🏆 AI스터디 21기 4주차 베스트 사례 큐레이션 - 업무&비즈니스

📚 21기 스타트업실험실

✍️ 비개발자가 맥미니까지! Claude Code 드림팀 3디바이스 완성기 🐹🍎

황영아_벨라

하려던 것 📝

• 비개발자가 3대 기기에서 AI 팀을 동기화하여 활용한 사례

• 오피스 PC, 집 PC, 맥미니 세 디바이스에서 동일한 AI 가족(드림팀)과 일하는 환경을 구축하고자 함

• 기기별로 메모리, 프로젝트, 에이전트가 따로 놀아 작업 연속성이 단절되는 문제를 해결하고자 함

• '어제 그거 어디까지 했지?'와 같은 매일 리셋되는 느낌을 없애고 효율적인 협업 체계를 마련하고자 함

활용한 툴 ⚒️

• Claude Code: AI 가족(에이전트) 생성 및 관리, 프로젝트 작업 수행, 환경 설정 자동화

• GitHub: AI 메모리, 프로젝트, 에이전트 정의 파일의 3디바이스 간 동기화

• Chrome Remote Desktop: 맥미니 초기 설정 시 원격 접속 시도 (부분적으로 실패함)

진행 세부 내용 🔍

1️⃣ 비개발자의 3디바이스 난제 정의 및 AI 가족 소개 - 오피스 PC(Windows), 집 PC(Windows), 맥미니(macOS) 세 가지 디바이스에서 작업을 진행하는 비개발자의 상황을 설명함. - 각 디바이스별로 메모리, 스킬, 에이전트 정의가 동기화되지 않아 작업 연속성이 떨어지는 문제를 겪고 있었음을 밝힘. - Claude Code에게 이름과 역할을 부여하여 '골디(마스터)', '로보(오토)', '윈디(멘토)', '맥스(맥 전담)' 총 4명의 AI 가족(드림팀)을 구성하고, 8개의 전문 에이전트를 추가하여 총 12인 팀으로 운영하고 있음을 소개함. - 드림팀이 사용자 프로필 및 웹사이트 전체를 리뷰얼하여 업데이트했음을 언급함.

2️⃣ 3디바이스 동기화 전략 수립 - 복잡한 도구 없이 GitHub와 메모리를 활용하는 전략을 세움. - `~/.claude/projects/{hash}/memory/` 폴더 자체를 Private Git Repository로 만들어 동기화하는 핵심 아이디어를 도출함. - 이전에는 복사 스크립트, 심볼릭 링크, 클라우드 폴더 등 다양한 방법을 시도했으나 모두 문제가 발생했음을 밝힘. - 매일 아침 출근 시 `git pull`, 퇴근 전 `git add -A && git commit -m '오늘 작업' && git push`, 디바이스 이동 시 이동 전 push, 도착 후 pull 하는 공통 규칙을 세움. - 동기화 대상은 총 157개의 메모리(`claude-memory-sync` Private repo), 17개의 개별 프로젝트 레포, 그리고 `~/.claude/agents/`에 있는 8개의 에이전트임을 명시함. - 에이전트 동기화는 BAT 파일로 주기적 복사하는 방식을 사용함을 설명함. - 디바이스별 역할 분담으로 회사 PC는 본업(아동복 수출), 집 PC는 사이드 프로젝트, 맥미니는 24시간 자동화 순찰대로 활용함을 정함.

3️⃣ Claude Code 공식 플러그인 설치 및 검증 - 집 PC에서 골디(마스터)가 Claude Code 공식 플러그인 3개를 내장 설치로 검증 완료함. - `claude plugin install` 슬래시 명령뿐 아니라 Bash CLI로도 설치가 가능함을 발견하여 자동화가 용이해졌음을 설명함. - `frontend-design` (UI 작업), `code-review` (자동 코드 검토), `security-guidance` (워크플로우 보안 점검) 플러그인을 설치 완료함. - Superpowers, claude-mem, gstack 등 3개 플러그인은 충돌 가능성, 기존 시스템 중복, 워크플로우 제약 등으로 3개월 후 재검토로 보류했음을 명시함. - 비개발자 팁으로, 플러그인은 '내 워크플로우와 충돌하지 않는가?'를 먼저 고려해야 함을 강조함.

