🏆 AI스터디 23기 2주차 베스트 사례 큐레이션 - 개발&에이전트

📚 23기 에이전트하네스

✍️ 반복은 n8n에게, 판단은 스킬에게 — 지출결의서 업무를 손과 뇌로 나눴더니

이생강

하려던 것 📝

• AI 에이전트와 워크플로우를 활용한 지출결의서 자동화 사례

• 콘텐츠 분야 프로젝트 관리자가 매달 반복되는 지출결의서 작성 및 증빙 정리 업무에 많은 시간을 소요하는 문제를 해결하고자 함.

• 메일 수취, 분류, 엑셀 입력, 파일 정리, 대조, 현황표 갱신, 시스템 업로드, 아카이브 등 매뉴얼 작업을 자동화하여 업무 효율을 극대화하고자 함.

• 반복적이고 결정론적인 작업은 워크플로우에 위임하고, 맥락적 판단과 예외 처리가 필요한 부분은 AI 에이전트 스킬로 처리하여 '손'과 '뇌'의 역할을 분담하고자 함.

활용한 툴 ⚒️

• n8n: 메일 자동 수취, 보안메일 복호화, PDF 렌더링, 프로젝트 분류, PDF 저장, 엑셀 초안 생성, 증빙 번들링 등 반복적이고 결정론적인 워크플로우 자동화에 활용함.

• Claude Code: 지출결의서와 증빙 교차검증, 금액 의미 판정, 예외 복구, 미비 판단 및 보고 등 맥락적 판단이 필요한 작업을 수행하는 AI 에이전트로 활용함.

• Tailscale: 맥미니와 노트북 간의 사설망 연결을 통해 원격 접속 및 파일 전송을 가능하게 하여 두 컴퓨터 간의 릴레이 작업을 구현함.

진행 세부 내용 🔍

1️⃣ 매달 반복되는 지출결의서 업무를 분석하고 정의함

• 매달 5개 이상 프로젝트에 대해 적게는 1~2건, 많으면 수십 건의 지출결의서 처리 업무를 수행함.

• 주요 반복 작업으로 세금계산서·고지서 메일 처리, 프로젝트 분류, 지출결의서 엑셀 금액 입력, 증빙 파일 정리 및 대조, 고용보험 현황표 갱신, 회사 시스템 업로드, 아카이브, 지출현황 갱신 등을 정의함.

2️⃣ n8n 워크플로우로 반복 작업을 1차 자동화함

• 상시 켜둔 맥미니에서 n8n 워크플로우를 구축하여 '손'에 해당하는 반복적인 작업을 자동화함.

• 메일이 오면 자동 수취하고 보안메일 복호화, PDF 렌더링, 프로젝트 분류, 저장까지 자동으로 처리하도록 설정함.

• 매달 출금일 7일 전, 지난달 지결 엑셀을 템플릿 삼아 이번 달 초안을 자동 생성하고, 자동으로 채운 금액 셀은 빨간 글씨로 표시되도록 함.

• 매달 출금일 5일 전, 증빙을 지급건별로 번들링하고 텔레그램으로 완료 또는 누락을 보고하도록 구성함.

• 이를 통해 메일 수취, 분류, 엑셀 입력 등 1~3번 작업이 사라지며, 정해진 규칙대로 반복하는 일은 스케줄러 기반 스크립트로 충분히 처리 가능하게 됨.

3️⃣ AI 에이전트 스킬의 역할을 '판단' 영역으로 재정의함

• 초기에는 스킬을 'n8n이 만들어둔 산출물을 바탕화면으로 옮기고 조립하는 절차서'로 인식하는 한계가 있었음.

• 워크플로우(n8n)는 '손'으로 결정론적인 반복 업무(메일 수취, 복호화, PDF 렌더, 분류, 엑셀 초안, 번들링)를 담당하고, 스킬(Claude Code)은 '뇌'로 맥락을 읽어 판단하는 업무(지결↔증빙 교차검증, 금액 의미 판정, 예외 복구, 미비 판단 및 보고)를 담당하도록 역할을 분담함.

• 스킬의 비중이 코드량이 아닌 '판단의 양'에 있음을 깨닫고, 사람이 눈과 머리로 하던 대조·판정·예외처리 부분이 스크립트로 구현하기 어려운 스킬의 핵심 몫임을 정의함.

4️⃣ 스킬을 '판단 엔진'으로 개보수하여 3가지 핵심 판단 기능을 구현함

• 판단 ① 교차검증: 지결 엑셀의 각 줄을 증빙 PDF 원본과 대조하여 금액을 검증하고, 자동으로 채워진 금액이 부가세 전 금액인지 포함 금액인지 증빙의 공급가·세액·합계 세 값을 보고 판단하도록 구현함. 불일치가 나오면 증빙 기준으로 엑셀을 고치고, 수정 근거를 보고서에 남기도록 함.

• 판단 ② 고용보험 현황표: 프리랜서 중심의 잦은 인력 변동에 맞춰, 그만둔 사람은 현황표에 남기고 원천징수에서만 제외하며, 새로 온 사람은 새 줄로 추가하도록 판단 규칙을 정의함. '누가 활성이고 종료인지 애매하면 추측하지 말고 나에게 물어보게' 하여 AI 판단의 한계를 보완하고 안전한 편집 경로를 스킬에 적용함.

• 판단 ③ 예외 트리아지: 자동 수취 실패 시(예: 잠금 화면, 인증 게이트, 1회용 링크 만료), 스킬이 증상을 보고 원인을 판정하여 적절한 복구 경로를 선택하도록 구현함 (예: 복호화 실패 시 브라우저 에이전트로 재복호화, 링크 만료 시 재전송 요청 보고).

