AI로 문서를 자동 공개하려다, 사람이 승인하는 전과정을 만들었습니다 — Learning Control 구축기
2026.08.05
040-attachments/-31-러닝컨트롤-전과정-구축-사례글-gpters-260805-poster-1785934514957.jpg
📘 AI로 문서를 ‘자동 공개’하려다, 결국 ‘사람이 승인하는 전과정’을 만들었습니다 — Learning Control 구축기
Admin: Learning Control
첨부 캡처:040-attachments/§31-learning-control-case-260805-*.png
✨ Synthesized Brief
🗺️ 핵심 맵
신호 | 의미 | 실무 연결 |
|---|---|---|
AI 전과정 자동화 시 비공개 문서 무단 노출 우려 | 자동화 확장에 맞춰 사람이 제어하는 승인 단계 필수 | 5단계 파이프라인 문(Gate) UI 구축 및 Dry-run 미리보기 의무화 |
모은 데이터(1208건)와 공개 데이터(4건)의 격차 | 수집(RAW)과 배포(Hub)는 완전히 독립된 관리 축 | RAW → PREPARED → OPEN → HUB 4단계 상태 분리 및 SSOT 지표 고정 |
대화 세션 및 모델 변경에 따른 맥락 파편화 | 화면 조종석(Admin)과 반복 실행 레시피(Skills) 분리 필요 | Cursor Skills ( |
📌 한 줄
Learning Control 구축은 AI에게 작업을 무조건 맡기는 자동화가 아니라, 사람이 설계한 안전한 문(Gate) 안에서 AI가 활동하도록 표준 레시피(Skills)를 갖추는 과정입니다.
✅ 실무 체크
파이프라인 문(Gate) 5단계 설계: 수집(RAW)-손질(PREPARED)-검수(OPEN)-진열(HUB)-자동화 5단계를 명확히 구분하고 UI에 배치하기
Dry-run 미리보기 의무화: 실제 배포나 데이터 변경 전에 생성 예정 목록과 영향도를 사전에 검증하기
통계 SSOT 고정: 단순 수집량과 사람이 검수한 실제 공개량을 분리하여 왜곡 없는 운영 지표 유지하기
반복 작업 레시피화: UI 조종석과 대응하는 Cursor Skills 슬래시 명령어를 1:1로 짝지어 업무 재현성 확보하기
📖 소개
시도하고자 했던 것과 그 이유를 알려주세요.
한동안 이런 고민이 있었습니다.
GPT 대화, Claude 대화, Cursor 지시문, Git 커밋, 마크다운 교재…
자료는 계속 쌓이는데,
“이게 아직 원본인지 / 공개해도 되는지 / 학습 사이트에 올렸는지”
를 사람이 머릿속으로만 기억하고 있었습니다.
처음 목표는 단순했습니다.
AI에게 전과정을 맡기고, 버튼 하나로 정리·공개까지.
그런데 자료를 많이 다룰수록 깨달았습니다.
자동화가 세질수록, 실수로 공개되면 안 되는 문서도 같이 위험해진다
“예쁘게 보이는 숫자”와 “진짜 맞는 숫자”는 다르다
AI에게 일을 시킬수록, 사람이 확인하는 문(승인) 이 더 분명해야 한다
그래서 만든 것이 Admin 화면 Learning Control입니다.
이 글에서는 “완성된 결과물 자랑”보다,
전과정을 어떤 순서로 쌓아 올렸는지를 초보자도 따라올 수 있게 적었습니다.
마지막에는 Cursor에서 바로 쓰는 Skills(슬래시 명령) 도 같이 정리합니다.
🛠️ 진행 방법
어떤 도구를 사용했고, 어떻게 활용하셨나요?
🗺️ 큰 그림 — 공장 라인처럼 생각하기
Learning Control을 공장에 비유하면 이렇게 됩니다.