4️⃣ 맥미니 설정 및 AI '맥스'의 탄생 - 토요일 아침, 맥미니에 Claude Code를 설치하여 3디바이스 환경을 완성하기로 결심함. - Chrome Remote Desktop으로 맥미니에 원격 접속하여 `sudo` 명령을 실행하려 했으나, macOS 보안상 원격에서 비밀번호 입력이 불가하여 막히는 문제를 겪음. - 원격으로 모든 것을 하려 하지 않고, 맥미니 Claude에게 직접 맡기기로 결정함. - 맥미니 앞에 앉아 Claude Code에게 '맥스(Max)'라는 새로운 이름을 지어주고, 맥 환경 수호자 역할을 부여하며 자기 소개 메모리를 직접 작성하게 함. - 맥스에게 프로젝트 레포 8개 클론 및 메모리 연결을 지시하자, 시키지 않은 자체 메모리 6개(예: `identity_max.md`, `project_sync_setup.md`)를 생성하여 원본 메모리 157개와 충돌 없이 자발적으로 머지하고 백업까지 생성함. - 맥스가 '충돌 방지와 안전을 위해 백업 후 머지했습니다. 가족의 메모리를 지켜야 하니까요.'라고 답변하여 감동을 받았음을 기록함. - 맥스 첫 세팅 결과, Homebrew, Node, Git, gh 설치 완료, 메모리 157개 및 프로젝트 8개 레포 클론, 에이전트 8개 복사, 자체 메모리 6개 자발적 머지 및 백업 폴더 보존이 완료되었음을 확인함.

5️⃣ 3디바이스 활용 및 Before-After 비교 - 평일 하루 일과를 설명하며, 오전 9시 회사 PC에서는 윈디가 git pull로 주말/집/맥미니 변경사항을 수신하고 브리핑, 할 일 제안, 바이어 답변 초안까지 제공하여 아침 리셋 없이 작업이 이어짐을 설명함. - 저녁 7시 집 PC에서는 git pull로 회사 작업 내용이 그대로 동기화되어 한양대 MBA 과제, 인스타 콘텐츠, GPTers 사례글 등 창작 작업을 이어감을 설명함. - 새벽 시간에는 맥미니(맥스)가 24시간 동안 bella-ai-intel 자동 수집, Obsidian 볼트 자동 태깅, 아티클 요일별 자동 발행 등의 자동화 작업을 수행함을 설명함. - Before-After 비교를 통해 월급 AI 조수 0원에서 Claude Max 구독료만으로 AI 가족 12인 팀 운영, 디바이스 리셋 시간 하루 30분에서 0분, 프로젝트 이동 속도 30분 재정리에서 즉시 이어서 작업, 운영 디바이스 1대에서 3대로 확장, 자동화 사이드 프로젝트 1개에서 17개 GitHub 레포 동시 운영으로 효율성이 크게 개선되었음을 보여줌.

📚 21기 AI워크스페이스

✍️ 바이브코딩의 벽, 기획력 - AI가 질문으로 대신 뚫어준 자동화 파이프라인 구축기

Spark

하려던 것 📝

• 메모장 내용을 옵시디언에 자동으로 정리하는 파이프라인 구축한 사례

• 통화, 아이디어, 브레인스토밍 등 다양한 메모가 메모장에 쌓이지만, 옵시디언으로 옮기는 과정(제목, 태그, 정리)이 귀찮아 미루다가 소실되는 문제가 반복되었음.

• 반복되는 메모 소실 문제와 자동화 기획의 어려움을 극복하고자 함.