• 최종적으로 프로젝트별 완료/미완료를 판정하고, 미완료 시 '무엇이, 왜 안 됐고, 무엇을 해봤는지'를 자연어로 정리하여 사용자에게 보고하도록 함.

5️⃣ 두 컴퓨터(맥미니-노트북) 간의 릴레이 시스템을 구축함

• 24시간 가동되는 맥미니에서 n8n이 메일 수취, 분류, 초안, 번들링 등 모든 밑작업을 한 달 내내 수행하도록 함.

• 매달 25일, 사용자 주 컴퓨터(윈도우 노트북)에서 클로드 코드 스킬이 발동하여 테일스케일 사설망을 통해 맥미니에 SSH로 원격 접속함.

• 맥미니의 산출물을 확인하고 불량 증빙 검증 스크립트를 실행한 후, 해당 파일을 노트북으로 가져와 바탕화면에 조립하도록 구성함.

• 노트북에서 증빙 원본을 읽고 교차검증, 판단, 최종 보고를 수행하도록 시스템을 구축함.

• 이 역할 분담을 통해 맥미니는 '기다리는 일'을, 노트북은 '사용자 앞에 놓아주는 일'을 담당하게 하여 효율성을 높였으며, 스킬 문서만 있으면 어느 컴퓨터의 에이전트로든 옮겨 꽂을 수 있는 유연성을 확보함.

6️⃣ 지출결의서 업무의 최종 결과 및 자동화 효율을 달성함

• 매달 25일, 사용자 바탕화면에 프로젝트별 폴더가 생성되며, '완료' 또는 '미완료' 상태로 구분됨.

• '완료' 폴더에는 지결 엑셀, 증빙 묶음, zip 파일이 딱 3개 포함되어, 사용자는 업로드만 하면 되도록 함.

• '미완료' 폴더에는 지결, 증빙 묶음과 함께 '임대료 계산서 미발행, 재전송 요청 필요'와 같은 사유 보고서가 포함되어, 사용자가 남은 부분만 처리하도록 함.

• 최종 업로드를 마치고 클로드 코드에게 완료 메시지를 전달하면, 스킬이 프로젝트 완료 폴더로 아카이브하고 바탕화면을 정리하도록 자동화함.

• 이 모든 과정을 통해 사용자에게는 최종 확인과 업로드 작업만 남게 되어, 업무 부담을 크게 줄임.

📚 23기 반려에이전트

✍️ AI를 도구가 아니라 동료로 써본 일주일

엘레나

하려던 것 📝

• AI 에이전트를 활용하여 개인 업무를 자동화한 사례

• 일상 비서, 자료 조사, 콘텐츠 제작 AI 에이전트 3종을 생성함.

• 카카오톡에 쌓인 자료를 Notion에 자동 정리하는 시스템을 구축함.

• 매일 아침 개인 맞춤형 브리핑을 자동으로 생성하여 제공받도록 함.

• 특정 분야의 나라장터 공고 정보를 정기적으로 이메일로 수신하도록 자동화함.

• 여러 AI 에이전트가 협력하여 업무를 수행하는 공동 작업 그룹방을 운영함.

• AI 계정 사용 한도 문제 발생 시 이를 관리하고 해결하는 방안을 마련함.

• 생성형 AI 교육 콘텐츠 기획 및 블로그 글 작성을 AI와 협력하여 진행함.

• 하루의 끝에 AI와 대화하며 일기를 작성하고 체계적으로 저장하는 시스템을 구축함.

활용한 툴 ⚒️

• ChatGPT: 세 가지 AI 에이전트(도라에몽, 모아몽, 크레몽)의 핵심 언어 모델로 활용됨.

진행 세부 내용 🔍

1️⃣ 세 몽이 만들기

• 역할에 따라 세 종류의 AI 에이전트를 생성하는 방식으로 개인 업무를 분담함.

• 일상 비서 및 일정, 할 일 기록은 '도라에몽(에몽)'이 담당하도록 함.

• 자료 조사 및 아카이빙은 '모아몽'이 담당하도록 함.

• 강의, 기획안, 교안 제작은 '크레몽'이 담당하도록 함.

• 일상 관리, 자료 관리, 콘텐츠 제작 등 세 가지 핵심 영역을 AI로 자동화할 기반을 마련함.

2️⃣ 카카오톡 ‘나에게 보내기’에 쌓인 자료에게 집을 만들어주기

• 카카오톡 '나에게 보내기'에 축적되는 링크, 메모, 자료들을 '모아몽'에게 전송하는 방식으로 정리함.

• 모아몽이 해당 자료를 제목, 요약, 태그, 활용 메모 등으로 정리하여 Notion 자료함에 저장하도록 함.

• 카카오톡 자료를 손쉽게 Notion에서 다시 찾아볼 수 있는 개인 자료 아카이빙 시스템을 구축함.

3️⃣ 매일 아침 브리핑 만들기

• 매일 오전 9시에 날씨, 개인/공유 캘린더 일정, 할 일, 관심 뉴스를 포함하는 브리핑을 받도록 설정함.

• 대화 중 언급된 업무와 마감 기한을 할 일 목록으로 정리하여 브리핑에 반영하도록 함.

• 현재는 그날의 할 일뿐만 아니라 이번 주 일정과 미리 준비할 사항까지 함께 알려주도록 기능을 확장함.

• 개인의 일정과 업무 현황을 체계적으로 관리하고 미리 대비할 수 있는 맞춤형 브리핑 시스템을 운영함.