공장 단계 | 화면 이름 | 하는 일 |
|---|---|---|
재료 창고 | 원본소스 RAW | GPT/Claude/Cursor/Git/MD 등을 모은다 |
손질대 | 준비문서 PREPARED | 공개 후보로 다듬을 준비를 한다 |
검수대 | 공개후보 OPEN | 공개해도 되는지 고른다 |
매장 진열 | 공개문서 / Hub | 학습 사이트·러닝허브에 반영한다 |
원터치 | 전과정 자동화 | 위 흐름을 한 번에 돌리되, 결과는 기록한다 |
그리고 이 공장 위에 3개의 축(관점) 이 있습니다.
040-attachments/§31-learning-control-case-260805-01-3axis.png
캡처 시점 예: 전체 1212 · 소스 레퍼런스 1208 · 공개 문서 4 · 러닝허브 4
초보자용으로 풀면:
전체 정보 축 — 원본(소스 레퍼런스) + 공개 문서
관리자 분류 축 — 러닝컨트롤 + 러닝스튜디오에서 다루는 양
사용자 축 — 실제로 학습자에게 보이는 공개 문서
즉, “많이 모았다”와 “많이 공개했다”는 다른 숫자입니다.
이 구분을 처음에 못 하면, 나중에 통계가 전부 거짓말이 됩니다.
🧰 사용한 도구
도구 | 역할 |
|---|---|
Cursor | 코드·규칙·스킬을 AI와 같이 만들기 |
Claude / GPT | 설계, 프롬프트, 리뷰 |
Admin UI (Learning Control) | 사람이 클릭·승인하는 조종석 |
Supabase | 실행 기록·문서 상태를 저장 |
Vercel | 웹에 배포해 실제 화면으로 확인 |
Cursor Skills ( | 반복 작업을 ‘슬래시 한 방’으로 표준화 |
핵심 원칙:
Admin은 조종석, Skills는 반복 레시피.
화면에서 보고, 슬래시로 같은 일을 다시 재현한다.
🔢 1단계 — 파이프라인 ‘문’을 먼저 만든다
처음부터 기능을 100개 만들지 않았습니다.
먼저 Admin에 열 수 있는 문 5개를 만들었습니다.
040-attachments/§31-learning-control-case-260805-02-pipeline-toggles.png
문 이름:
원본소스 · 변환 1단계(문서 준비)
준비문서 · 변환 2단계(후보 선정)
공개후보 · 변환 3단계(공개문서 선택)
학습사이트 공개 문서 · Hub 반영
수집 및 전과정 자동화
초보 꿀팁:
문이 없으면 AI도 사람도 같은 말을 다른 뜻으로 씁니다.
“준비”가 파일인지, 승인인지, 공개인지 헷갈리거든요.
그래서 UI에 이름을 박아 두고, 그다음에 엔진을 붙였습니다.
프롬프트 예시:
Learning Control Admin에 ‘파이프라인 문’ 5개를 만들어줘.
1) 원본소스 → 문서 준비
2) 준비문서 → 후보 선정
3) 공개후보 → 공개문서 선택
4) 공개문서 → Hub 반영
5) 수집 및 전과정 자동화
조건:
- 각 문은 접었다 펼 수 있게
- 오늘은 UI 문과 연결만. 영상/외부연동은 금지
- 초보자도 이해하게 각 문이 하는 일을 한 문장으로 적어줘
🔢 2단계 — 원본소스(RAW) 창고를 채운다
040-attachments/§31-learning-control-case-260805-03-raw-source.png
여기서 보이는 것:
수집[INGEST] 버튼
종류별 토글: GPT 대화, Claude 대화, Cursor 지시문, Slack 완료보고, Git commits, Markdown…
가운데 전과정 자동화
아래 7칸 진행: 원본 → 준비 → 공개후보 → 공개 → 허브 → 영상 → 퍼블리시
카드마다
ready/eligible/published/already_exists같은 상태
비유:
eligible= 아직 손질해도 되는 재료already_exists/published= 이미 요리해서 낸 메뉴 (다시 만들면 중복)
프롬프트 예시:
원본소스(RAW) 화면에 INGEST와 전과정 자동화를 연결해줘.