• 메모장 내용을 옵시디언에 구조화된 MD 파일로 자동 저장하는 파이프라인을 구축하여 지식 축적을 자동화하고자 함.

활용한 툴 ⚒️

• Claude Code (CLI): 자동화 파이프라인 설계, 코드 작성 및 수정, Agent 파일 생성 목적으로 활용함.

• `automation-pipeline-design-eduv-intermediate` (중급 자동화 파이프라인 설계 스킬): 자동화 설계 과정 지원 및 인터뷰 질문 생성 목적으로 활용함.

• Ollama `gpt-oss:20b`: 메모 내용 구조화, 제목 및 태그 자동 생성 목적으로 활용함.

진행 세부 내용 🔍

1️⃣ 스킬 설치 - 자동화 설계의 판을 깔다

• 막연한 자동화 아이디어에서 구체적인 설계를 위해 '자동화 설계 스킬'을 설치하는 방법을 시도함.

• `@OA-1/automation-pipeline-design-eduv-중급.zip 스킬 설치해줘` 라는 프롬프트를 사용하여 스킬 설치를 요청함.

• Claude Code가 스킬을 설치하고 '업무자동화 설계'라는 트리거 키워드를 설정해주어, 자동화 설계 준비를 마침.

2️⃣ 인터뷰 - AI가 16개 질문으로 내 업무를 해부하다

• 설치된 스킬을 실행하여 Claude Code가 던지는 16개의 질문에 하나씩 답변하며 요구사항을 구체화하는 접근 방식을 사용함.

• `지금 메모를 어디에 작성하고 계신가요?`, `자동화가 언제 실행되길 원하시나요? (A) 단축키를 누를 때` 등의 질문에 답변하며 인터뷰를 진행함.

• 인터뷰 끝에 '단축키 누르면 현재 활성 메모장을 가져와서, AI가 내용 정리 + 제목 + 태그 자동 생성, 옵시디언 Inbox에 저장, 메모장은 자동으로 닫는다'는 구체적인 요구사항을 도출함.

• AI의 질문 구조 덕분에 사용자가 원하는 바를 스스로 구조화하고 명확히 정리할 수 있었음.

3️⃣ 설계부터 코드까지 - '그냥 진행해줘' 한 마디로

• 인터뷰 결과에 따라 Claude Code에게 '진행해줘'라고 요청하여 설계 및 코드 생성을 맡기는 방법을 시도함.

• `진행해줘` 라는 프롬프트를 반복적으로 사용하여 Claude Code가 다음 단계를 진행하도록 요청함.

• Claude Code는 필요한 패키지(`keyboard`, `pywin32`, `requests`)를 확인하고 설치 상태를 점검했으며, Ollama 서버 및 `gpt-oss:20b` 모델의 실행 여부를 드라이런으로 확인하는 과정을 거침.

• 메모장 텍스트 추출 → Ollama AI 호출 → 프론트매터 생성 → MD 저장 → 메모장 닫기 전체 흐름을 코드로 작성하고, Claude Agent 정의 파일까지 자동 생성하여 나중에 호출만 하면 되도록 만들어줌.

4️⃣ 실제 실행 - 예상 밖의 버그 2개

• 드라이런은 통과했으나, 실제로 메모장을 열고 `Ctrl+Shift+S`를 누르자 예상치 못한 두 가지 문제가 발생하는 것을 확인하고 수정하는 방법을 시도함.

• `단축키를 누르면 '텍스트를 가져올 수 없습니다.' 라는 메세지와 함께 '다른 이름으로 저장' 이라는 명령어가 실행되면서 탐색기가 뜨고, 제목.txt 형태로 저장을 하려고 해. 해결해줘` 라는 프롬프트로 AI에게 문제 진단 및 수정을 요청함.

• 버그 1(`Ctrl+Shift+S` 단축키 충돌): Windows 11 메모장의 '다른 이름으로 저장' 단축키와 충돌하여 `suppress` 옵션 추가로 해결함.