4️⃣ 나라장터 관심 공고를 이메일로 받기

• 창업, 지역문제 해결, 리빙랩, AI 관련 나라장터 용역 공고를 찾는 기준을 AI와 함께 설정함.

• 매번 수동으로 검색하는 대신, 크론잡을 활용하여 일주일에 두 번 자동으로 공고를 찾아 이메일로 발송하도록 구성함.

• 관심 분야의 공고 정보를 놓치지 않고 주기적으로 받아볼 수 있는 자동화된 정보 수집 시스템을 구축함.

5️⃣ 세 몽이가 함께 일하는 Telegram 그룹방 만들기

• 도라에몽, 모아몽, 크레몽 세 에이전트가 함께 있는 Telegram 공동 작업방을 생성함.

• 사용자가 필요한 봇을 멘션하거나 답글로 부르면, 각 봇이 자신의 역할에 맞게 응답하도록 역할을 나눔.

• 공동방에서 확정된 내용은 원문 대화 전체 대신 핵심 결정과 후속 과제만 따로 기록하도록 만듦.

• 여러 AI 에이전트가 협업하여 복합적인 업무를 처리하고, 중요한 결과만 추출하여 기록하는 효율적인 협업 환경을 조성함.

6️⃣ AI 사용 한도를 만나고, 새 계정을 연결해 봇을 다시 움직이기

• 세 몽이가 사용하던 ChatGPT 계정의 사용 한도에 도달하여 봇이 멈추거나 응답하지 않는 문제가 발생함.

• 사용자가 새로운 ChatGPT 계정을 생성하고, 필요한 봇에 새 계정의 인증을 연결하여 문제를 해결함.

• 봇이 멈췄을 때 Telegram 연결 문제, Gateway 실행 문제, AI 계정 사용 한도 문제로 나누어 확인하는 문제 해결 방식(체크리스트)을 만듦.

• 문제 발생 시 신속하게 원인을 파악하고 해결할 수 있는 운영 관리 프로세스를 수립함.

7️⃣ 그룹방에서 OOO구청 생성형 AI 교육 준비

• OOO구청 구성원을 위한 생성형 AI 교육의 실제 업무 활용 사례를 공동 작업방에서 함께 탐색함.

• 민원 답변, 회의록, 주민 안내문, 보고서, 사업기획 등 행정 업무에 익숙한 사례를 교육 자료로 전환함.

• 크레몽은 15시간 참여형 교육안을 제작하고, 모아몽은 사례를 조사하며, 도라에몽이 준비 과제를 관리하는 방식으로 협업함.

• AI 에이전트와의 협업을 통해 실질적인 교육 콘텐츠를 기획하고 준비하는 작업을 효율적으로 진행함.

8️⃣ 크레몽, 블로그 필자로 데뷔

• 크레몽의 역할을 강의계획서 및 교안 제작에서 블로그 글 작성으로 확장함.

• 사용자가 작성한 강의 관련 짧은 후기를 바탕으로 독자가 읽기 좋은 제목, 흐름, 문장으로 다듬는 역할을 크레몽이 담당함.

• 크레몽이 강의 자료 제작을 넘어, 교육 및 기획 관련 이야기를 대외적으로 공유하는 블로그 필자로 활용됨.

9️⃣ 하루의 끝에는 '자자' 한마디로 일기 쓰기

• 사용자가 '자자'라고 말하면, 도라에몽이 하루 중 남기고 싶은 장면과 기분을 먼저 물어본 후 일기를 작성하도록 함.

• 업무 나열 대신 배움, 일상, 그날의 마음을 담은 짧은 이야기 형식으로 일기를 기록하도록 유도함.

• 완성된 일기는 「은영이의 일기」 Google Sheets에 날짜별로 저장되도록 설정함.

• 감성적인 요소를 포함한 개인 일기 작성을 AI와 함께 수행하고 체계적으로 기록하는 시스템을 구축함.

📚 23기 내업무에이전트

✍️ 자동화 대상 업무 선정하기 + @ (1주차)

fight007

하려던 것 📝

• 클로드코드 기반 리서치 에이전트 팀으로 리포트 작성을 자동화한 사례

• 수작업으로 반복되던 리서치 리포트 작성 및 트렌드 정리 과정을 자동화하고자 함

• 리서치 결과가 프로젝트별 채팅에 갇혀 재사용이 어려운 비효율을 해결하고자 함

• 기존 프로젝트의 산출물에서 리서치 패턴을 추출하여 재활용 가능한 자동화 하네스를 설계하고, 이를 새로운 프로젝트에 적용하고자 함

활용한 툴 ⚒️

• Claude Code: 리서치 에이전트 팀 설계 및 자동화 파이프라인 구축에 활용함

• Obsidian: 리서치 결과물인 지식 베이스(LLM WIKI)를 축적하고 관리하는 데 연결하여 활용함

진행 세부 내용 🔍

1️⃣ 자동화 후보 업무 나열과 선정함

• 반복성, 표준화 가능성, 자동화 효과를 기준으로 ①리서치 리포트 작성, ②트렌드/뉴스 모니터링 및 요약, ③발표자료 초안 작성, ④리서치 결과의 지식베이스 축적 업무를 나열함

• ①번 '리서치 리포트 자동 작성'을 메인 자동화 대상으로 선정하고, ②번 트렌드 모니터링과 ④번 위키 축적을 같은 파이프라인 내 서브 기능으로 설계하기로 결정함