중요:
- 이미 공개된 항목은 신규 수집에서 제외(already_exists)
- 실행하면 오른쪽에 실행결과[RESULT]가 남게
- 새로고침 후에도 최근 결과가 보이게(DB 저장)
- 비밀키 값은 출력하지 말 것(OK/MISSING만)
- 오늘은 RAW + 실행기록까지만
시행착오:
로그인 env가 없으면 Admin 자체가 안 열림
로컬 로그인 후 배포 사이트(Prod)로 튕김 → 앱 URL을 localhost로 맞춰야 함
“전부 자동화”를 너무 일찍 누르면, 아직 없는 단계까지 욕심내서 실패함
그래서 진행률이 14%처럼 아직 초반인 상태가 정상입니다.
처음부터 100%를 목표로 하지 않았습니다.
🔢 3단계 — 준비문서(PREPARED): ‘손질된 재료’만 모은다
원본을 바로 공개하지 않습니다.
중간에 준비문서 단계가 있습니다.
040-attachments/§31-learning-control-case-260805-04-prepared-docs.png
여기서 배우는 점:
review_needed= 사람 눈이 필요public_blocked/sensitive= 함부로 공개하면 안 됨아래 실행 버튼: 변환 2단계-후보 선정
오른쪽 실행결과[result] 칸이 비어 있어도 괜찮음 → 아직 안 돌린 상태
초보 꿀팁:
빨간 태그(sensitive, public_blocked)가 보이면 성공이 아니라 ‘보호’입니다.
자동화의 미덕은 “다 밀어 넣는 것”이 아니라 “위험한 걸 멈추는 것”이기도 합니다.
🔢 4단계 — 공개후보 + Dry-run: ‘미리보기’를 의무화한다
바로 쓰기(execute) 전에 DRY-RUN(미리보기) 을 돌립니다.
040-attachments/§31-learning-control-case-260805-05-open-candidate-dryrun.png
화면에서 보이는 것:
공개후보 카드들 (
not_published)Inspector에서 미리보기 / 변환 1단계 · 승인 반영
RUN RESULT에
DRY-RUN배지요약: Preview 완료, prepared artifact 1개…
이 단계의 의미:
AI야, 먼저 “무엇을 만들 예정인지”만 보여줘.
괜찮으면 그때 승인 반영할게.
프롬프트 예시:
변환 1단계는 기본이 dry-run이야.
규칙:
1) dry-run에서는 실제 공개/삭제/production write 금지
2) 결과에 ‘무엇을 만들 지’ 미리보기를 남길 것
3) 사람이 승인했을 때만 execute(승인 반영)
4) RESULT에 DRY-RUN / 실제반영을 구분해서 표시
이 습관이 나중에 승인 게이트(공개 → 허브 → publish)의 기초가 됩니다.
🔢 5단계 — 공개문서 → Hub 반영 (Downstream)
마지막 문입니다.
공개된 문서를 러닝허브(사용자 축) 에 반영합니다.
040-attachments/§31-learning-control-case-260805-06-hub-downstream.png
포인트:
항목에
published태그가 붙어 있음실행 버튼 이름이 Hub 반영
실행결과 칸이 옆에 있어, 눌렀는지/성공했는지 남김
여기서도 순서를 헷갈리면 사고가 납니다.
올바른 순서 (쉽게)
후보 → 공개문서로 승인 → Hub에 연결 → (필요 시) 최종 Publish
잘못된 순서
Hub에 올렸다고 상태가 바로 ‘최종 공개’로 점프
→ 다음 문이 안 열림
비유:
진열(Hub) 과 판매 확정(Publish) 을 같은 버튼으로 쓰면 재고가 꼬입니다.
🔢 6단계 — 반복 작업을 Skills로 ‘레시피화’한다 (핵심)
화면만 있으면, 다음 날 Cursor 새 채팅에서
또 “어떻게 하더라?”를 설명해야 합니다.
그래서 Skills(슬래시 명령) 를 만들었습니다.