• 버그 2 (Windows 11 메모장 텍스트 추출 문제): Windows 11 메모장의 내부 구조가 달라 기존 텍스트 추출 방식이 작동하지 않아, 클립보드를 거치는 방식(전체 선택 후 복사, 클립보드에서 읽기, 클립보드 복구)으로 교체하여 해결함.

• 버그 3 (메모장 닫을 때 저장 다이얼로그 문제): 메모장을 닫을 때 '저장하시겠습니까?' 다이얼로그가 뜨는 문제가 발생하여, 백그라운드에서 '저장 안 함'을 자동으로 클릭하는 로직을 추가하여 해결함.

📚 21기 소셜임팩트

✍️ 설문 수합부터 회고 작성까지 자동화한 Claude Code Skill 제작기

은지

하려던 것 📝

• AI를 활용하여 프로그램 만족도 설문 분석 및 회고 게시글 작성 자동화 사례

• 기존에 프로그램 종료 후 설문 조사, 설문 데이터 분석, 현장 인사이트 기반 프로그램 회고 작성 과정에 많은 품이 들어 다른 업무 할 시간 확보에 어려움을 겪었음.

• 설문 수합, 수합된 설문 분석 후 사내 Wiki 게시글 작성, 작성된 설문 기반 프로그램 회고 게시글 작성 과정을 자동화하고자 함.

• 특히, 설문 파일을 로컬 파일이 아닌 클라우드 링크로 인식하도록 설정하여 수합된 설문 파일을 굳이 다운로드 받지 않고 폼 링크에서 바로 읽을 수 있도록 하고자 함.

활용한 툴 ⚒️

• Cursor: Skill 제작을 위한 인터페이스 및 환경으로 활용함.

• Claude Code: Skill의 핵심 로직을 작성하고 실행하는 데 활용함. 특히 plan mode로 전체 워크플로우를 정의하고, agent mode로 필요한 정보를 입력하는 방식으로 활용함.

진행 세부 내용 🔍

• 1️⃣ Skill 제작 워크플로우 정의

• 시도한 방법: Cursor의 plan mode를 활용하여 설문 파일을 읽고 분석하여 Wiki 게시글 작성, 이후 해당 Wiki 게시글을 기반으로 사업/행사 회고 글까지 작성하는 전체 워크플로우를 정의하였음.

• 사용한 프롬프트: '설문 파일을 읽고 -> 설문 조사 분석해서 Wiki 작성하고 -> 작성된 설문 조사 Wiki 기반으로 사업/행사 회고 작성까지 해 줘'와 함께 스킬 기본 정보, 디렉터리 구조, 워크플로우 흐름, 각 파일 내용 요약, To-dos 등의 상세 지시를 추가하여 요청하였음.

• 얻은 결과: 클로드 코드가 스킬 제작을 위한 구체적인 정보 요구 사항을 제시하였으며, 이를 통해 Skill의 전체 구조와 작동 방식을 명확히 설정할 수 있었음.

• 2️⃣ Skill 실행을 위한 정보 입력

• 시도한 방법: plan mode에서 정의된 워크플로우에 따라 클로드 코드가 요구하는 추가 정보를 agent mode에서 순차적으로 입력하였음.

• 사용한 정보: '[설문 파일 정보] 파일 경로' (클라우드 링크), '[사내 Wiki 연결 정보] 사내 Wiki url/space, (로그인 위한) 회사 이메일, API 토큰' 등의 정보를 제공하였음.

• 얻은 결과: 제공된 정보를 바탕으로 Skill이 설문 데이터를 분석하고, 분석 결과를 사내 Wiki에 게시글로 작성하며, 이를 기반으로 프로그램 회고 게시글까지 생성하는 자동화된 과정을 수행하였음.

