3

로그인하고 댓글을 남겨 주세요

류웅수_이안_IAN 프로필 이미지

범수님, 제품 설명부터 쓰던 습관을 잠시 멈추고 독자의 질문에서 출발하려고 만든 ‘질문 나침반’이라는 이름이 작업 방향과 잘 어울리네요. 질문을 고른 다음 주 독자와 숨은 고민, 탐구와 연결되는 지점까지 살펴보게 하니 글을 쓰기 전에 생각할 공간이 생겼습니다.

AI가 추천한 행동과 본인이 선택한 행동이 같은 칸에 섞였다는 문제를 찾아 분리한 과정이 기억에 남습니다. 추천을 받아도 다른 길을 택할 수 있고, 그 선택이 기록되면 나중에 어떤 근거 때문에 글감이 바뀌었는지 돌아볼 수 있겠어요. 근거가 없는 항목을 관찰로 표시하던 부분과 데모 기능도 검수에서 다시 구분하셨고요.

Windows 실행 도구와 빠진 설정 때문에 막힌 뒤 오류 화면을 보여주며 풀어가신 경험도 현실적인 도움이 됩니다. 화면이 열린 이후에는 구버전과 손상 데이터, 새로고침 뒤 기록까지 아홉 상황을 확인하셔서 직접 넣은 질문을 계속 써볼 기반을 챙기셨네요.

예정하신 실제 질문 세 개를 넣을 때는 처음 예상한 다음 행동과 대시보드를 살펴본 뒤 선택한 행동을 비교해보면 재미있겠습니다. 바로 글쓰기보다 근거 찾기나 독자 검증으로 바뀐 질문이 있다면, 이 도구가 사고 과정에 어떤 도움을 주는지 볼 수 있을 듯합니다. 첫 글감으로 남을 질문과 그 선택 이유가 궁금합니다.

조셉_조 프로필 이미지
조셉_조2026.10.18

김범수님, 안녕하세요.

조셉입니다. ^^

첫 화면을 보며 이 대시보드가 "제품 설명부터 쓰려는 습관을 멈추고 독자의 실제 질문에서 글을 시작하도록 돕는 도구"라는 목적을 분명히 하신 대목이 와닿았습니다. 제품을 직접 만드는 대표일수록 글이 제품 이야기로 먼저 흘러가기 쉽습니다. 고객은 자기 질문에서 출발해 찾아오기에, 그 질문에서 시작한 글이 결국 더 멀리 닿는다고 믿습니다.

코딩은 처음이셨는데도 소스 검수를 따로 맡겨 추천 행동과 실제 선택이 한 칸에 섞인 문제, 근거 없이 '직접 관찰'로 표시된 내용까지 찾아내셨습니다. 화면이 그럴듯해 보여도 정보가 어디에서 왔는지 하나하나 가려내려 하신 태도가 이 도구를 믿고 쓰게 만드는 바탕이 될 겁니다.

Windows에서 막힌 실행을 오류 화면을 보여 가며 차근차근 풀고, 아홉 가지 상황 테스트를 모두 통과시키기까지 끝까지 이어 가셨습니다.

독자 검증이 아직 데모인 만큼, 실제 질문 세 개를 넣을 때 그 질문이 정말 독자에게서 나온 것인지는 어디에서 확인하실 생각이십니까?

질문 나침반이 첫 글감을 가리키는 순간이 머지않아 보입니다.

애쓰셨고 기대됩니다.

정화 프로필 이미지
정화2026.10.18

안녕하세요 김범수님 🙂

저도 검색량이 높은 키워드를 골라주는 도구보다는, 내가 전하고 싶은 주제에 대해 독자들이 무엇을 궁금해할지 뾰족하게 찾고 연구해서 글로 쓰는 분석기가 필요했던 터라 이 글이 더 공감됐어요.

특히 AI가 점수로 정답을 고르지 않고 근거만 정리해 주고, AI 제안과 내가 받아들인 내용을 구분해서 기록하는 부분이 인상 깊었어요.

같은 웰니스 업계라 더욱 반가웠어요 ^^

스키마 버전과 저장 데이터를 잃지 않게 관리하신 점도 제가 배워갈 부분이에요.

설계를 여섯 번 고치고 테스트를 아홉 개나 거치신 과정에서 꼼꼼함이 느껴졌어요.

앞으로 이 질문 나침반이 쌓이면 더 단단한 콘텐츠로 이어질 것 같아서 응원할게요, 화이팅이에요!

필요한 AI 정보만
메일함에 쏙쏙 넣어드려요.

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

이런 사례도 있어요

사례 전체 보기