040-attachments/§31-learning-control-case-260805-07-skills.png
Skills 한눈에 (초보 버전)
순서 | Skill (슬래시) | 쉽게 말하면 | 언제 쓰나 |
|---|---|---|---|
6 |
| 수집 — Mac에서 원본을 골라 L0에 넣기 | 오늘 대화/지시문을 창고에 넣을 때 |
7 |
| 재배치·재검토 — 헤더/REVIEW 정본 맞추기 | 분류가 잡혔거나 헤더를 고칠 때 |
8 |
| 1차편집 — 오늘 phase를 일기처럼 정리 | 하루 작업을 staged 초안으로 |
9 |
| 2차편집 — 제목/프론트매터 정규화 | 카드 제목·메타가 들쭉날쭉할 때 |
10 |
| 전과정 오케스트레이터 — 코어 파이프라인 묶음 실행 | Admin 7단계 흐름을 스킬로 돌릴 때 |
관계를 한 줄로:
수집(ingest)
→ 1차편집(오늘 정리)
→ 2차편집(메타 정리)
→ 재배치(reingest)
→ 파이프라인(pipeline)으로 Admin 흐름과 맞춤
추가로(같은 가족):
/learning-control-exter-pipeline-plus— 외부 후보(옵시디언 클립 등) 트랙/edit-pipeline-plus— LC/LS/Wiki 편집 hop을 하나로
Skills를 만든 이유:
같은 일을 같은 순서로 반복할 수 있다
“오늘 범위만” 같은 안전장치가 스킬 안에 들어간다
새 채팅/새 모델이어도
/스킬이름만 치면 맥락이 살아난다
Skills용 프롬프트 예시:
/learning-control-ingest-plus
오늘 작업만 수집해줘.
- Mac L0에 쓰기
- 당일 중복 수집 금지
- dry-run 먼저 보여주고, 내가 확인하면 실행
- Vercel에 L0 경로가 없다고 가정하고 설명해줘
/learning-control-pipeline-plus
Admin Learning Control 코어 파이프라인 상태를 점검하고,
지금 안전한 다음 단계 하나만 추천해줘.
전과정 자동 실행은 내가 ‘실행’이라고 할 때만.
/learning-control-1st-edit-plus
오늘 Cursor/GPT/Git에서 한 일을
1차편집 staged 초안으로 정리해줘.
커밋은 하지 말고, 내가 확인할 목록만 보여줘.
📅 전과정 타임라인 (구축 순서 요약)
초보자가 따라 만들기 좋게, 시간 순으로만 적으면:
용어부터 정한다 (원본 / 준비 / 후보 / 공개 / 허브)
Admin에 문 5개를 만든다
RAW 수집 + RESULT 저장을 붙인다
PREPARED / OPEN 단계를 붙이고 dry-run을 의무화한다
Hub 반영을 마지막 문으로 둔다
승인 순서가 꼬이면 문을 다시 분리한다
통계(소스 레퍼런스 등)가 0/가짜가 되지 않게 SSOT를 고정한다
반복되는 Cursor 작업을 Skills로 승격한다
배포(Preview→Prod)는 별 스킬(
/deploy-plus)로 분리한다
한 방에 8~9를 같이 시키면 거의 항상 망합니다.
문 → 엔진 → 승인 → 숫자 → 스킬 순서가 안전했습니다.
💡 결과와 배운 점
배운 점과 나만의 꿀팁을 알려주세요.
과정 중에 어떤 시행착오를 겪었나요?
도움이 필요한 부분이 있나요?
앞으로의 계획이 있다면 들려주세요.
✅ 결과
Admin에서 원본 → 준비 → 후보 → 공개 → Hub 문이 한 화면에 모였습니다.
전과정 자동화와 단계별 실행이 공존하고, RESULT / DRY-RUN 으로 흔적이 남습니다.
상단 지표로 “전체 1212 · 소스 레퍼런스 1208 · 공개 4”처럼 모은 양 ≠ 공개 양을 볼 수 있습니다.
Cursor Skills 5종(+ 오케스트레이터)으로, 채팅이 바뀌어도 같은 레시피를 다시 돌릴 수 있습니다.