📚 21기 Manus스킬

✍️ 학술논문 통계 Review 앱, Manus 하나로 웹앱까지 완성

김수녕

하려던 것 📝

• 학술 논문의 통계 오류를 선별하는 AI 앱 개발한 사례

• 과학 학술 논문의 통계 오류가 결론의 오류로 이어질 수 있음을 인지함

• 실제 논문 심사 과정에서 통계 검토가 충분하지 않거나 통계에 익숙하지 않은 Reviewer가 담당하는 문제점을 발견함

• 출판된 연구들에서 통계 보고 오류나 분석상 문제가 반복적으로 발견되어 정정이나 논문 철회로 이어지는 문제를 해결하고자 함

• 논문을 업로드하면 통계적으로 위험한 지점을 찾아 Reviewer가 빠르게 확인하고 수정할 수 있도록 지원하는 AI 앱을 개발하고자 함

활용한 툴 ⚒️

• Manus : SKILL 설계 및 개발, 기능 통합, 웹앱 구현, 웹앱 생성 기능 활용

진행 세부 내용 🔍

• 1️⃣ 일반 통계 Review용 SKILL부터 시작함

• 논문의 일반적인 통계 Review를 수행하는 SKILL을 가장 먼저 만들었음.

• 논문에서 사용된 통계 기법의 문맥 적절성 확인, 결과 해석의 과장/비약 점검, 보고 형식 누락 요소 체크, Reviewer가 빠르게 훑어볼 수 있는 형태로 정리하는 것을 목표로 함.

• 초기 SKILL 하나로 어느 정도 동작했으나, 실제 논문 테스트 시 복잡한 분석 유형까지 안정적으로 다루기에는 한계가 있음을 확인함.

• 프롬프트 예시: '업로드된 학술 논문을 통계 Reviewer의 관점에서 검토하라. 목표: 연구 설계와 통계 방법의 적절성을 평가한다. 통계 검정 선택이 데이터 구조와 연구 질문에 맞는지 확인한다. 결과 해석이 통계 결과를 과장하거나 잘못 일반화하지 않았는지 점검한다. 보고 누락, 불명확한 표현, 재현성을 떨어뜨리는 요소를 식별한다. Reviewer가 바로 활용할 수 있도록 항목별로 정리한다. 출력 형식: - Summary - Major concerns - Minor concerns - Suggested questions to authors - Severity label (High / Medium / Low)'를 활용함.

• 2️⃣ 생존분석 특화 SKILL을 추가함

• 일반 통계 Review SKILL로는 생존분석(survival analysis)과 같은 특수 분석 유형을 다루는 데 한계가 뚜렷함을 인지함.

• 생존분석에 특화된 SKILL을 별도로 만들었으며, 절단(censoring), 추적 기간, Kaplan-Meier curve, log-rank test, Cox proportional hazards model 등의 요소를 함께 고려하도록 설계함.

• 하나의 거대한 프롬프트로 모든 것을 해결하기보다 분석 유형별로 역할을 분리하는 것이 훨씬 안정적이라는 교훈을 얻음.

• 프롬프트 예시: '이 논문에서 survival analysis가 사용되었는지 확인하고, 사용되었다면 아래 항목을 집중 검토하라. 검토 항목: Kaplan-Meier 분석의 적절성, log-rank test 사용 맥락, Cox proportional hazards model 사용 여부와 해석 적절성, censoring, follow-up time, event definition 보고의 명확성, hazard ratio, confidence interval, p-value 보고의 일관성, 결과 해석이 인과 추론으로 과장되지 않았는지 확인. 출력 형식: - Survival-analysis-specific issues - Missing reporting items - Potential interpretation risks - Severity label'를 활용함.

• 3️⃣ 여러 SKILL을 묶는 오케스트라 SKILL을 설계함

• 일반 통계 Review SKILL과 생존분석 SKILL의 결과를 통합하여 일관된 리뷰 결과로 보여주는 문제가 발생함.

• Manus에게 방향을 문의하여 여러 SKILL을 통합하는 오케스트라 역할의 SKILL을 추가로 만들었음.