• 세 가지 기능이 '수집→분석→리포트→위키 축적'의 하나의 파이프라인으로 묶인다고 판단함

2️⃣ 기존 프로젝트에서 리서치 패턴을 추출함

• '(2026) IP 토큰화 발표' 및 '(2026) K-Strategy' 두 프로젝트의 산출물에서 리서치 패턴을 분석함

• 공통 패턴으로 ①리서치 질문 정의 → ②소스 수집 → ③출처 검증 및 교차확인 → ④프레임에 맞춘 구조화 분석 → ⑤산출물 변환 → ⑥핵심 지식의 위키 축적 6단계를 도출함

• 클로드 채팅 프로젝트의 대화 기록은 클로드코드가 직접 읽을 수 없으므로, 두 프로젝트의 최종 산출물을 파일로 export하여 클로드코드 작업 폴더의 `seed/` 디렉토리에 넣어 학습시켰음

• 에이전트에게 `seed/` 내 산출물에서 리서치 패턴과 품질 기준을 추출하도록 지시하여, 채팅 프로젝트와 클로드코드를 연결하는 방안을 마련함

3️⃣ 하네스(Harness) 설계 — 디렉토리 구조와 `CLAUDE.md`를 구성함

• 에이전트가 작업할 작업장 구조와 규칙(`CLAUDE.md`)을 먼저 만드는 것을 하네스 엔지니어링의 핵심으로 이해함

• `ip-research-harness/` 디렉토리 구조 아래 `CLAUDE.md`, `seed/`, `.claude/agents/`, `projects/`, `wiki/` 등 세부 폴더를 설계함

• `CLAUDE.md`에는 모든 에이전트가 공통으로 지켜야 할 리서치 원칙, 출처 표기, 산출물 포맷, 위키 규칙 등을 담았으며, 모든 주장에 출처를 남기고 단일 출처는 미검증으로 표시하는 등의 구체적인 원칙을 명시함

4️⃣ 리서치 에이전트 팀을 설계함

• 클로드코드의 서브에이전트 기능을 활용하여 6개의 역할(research-lead, source-scout, analyst, fact-checker, report-writer, wiki-librarian)로 팀을 구성함

• `research-lead`는 리서치 프로젝트 총괄로서 질문을 작업으로 분해하고 서브에이전트에 분배하며, 각 단계 산출물이 `CLAUDE.md` 포맷을 지키는지 검수하는 역할을 수행하도록 정의함

• `seed/` 폴더의 기존 산출물을 읽고 리서치 패턴을 추출하여 `seed/pattern.md`로 정리하도록 프롬프트를 작성하였으며, 이 `pattern.md`가 모든 에이전트의 품질 기준서가 되도록 설계함

5️⃣ LLM WIKI를 설계하고 옵시디언과 연결함

• 리서치 완료 후 재사용 가치가 있는 지식을 `wiki/` 폴더에 축적하도록 설계하여 지식의 휘발을 방지함

• `wiki/` 폴더 자체를 옵시디언 vault로 열어 별도 연동 작업 없이 그래프 뷰와 위키링크를 바로 활용할 수 있도록 함

• 노트 포맷은 YAML frontmatter(tags, updated, source)와 위키링크(`[[개념명]]`)를 포함하도록 하여 옵시디언 호환성을 확보함

6️⃣ 클로드 채팅 프로젝트와 클로드코드 연결 방안을 수립함

• 현재는 채팅 프로젝트의 산출물을 export하여 하네스의 `seed/`에 투입하고, 클로드코드가 만든 리포트를 채팅 프로젝트에 업로드하여 토론 및 수정하는 '파일 브리지' 방식을 계획함

• 다음 단계로 `wiki/`를 옵시디언 vault이자 프로젝트 지식의 원천으로 승격하고, 채팅 프로젝트에는 위키의 핵심 노트만 동기화하는 방안을 구상함

• 향후에는 옵시디언 MCP 서버를 연동하여 채팅과 클로드코드 양쪽에서 같은 vault를 직접 읽고 쓸 수 있도록 하는 방안을 검토할 예정임

📚 23기 데이터대시보드

✍️ Cowork로 조사하고 Claude Code로 만든 서울시 정비사업 대시보드

Spark

하려던 것 📝

• 정비사업 데이터 기반 대시보드를 구축하여 업무에 활용한 사례

• 스터디에서 주어진 주제를 업무 분야(정비사업 및 도시계획)로 치환하여 실습 결과물을 업무 자산으로 만들고자 함.

• 정비사업 관련 데이터를 효율적으로 수집, 분석, 시각화하여 실제 업무에 유용한 인사이트를 도출하고자 함.

• 기존 정보의 오류를 검증하고, 데이터 기반의 의사결정을 지원하는 대시보드를 구축하고자 함.

활용한 툴 ⚒️

• Claude Cowork : 정비사업 관련 자료 조사 및 아카이빙, 숨겨진 API 탐색 및 검증, 실습 가이드 작성을 목적으로 활용함.

• Claude Code CLI (VS Code) : 1단계 산출물을 바탕으로 대시보드 구축, 코드 작성 및 실행, 데이터 검증 및 오류 수정, 데이터 수집 파이프라인 구축을 목적으로 활용함.