✨ 배운 점 1 — 자동화보다 ‘문 이름’이 먼저다
기능을 많이 만들기 전에
사람들이 같은 단어를 쓰게 만드는 게 더 어려웠습니다.
UI에 문을 박고 나서야 대화가 통했습니다.
✨ 배운 점 2 — Dry-run은 겁이 아니라 안전벨트다
미리보기를 귀찮아하면, 결국 복구에 더 시간을 씁니다.
공개 전에는 항상 Preview → 승인 반영.
✨ 배운 점 3 — Skills는 ‘만능 버튼’이 아니라 ‘범위 상자’다
좋은 스킬은 많은 일을 하는 게 아니라,
하지 말 일을 막아 줍니다.
(당일 중복 수집 금지, L0는 Mac만, 승인 전 write 금지 등)
✨ 배운 점 4 — 예쁜 통계는 위험할 수 있다
배포 환경에는 Mac 폴더가 없어서 원본이 0으로 보이거나,
다른 창고 숫자로 대충 채우면 지표가 거짓말이 됩니다.
이름마다 세는 규칙을 고정하는 게 운영의 핵심이었습니다.
⚠️ 시행착오 모음
막힘 | 증상 | 해결 |
|---|---|---|
인증 | Admin 로그인 화면만 | env 채우기 |
OAuth | 로컬 → Prod로 튕김 | 앱 URL을 localhost |
순서 | Hub 후 publish 실패 | 배치와 최종 공개 분리 |
숫자 | 소스 레퍼런스=0 / 가짜 동일 숫자 | overlay 폴백 + 대충 채우기 OFF |
범위 | 한 프롬프트에 전과정+영상+배포 | Phase/스킬로 쪼개기 |
🙋 도움이 필요한 부분
비개발자 기준으로, Skills를 더 짧은 체크리스트 카드로 줄인 버전이 필요한지
External(외부 후보) 트랙을 후속 사례글로 분리할지
캡처에 말풍선(①②③)을 얹은 버전을 만들지
🚀 앞으로의 계획
매주 RAW 1묶음만 ingest → dry-run → Hub까지 손맛 유지
Skills 설명을 Admin Skills & Commands 팝업과 계속 동기화
외부 후보(
/learning-control-exter-pipeline-plus)는 별도 체험기로 작성
한 줄 결론:
Learning Control 전과정은
“AI가 다 해주는 마법”이 아니라,
사람이 문을 열고, AI가 그 문 안에서만 뛰게 하는 공장을 짓는 일이었습니다.
그리고 그 공장을 내일도 돌리려면 Skills가 필요합니다.
📚 도움 받은 글 (옵션)
참고한 지피터스 글이나 외부 사례를 알려주세요.
작업 화면: Learning Control Admin
🗂️ Vault 메모
위치:
010-raw/inbox/(작업 큐 · 승격 전)다음 hop: ⌘⌥G → wiki-1st 또는
node scripts/obsi-edit-genre-plus.mjs --note "010-raw/inbox/§31-러닝컨트롤-전과정-구축-사례글-gpters-260805.md" --edit=wiki-1st --mode=dry-run첨부:
040-attachments/§31-learning-control-case-260805-01~07장르 힌트:
g8-build(구축·운영 사례)
로그인하고 댓글을 남겨 주세요
버튼 하나로 정리와 공개까지 가려던 처음 목표를 바꿔, 사람이 확인하는 문을 더 분명히 만드는 쪽으로 방향을 트신 과정이 눈에 띄었습니다. 자동화가 세질수록 실수로 공개되면 안 되는 문서도 같이 위험해진다는 판단이 이 글의 출발점을 잘 설명해 줍니다. 기능을 먼저 늘리지 않고 용어부터 정한 뒤 UI에 문 다섯 개를 박고 나서 엔진을 붙이셨다는 순서도 좋았습니다. 준비라는 말이 파일인지 승인인지 공개인지 헷갈렸다는 대목이 왜 이름이 먼저인지를 구체적으로 보여줍니다.