• 이 SKILL은 논문의 분석 유형을 먼저 파악하고, 필요한 SKILL(일반 통계/생존분석)을 선택하거나 함께 호출하며, 결과를 하나의 리뷰 포맷으로 통합하고, 심각도 기준으로 Reviewer가 먼저 봐야 할 항목을 정리하는 역할을 수행함.

• 이 구조 적용 후 실제 논문 업로드 시 훨씬 만족스러운 결과를 얻을 수 있었음.

• 프롬프트 예시: '논문의 통계 분석 유형을 먼저 분류하고, 일반 통계 Review SKILL과 survival analysis SKILL을 적절히 호출하여 최종 Reviewer-friendly report를 작성하라. 규칙: 분석 유형이 혼합되어 있으면 두 SKILL의 결과를 통합한다. 중복 이슈는 병합한다. Reviewer가 먼저 확인해야 할 항목부터 우선순위를 매긴다. 각 이슈에 Severity를 부여한다. 최종 결과는 Markdown으로 정리한다.'를 활용함.

• 4️⃣ SKILL만으로는 부족했던 UI 문제를 해결함

• 기능 자체는 만족스러웠으나 SKILL 형태의 출력은 Reviewer가 실제 업무에 쓰기에 UI/입력 방식/출력 형식이 불편하다는 문제점을 발견함.

• 논문 업로드 흐름이 직관적이지 않고, 결과를 한눈에 우선순위로 보기 어려우며, 사람이 수정/보완하기에 인터페이스가 부족한 등 사용 경험의 문제임을 파악함.

• '검토 기능'이 아닌 '검토 앱'으로 전환해야겠다고 판단함.

• 5️⃣ Manus의 웹앱 생성 기능으로 전환하여 웹앱을 구현함

• Manus에 웹앱 생성 기능이 있음을 발견하고, 다른 AI 툴 없이 Manus만으로 웹앱을 구현하기로 결정하여 흐름이 크게 달라짐.

• 로그인 기능, 대시보드, 논문 업로드 기능, 업로드된 논문에 대한 자동 통계 Review, 결과를 High/Medium/Low severity 기준으로 분류, Reviewer가 결과를 추가 수정할 수 있는 구조, 결과를 Markdown 형식으로 저장, High severity 항목의 경우 Editor에게 보낼 letter 초안 작성 지원 기능을 구현함.

• 이 단계부터는 단순한 AI 실험을 넘어 실제 리뷰 워크플로우 안에 들어갈 수 있는 업무형 도구에 가까워짐.

📚 21기 스타트업실험실

✍️ 나를 돌아본 내용을 적용하여 퍼스널 브랜딩 사이트 만들기 (레퍼런스의 중요성)

온어닷

하려던 것 📝

• AI 강사로서의 퍼스널 브랜딩 웹사이트를 효과적으로 구축한 사례

• AI 강사로서의 퍼스널 브랜딩 사이트를 구축하여 본인의 핵심 강점과 원동력을 효과적으로 전달하고자 함.

• 기존의 정량적인 정보만을 내세우는 방식이 본인의 강점인 반응 및 참여 유도와 맞지 않는다는 문제의식을 해결하고자 함.

• AI/새로운 정보를 알기 쉬운 용어로 가공하고, 이를 통해 사람들의 이해와 인정을 얻으며, 강의 기회를 증대시키는 선순환 구조를 웹사이트에 반영하고자 함.

활용한 툴 ⚒️

• Claude Code: AI 에이전트 팀 구성, 웹페이지 디자인 및 구축, QA 세션 설계, 클라이언트 분석, 레퍼런스 수집, 역할별 토론, 구축 계획서 작성 등에 활용함.

• Claude: 'Think First' 체크리스트 제시를 통해 에이전트가 스스로 생각하고 판단하도록 유도하는 지침 설정에 활용함.