진행 세부 내용 🔍

• 1️⃣ 자료 조사 및 실습 가이드 작성 (Claude Cowork 활용)

- 서울도시공간포털 링크를 Cowork에 제공하고, 정비사업 및 도시계획 관련 자료 크롤링, API 발급 방법 탐색, 첨부파일 내용 파악 및 실습 가이드 업데이트를 요청하여 자료를 조사하고 가이드를 작성함. - 프롬프트는 다음과 같이 사용함: `[자료01] 기준, 운영지침, 가이드라인 [https://urban.seoul.go.kr/view/html/PMNU5020000001] 자료 01에서 정비사업 및 도시계획 관련해서 참고할 만한 자료 크롤링해서 프로젝트 폴더에 아카이빙 해줘 관련 API가 있다면 발급받는 방법 찾아내기 스터디장이 제공해준 3종 첨부파일 내용 파악해주기 위 내용 참고해서 '정비사업, 도시계획'에 맞춰 '[02-handout.md]' 업데이트, 파일명은 '[03-practice1stweek.md]'로` - 결과물로 서울도시공간포털 업무자료 450건의 전체 인덱스와 핵심 기준·지침 큐레이션을 얻었으며, 서울열린데이터광장 8개 서비스의 실호출 검증을 통한 API 가이드(총 12만 건)를 확보함. 또한, 정비사업 데이터 소스로 치환된 `03-practice1stweek.md` 핸드아웃을 생성함. - Cowork가 제공된 진입 메뉴(`PMNU5020000001`)에서 실제 게시판(`PMNU5020200001`)을 스스로 찾아 들어갔으며, 정적 HTML이 아닌 Vue+AJAX 페이지에서 숨겨진 JSON API(`seoulboard.seoul.go.kr/front/bbs.json?bbsNo=318`)를 찾아내 450건의 자료를 정확하게 수집함. 이 과정에서 `OA-2253 서울시 재개발 재건축 정비사업 현황` 서비스 종료와 대체 API(`OA-20281`)를 미리 발견하여 불필요한 시간 낭비를 방지함.

• 2️⃣ 대시보드 구축 및 데이터 검증 (Claude Code CLI 활용)

- VS Code에서 Claude Code CLI를 열고 1단계 산출물인 서울도시공간포털 아카이브 `README.md`와 `03-practice1stweek.md`를 입력으로 삼아 1주차 실습 대시보드 구축을 요청함. 이때 API 발급 전임을 명시함. - 프롬프트는 다음과 같이 사용함: `@archive/seoul-urban-portal/[README.md] , @[03-practice1stweek.md] 참고해서 1주차 실습 대시보드 구축해줘. 참고로 API는 발급 받기 전이라 그부분은 다음번에 진행하기로 할께` - 정보몽땅(`cleanup.seoul.go.kr`)은 공개 API가 없어 엑셀 수동 다운로드를 예상했으나, Claude Code가 검색 페이지의 `excelDown()` 자바스크립트를 분석하여 엑셀 다운로드용 POST 엔드포인트(`https://cleanup.seoul.go.kr/cleanup/bsnssttus/lsubBsnsSttusExcel.do`)를 재현하여 인증키 없이 사업장 1,137건을 자동 수집하는 데 성공함. - 1단계에서 작성된 `03-practice1stweek.md`의 조인 SQL문(`LEFT JOIN raw_upis_announcement a USING (DCSN_ANCMNT_MNG_CD)`)이 실제 결정고시 테이블의 컬럼명(`ANCMNT_MNG_CD`)과 달라 `USING` 구문이 동작하지 않음을 `sample` 키로 실제 응답을 받아 확인 후, `ON r.DCSN_ANCMNT_MNG_CD = a.ANCMNT_MNG_CD`로 수정하여 조인을 성공시킴. - 실습 가이드에서 자치구를 `PSTN_NM`에서 추출하도록 지시했으나, 실제 데이터에서 `upisRebuild`의 `LOGVM`은 '서울특별시'로만 표시되고 `upisNewtown`/`upisDistUnitPlan`의 `LOGVM`에는 '성북구', '강서구' 등 자치구 정보가 그대로 포함됨을 발견함. 이에 `LOGVM → PSTN_NM → RGN_NM` 순으로 시도하고, 추출 출처를 함께 기록하여 정확도를 높임.

• 3️⃣ 결과 대시보드 및 시각화 개선

- 정보몽땅 1,137건 데이터를 기반으로 대시보드를 구축한 결과, 전체 사업장의 45.8%(521곳)가 '추진주체 구성' 단계에 정체되어 있으며, 단일 단계 최대 병목은 '조합설립인가' 340건(29.9%)임을 파악함. 일시중단 133건(11.7%) 중 성동구가 32.4%로 비율이 가장 높고, 사업장 수 최다 지역은 영등포구 120건(10.6%)임을 확인함. - 대시보드 분석을 통해 사업장 수 최다 구(영등포구)와 실제로 멈춰있는 비율이 높은 구(성동구)가 다름을 발견하여 '어디에 행정 지원을 먼저 배치할 것인가'라는 질문의 답이 바뀔 수 있음을 제시함. - 서울열린데이터광장 UPIS 5종 71,489건은 아직 인증키가 없어 수집 전이지만, `--sample` 옵션(키 없이 서비스당 5건)으로 수집·페이징·에러검증·DB저장·전처리·조인검증의 전 경로를 실제로 돌려 성공적으로 확인했으며, 대시보드에는 '아직 수집 안 됨'으로 명확하게 표시하고 가짜 데이터를 사용하지 않음. - 시각화 가이드의 '평균 뒤의 분포를 함께 보여라' 원칙을 적용하여 자료충실도 평균 94.4% 뒤에 숨겨진 50% 미만 24곳의 분포를 명확히 드러냄. 처음 그린 세로 히스토그램이 결론인 꼬리 부분을 가려 시각적 효과가 떨어지는 문제를, 가로 막대로 바꾸고 모든 구간에 값을 직접 표기하며 50% 미만 구간에 강조색을 주는 방식으로 해결함. - 그 외 '제목이 결론을 말하게', '막대축은 0에서 시작', '이중축 금지', '결측은 잇지 않고 제외 건수 명시', '진행단계는 단일 색 농담 램프', '색만으로 구분하지 않게 [표로 보기] 병기' 등 시각화 원칙을 적용하여 가독성과 정보 전달력을 높임.