모은 양과 공개한 양을 다른 숫자로 갈라두신 점이 특히 참고가 됐습니다. 상단에 전체와 소스 레퍼런스, 공개 문서를 나란히 두면 수집량을 성과로 착각할 여지가 줄어들고, 배포 환경에 로컬 폴더가 없어서 원본이 0으로 보이거나 다른 창고 숫자로 대충 채워 지표가 거짓말이 되는 경우까지 겪어보셨기에 세는 규칙을 고정하는 것을 운영의 핵심으로 꼽으신 것 같습니다. 예쁜 통계가 위험할 수 있다는 배운 점은 지표를 만드는 사람 입장에서 오래 남을 문장이었습니다.
검수 단계에서 민감·공개차단 태그가 보이면 실패가 아니라 보호라고 읽으신 관점, 그리고 미리보기를 겁이 아니라 안전벨트로 정의하신 부분이 흥미로웠습니다. 미리보기에서는 실제 공개나 삭제, 운영 쓰기를 금지하고 무엇을 만들 예정인지만 남기게 한 뒤 사람이 승인했을 때만 실제 반영으로 넘어가는 규칙, 그리고 실행 기록에 미리보기와 실제 반영을 구분해 표시하도록 한 설계가 촘촘했습니다. Hub 반영과 최종 공개를 같은 버튼으로 쓰면 재고가 꼬인다는 비유도 설득력 있었습니다.
Skills를 다루신 관점도 인상 깊었습니다. 좋은 스킬은 많은 일을 하는 게 아니라 하지 말 일을 막아 준다는 정리, 그래서 당일 중복 수집 금지나 승인 전 쓰기 금지 같은 범위를 스킬 안에 넣어두셨다는 설명이 명확했습니다. 화면은 조종석, 스킬은 반복 레시피로 나누고 둘을 1:1로 짝지어 두면 새 채팅이나 다른 모델에서도 맥락이 살아난다는 점은 지식관리보다 운영에 가까운 감각 같습니다. 진행률이 초반인 상태를 정상이라고 적어두신 태도, 그리고 한 프롬프트에 전과정과 영상과 배포를 같이 시키면 거의 망한다는 경험에서 나온 문·엔진·승인·숫자·스킬 순서도 그대로 참고할 만했습니다.
도움이 필요하다고 하신 부분 중에서는, 저는 비개발자용 체크리스트 카드 버전이 가장 유용해 보입니다. 스킬 다섯 종의 이름과 순서를 외우기보다 지금 어느 문 앞에 있는지와 다음에 누를 것 하나만 보이는 카드가 손맛을 유지하는 데 맞을 것 같습니다. 외부 후보 트랙은 문과 승인 기준이 조금 다를 테니 후속 글로 분리하는 편이 읽는 쪽에도 편할 듯합니다. 매주 한 묶음만 수집해서 미리보기를 거쳐 Hub까지 손으로 돌려보겠다는 계획이 이 구조에 가장 어울리는 마무리라 느꼈습니다. 다음 체험기를 기대하며 응원하겠습니다!


전체 1,212와 공개 4를 같은 화면에 놓으니 수집량을 성과로 착각할 여지가 줄었습니다.
원본부터 Hub까지 다섯 게이트를 나누고 OPEN 후보를 dry-run으로 둔 흐름도 사람의 책임 구간을 숨기지 않고요.
UI는 조종석, Skills는 제한된 실행 레시피라는 구분은 채팅이나 모델이 바뀌어도 선명합니다.
민감 문서 차단과 승인 우회가 실제 운영에서 어디서 걸렸는지 로그로 남는 순간이 기다려집니다.
DECK님 스터디 재미있게 이끌어주셔서 감사합니다. AKM 인덱스 저는 69 ㅎㅎ 좀더 올려보도록하겠습니다. AKM이 내 지식관리에 어떤 인사이트를 주는지 자주 묻고있습니다. 감사하고 날씨 더운데 건강하세요^^
DECK 스터디장님 스터디를 재미있게 이끌어주셔서 감사합니다. AKM 저는 69점 ㅎㅎ 나의 지식관리에 어떤 인사이트를 주는지 자주 묻고 적용해보려고합니다. ^^