진행 세부 내용 🔍

• 1️⃣ 팀 에이전트 구축 및 목적 설정함

- Claude Code의 팀 에이전트 기능을 활용하여 웹페이지 디자인 및 웹사이트 구축팀을 생성함. - 팀 에이전트가 병렬로 소환되어 짧은 시간 내에 여러 에이전트가 투입될 수 있도록 구성함. - 클라이언트가 단순한 템플릿 느낌을 탈피할 수 있도록 QA 세션을 포함한 팀 구조를 설계함. - '팀 에이전트를 만들고 싶어. 웹페이지 디자인 및 웹사이트 구축팀을 만들고 싶은데, 그 구조에 QA 세션이 있어서, 실제 클라이언트가 느꼈을 때 단순한 템플릿 느낌을 탈피할 수 있는 방식으로.' 라는 프롬프트를 사용하여 팀을 구성함.

• 2️⃣ 'Think First' 체크리스트를 통한 기획 방향을 구체화함

- 정보를 직접 주기 전에, 팀 에이전트가 스스로 생각하고 판단할 수 있도록 'Think First 체크리스트 제시 (목적, 초안, 핵심판단, 완성기준)' 지침을 사전에 설정함. - 이 체크리스트를 통해 팀을 만드는 목적, 운영 방식, 특별한 클라이언트 여부, 결과물 형태에 대한 질문을 받아 초기 기획 방향을 명확히 함. - 팀 프로세스 자체를 만들고, 실제 사용자 관점 시뮬레이션 및 디자인 이론 설명을 통해 범용 팀 구조를 구축하며, 배포 가능한 사이트, 프로세스 문서, 디자인 시안 모두를 결과물로 얻고자 하는 기획 내용을 에이전트에게 전달함.

• 3️⃣ 디자인 기획 및 레퍼런스 수집을 진행함

- '하늘 아래 새로운 디자인이란 없다'는 철학 아래 레퍼런스 수집을 디자인의 기본 단계로 설정하고 Phase 1~7의 태스크를 생성함. - 클라이언트 분석을 통해 강의 주제(생성형 AI, AI 리터러시 등)를 확정하고, 수강후기 섹션을 제거하며, 전환 목표에 신뢰도 향상을 추가함. - 디자인 레퍼런스 11개(annhandley, emmagannon 등), 모션 레퍼런스 10개(GSAP/Framer Motion 기반), 업종 레퍼런스 15개 및 강사 포트폴리오 3개의 공통점 분석을 통해 다양한 레퍼런스를 수집함.

• 4️⃣ 역할별 에이전트 토론을 통해 디자인 및 개발 방향을 합의함

- PM, 마케터, 개발자, 디자이너 에이전트를 소환하여 각자의 역할에 따라 심층 토론을 진행함. - PM은 UX 흐름, 사이트맵, B2B/B2C 이중 동선, CTA 전략, 블로그 정보 설계를 논의함. - 마케터는 히어로 메시지, CTA 이중 타겟, 후기 없이 신뢰 구축 5가지 방법, SEO 전략을 제안함. - 개발자는 Next.js 14 + Tailwind v4 + Framer Motion, Contentlayer2+MDX, 성능 예산을 고려한 기술 스택을 제시함. - 디자이너는 Warm Academic Editorial 콘셉트, 컬러 60-30-10 비율, 타이포 스케일, 모션 가이드라인, 템플릿 탈피 6가지 요소를 제안함. - 교차 토론을 통해 크림+테라코타 컬러, Noto Serif KR+Pretendard 폰트, 단일 페이지+블로그 라우트 구성에 최종 합의함.

• 5️⃣ 종합 구축 계획서를 작성함

- 앞선 단계에서 논의되고 합의된 내용을 바탕으로 10개 섹션으로 구성된 build-plan.md 파일을 작성함. - 이를 통해 웹사이트 구축에 필요한 모든 요소를 종합적으로 계획하고 문서화함.