📚 23기 AI결과물검수

✍️ [2편] 검수가 실제로 잡아낸 것들 — 5/5 FAIL과 뒤집힌 결론 3건

로미오

하려던 것 📝

• 논문 요약문의 신뢰도를 높이고 오류를 자동 검증한 사례

• 논문 997편에 대한 요약과 원문 전문 쌍을 Ingest하여 검수 파이프라인을 구축함

• 직접 작성한 논문 요약문에 대한 과도한 자신감을 깨고 실제 오류를 발견하는 과정을 기록함

• 논문 요약의 품질을 향상하고, 데이터 추출 오류, 오출처, 근거 부족 등의 문제를 해결하고자 함

활용한 툴 ⚒️

• `python3 verify_summaries.py`: 논문 요약의 검수 및 유효성 검증

• `grep`: CLI 환경에서 원문 텍스트 내 특정 문자열 존재 여부 확인

• `pdftotext`: PDF 파일에서 텍스트를 추출 (추출 과정의 문제점 발생 원인으로 간접 사용됨)

• `re.compile`: Python 정규식을 활용하여 검수 스크립트에서 따옴표로 감싼 문구를 추출하고 검증

진행 세부 내용 🔍

• 1️⃣ 검수 파이프라인 구축 및 첫 검수 시도

• 논문 997편의 요약과 원문 전문 쌍을 Ingest하여 검수 파이프라인을 구축함.

• 새로 작성한 논문 5편을 파이프라인에 넣어 검수를 시도함.

• 파이프라인을 통과했던 기존 3건의 결론까지 나중에 오류로 밝혀지는 사건이 발생함.

• 구축된 검수 시스템이 작성자의 착각을 깨고 오류를 효과적으로 잡아냈음을 확인함.

• 2️⃣ 요약 5편 전량 FAIL 원인 분석 및 해결

• Bash

\`\`\`bash python3 verify\_summaries.py --dir 40-drafts/quality-validation \\ --corpus 60-data/corpus.json --source-dir 60-data/processed/fulltext \`\`\`

• 검수 결과 5편 전부 FAIL 판정을 받아 `grep` 명령어로 CLI에서 직접 원문을 검색하며 원인을 추적함.

• `pdftotext` 추출 과정의 줄바꿈, 유니코드 특수문자 인코딩 차이, `source_grade` 메타데이터 불일치 문제가 원인임을 밝혀냄.

• 큰따옴표를 사용하는 '직접 인용' 방식에서 '[한국어 요약 서술 + 출처 섹션 표기]' 방식으로 전환하고, `source_grade`를 실제 코퍼스 기록과 일치시킴.

• 수정 후 검수 결과 7개 파일 중 7개 PASS, 0개 FAIL, 5개 WARN으로 전환되었음을 확인함.

• 3️⃣ 근거 없는 수치 제거 및 재작성

• `2312.00326` 논문에서 숫자 `200`이 지속적으로 FAIL에 걸려 `python3 -c 'print('100-200' in src)'`로 원문 파싱 결과를 확인하여 `100200`으로 뭉개진 것을 발견함.

• 원문 PDF 파싱 과정에서 하이픈이 소실되어 `100-200 entities`가 `100200`으로 뭉개져 숫자 `200`을 직접 인용할 객관적 근거가 상실됨.

• 해당 수치를 제거하고 '도메인 온톨로지의 통상 엔티티 규모(수백 개 수준)'으로 수치 정밀도를 낮추어 재작성함.

• 검수 스크립트가 현재 보유한 텍스트로는 해당 수치를 입증할 수 없음을 경고하여 수치를 조정하게 됨.

• 4️⃣ 표(Table) 행 밀림으로 인한 오출처 문제 발견 및 규약 추가

• 검수 파이프라인을 통과하고 최종 실행 플랜에 반영했던 결론 중 3건이 오류로 밝혀졌음을 확인하고 그 원인을 분석함.

• `pdftotext` 파싱 시 표(Table)의 일부 빈 셀로 인해 행이 3칸 밀려 출력되어, A 행의 수치가 B 행의 수치로 뒤바뀌는 오출처(Misattribution)가 발생했음을 PDF 이미지 육안 재검증으로 발견함.

• 인용된 숫자 자체는 원문 텍스트 파일 내에 존재했기 때문에 스크립트 검수를 통과했음을 확인함.

• 프로젝트 규약에 '표(Table) 데이터 판독 시 반드시 라벨 수 = 값 행 수 일치 여부를 검산할 것. 어긋날 경우 `pdftoppm`을 통해 이미지로 렌더링한 후 육안으로 직접 확인할 것'을 즉시 추가함.

• 5️⃣ 검수 판정 3분류 체계의 필요성 인식

• 현재 PASS/FAIL의 2분류 체계로 검수 스크립트가 작동하지만, '원문과 상충됨(Contradicted)'과 '근거 부족/확인 불가(Insufficient)'가 동일하게 FAIL로 처리되는 문제점을 발견함.

• Contradicted는 내용을 수정해야 하고, Insufficient는 원문 재확인이나 근거 수치 조율이 필요하여 후속 조치가 완전히 다르지만, 시스템이 이를 구분하지 못함을 인지함.

• 3분류 체계(Supported, Contradicted, Insufficient) 전환의 필요성을 절감함.

📚 23기 24시간AI서버

✍️ 네이버 검색량 분석 서버 개발 계획

나병우

하려던 것 📝

• 1인 기업의 수작업 검색량 분석을 자동화된 웹 서비스로 전환하여 데이터 기반 마케팅을 강화한 사례

• 이커머스 신제품 런칭 전 네이버 검색량 데이터 분석을 통해 마케팅 전략을 수립하는 과정을 자동화하고자 함

• 기존 수작업 분석 파이프라인으로 인해 발생하는 시간 제약과 협업 병목 현상을 해결하고자 함

• 분석 역량을 개인의 시간에서 시스템으로 옮겨 내가 없어도 24시간 데이터가 쌓이고 활용되는 비즈니스 자산을 구축하고자 함

활용한 툴 ⚒️

• Claude Agent SDK: 기존 분석 스킬 재사용, 데이터 조회, 차트 스펙 생성, 보고서 생성 등 대화형 AI 분석 및 보고서 작성 목적으로 활용함

• 네이버 데이터랩 API: 연관 키워드의 일간 검색량 데이터를 수집하는 목적으로 활용함

진행 세부 내용 🔍

1️⃣ 문제 정의 및 시스템 전환 목표 설정함

• 시도한 방법: 1인 기업 이커머스 운영 중 신제품 런칭 전 네이버 검색량 데이터 분석 파이프라인이 수작업으로 진행되어 발생하는 비효율성을 진단함.

• 발생한 문제: 분석 실행이 개인의 시간에 묶여 빈도가 제한되고, 파트너와의 협업 시 병목 현상이 발생하며, 데이터 축적이 더디게 진행되는 문제가 발생함.

• 얻은 결과: 분석 역량을 개인에서 시스템으로 전환하여 24시간 자동 운영되는 웹 서비스를 구축하고, 축적된 키워드 DB와 분석 경험을 비즈니스 자산으로 만드는 목표를 설정함.

2️⃣ 분석 철학 및 데이터 자산화 방안을 수립함

• 시도한 방법: 단일 키워드의 검색량 분석만으로는 한계가 있음을 인지하고, 연관 키워드 세트 간의 교차 비교를 통해 깊이 있는 비즈니스 인사이트를 도출하는 분석 철학을 수립함.

• 얻은 결과: '키워드 세트'를 분석 단위로 설정하여 2~30개의 연관 키워드를 일괄 수집, 비교, 해석하며, 결과 보고서(마크다운)와 분석 방법론(사례 카드)을 두 겹의 지식 자산으로 축적하는 방안을 마련함.

3️⃣ 24시간 홈랩 서버 기반 아키텍처를 설계함

• 시도한 방법: 정기 수집, 장시간 백그라운드 작업, 웹 프론트엔드, 로그인 기반 멀티 유저 서비스 등 에이전트 프레임워크로 구현하기 어려운 기능을 지원하기 위해 24시간 구동되는 맥스튜디오 홈랩 서버 환경을 선택함.

• 얻은 결과: Cloudflare Tunnel을 통해 외부 공개되는 Docker 컨테이너 기반으로 웹 앱(FastAPI + React/ECharts), 워커(네이버 DataLab 수집, Claude Agent SDK), SQLite DB로 구성된 시스템 아키텍처를 설계함.

4️⃣ 효율적인 데이터 수집 기능을 구현함

• 시도한 방법: 네이버 데이터랩 API를 사용하여 키워드당 44개(매체 2 × 연령 11 × 성별 2) 세그먼트 데이터를 수집하고, 기존 검증된 로직으로 절대 검색량을 추정함.

• 발생한 문제와 해결 방법: 계정당 API 일 1,000회 한도에 대응하기 위해 레퍼런스 키워드를 포함한 5개 키워드 배치 수집, 캐시 우선 활용, 복수 API 키 로테이션을 통해 사실상 한도 없이 운영되도록 설계함.

• 얻은 결과: 수집된 데이터는 SQLite에 적재하여 재수집 없이 즉시 조회가 가능하게 하며, 키워드 DB 자체가 회사의 데이터 자산이 되는 구조를 구축함.

5️⃣ 맞춤형 데이터 탐색 대시보드를 개발함

• 시도한 방법: 범용 BI 툴(Tableau/PowerBI) 대신, '키워드 × 날짜 × 매체 × 성별 × 연령대 × 검색량'으로 고정된 데이터 스키마에 최적화된 맞춤형 대시보드 템플릿을 ECharts로 직접 구현함.

• 얻은 결과: 키워드 세트 개요, 장기 추세, 연도별 비교, 계절성 히트맵, 인구통계, 요일 패턴 등 핵심 분석 관점을 제공하며, 기간 줌 및 세그먼트 토글과 같은 인터랙션 기능을 포함한 대시보드를 설계함.

6️⃣ 대화형 AI 분석 및 보고서 생성 기능을 연동함

• 시도한 방법: 고정 대시보드가 답변하지 못하는 세부적이거나 롱테일 질문에 대응하기 위해 서버에서 Claude Agent SDK 세션을 구동함.

• 얻은 결과: Claude Agent가 컨텍스트 내의 키워드 세트를 기반으로 SQLite를 조회하고, 텍스트 답변과 함께 차트 스펙(JSON)을 생성하여 프론트에서 그래프로 렌더링하는 대화형 분석 기능을 구현함. 또한, 사용자의 요청에 따라 기존 분석 스킬을 실행하여 보고서 PDF를 생성하는 기능까지 확장함.

📚 23기 스마트홈AI

✍️ 하드웨어 1도 모르는 내가클로드코드로 고양이 음성인식 간식 급여기 만들기 (진행 중)

윤누리

하려던 것 📝

• 먹보 고양이와 공존하기 위한 음성 인식 간식 급여기 개발 사례

• 먹보 고양이 '로나'를 달래고 인간이 평화롭게 식사할 수 있도록 음성 명령으로 간식을 배출하는 자동 급여기를 만드는 것이 목적임.

• 시중 자동 급식기가 타이머나 버튼식 위주로 음성 인식이 가능한 급식기가 없어 직접 제작하고자 함.

• 사용자의 '로나 트릿' 음성 명령을 인식하여 간식을 자동으로 배출하는 시스템을 구축하고자 함.

활용한 툴 ⚒️

• Claude Code: 프로젝트 전체 구조 설계, 서보 모터 배선 가이드, Arduino IDE 세팅 단계별 안내, USB 인식 문제, 시리얼 모니터 오류, WiFi 통신 문제 등 발생한 하드웨어 및 소프트웨어 문제의 원인 분석 및 해결책 제시, 코드 작성 및 수정 관련 조언 제공에 활용함.

진행 세부 내용 🔍

• 1️⃣ 전체 시스템 구조 설계

• 시도한 방법과 접근 방식: Claude Code와 상의하여 음성 인식 자동 급여기의 시스템 아키텍처를 설계함.

• 얻은 결과: 맥북이 음성 인식 및 두뇌 역할을 하고, ESP32가 WiFi를 통해 신호를 받아 서보 모터를 제어하는 손 역할을 하며, 검볼머신이 간식을 배출하는 구조를 결정함.

• 구체적인 예시: '맥북(음성인식 = 귀+두뇌) → WiFi → ESP32(손 = 서보 제어) → 검볼머신(간식 배출)'로 시스템을 구성함.

• 2️⃣ 장비 준비 및 Arduino IDE 초기 세팅

• 시도한 방법과 접근 방식: 주문한 ESP32, 서보모터(MG90S), 검볼머신 장비가 도착한 후, ESP32에 프로그램을 업로드하기 위한 Arduino IDE 환경을 구축함.

• 사용한 프롬프트: '모든 장비가 왔어 esp32랑 서보 모터랑 디스펜서까지', '나 중간중간 작업하는거 캡처 떠둘테니 로컬에 일단 저장좀' 등을 사용하며 Claude Code의 단계별 지도를 받음.

• 발생한 문제: 서보 모터의 3선(전원, 신호) 구분에 어려움을 겪음.

• 해결 방법: Claude Code가 갈색(전원 마이너스), 빨강(전원 플러스), 주황(신호선) 각 선의 역할을 명확히 알려주어 해결함.

• 3️⃣ ESP32 보드 및 라이브러리 설치

• 시도한 방법과 접근 방식: Arduino IDE가 ESP32 보드를 인식하고 서보 모터 제어에 필요한 라이브러리를 설치하도록 환경을 설정함.

• 구체적인 예시: Arduino IDE 환경설정에 ESP32 보드 매니저 URL을 등록하고, 보드 매니저에서 'esp32'를 검색하여 플랫폼을 설치함. 서보 제어용 'ESP32Servo' 라이브러리도 라이브러리 매니저를 통해 설치함.

• 얻은 결과: ESP32 보드와 서보 모터 제어에 필요한 핵심 라이브러리가 성공적으로 설치되어 개발 준비를 마침.

• 4️⃣ 펌웨어 열기 및 업로드

• 시도한 방법과 접근 방식: Claude Code가 작성해준 급여기 코드를 Arduino IDE의 스케치 폴더로 만들어 열고, ESP32에 업로드함.

• 얻은 결과: 코드가 ESP32에 성공적으로 업로드되었음을 'Done uploading' 메시지를 통해 확인하고 다음 단계로 진행할 수 있게 됨.

• 5️⃣ USB 연결 문제 해결 (삽질 1단계)

• 발생한 문제: ESP32를 USB 케이블로 연결했으나 Arduino IDE의 포트 목록에 아무것도 뜨지 않아 ESP32 고장을 의심함.

• 시도한 방법과 접근 방식: 문제 발생 화면을 캡처하여 Claude Code에 전달하고 원인 분석을 요청함.

• 해결 방법: Claude Code가 데이터 통신이 불가능한 '충전 전용 케이블'이 원인임을 지적하였고, 데이터 통신이 가능한 케이블로 교체하자 ESP32가 정상적으로 인식됨.

• 얻은 결과: Arduino IDE에서 usbserial 포트가 성공적으로 인식되어 ESP32와 통신할 수 있게 됨.

• 6️⃣ 시리얼 모니터 흰 화면 문제 해결 (삽질 2단계)

• 발생한 문제: ESP32가 IP 주소를 출력해야 할 시점에 Arduino 시리얼 모니터가 흰 화면으로 멈추거나 버벅이는 현상이 발생함.

• 사용한 프롬프트: '115200을 누르니까 IDE가 거의 멈춘거처럼 흰 창이 나오네'

• 해결 방법: Claude Code의 제안에 따라 Arduino 시리얼 모니터 대신 터미널을 통해 직접 ESP32의 시리얼 출력을 읽는 방법으로 우회하여 필요한 주소를 확보함. 부팅 직후 깨진 글자가 뜨는 것이 정상이라는 사전 정보를 얻어 당황하지 않음.

• 7️⃣ 맥과 ESP32 통신 문제 해결 (삽질 3단계)

• 발생한 문제: ESP32의 주소를 확보했으나 맥에서 신호를 보내도 ESP32가 전혀 반응하지 않아 통신에 실패함.

• 원인: 공유기가 5GHz와 2.4GHz 기기를 서로 격리하는 설정이 되어 있었으며, ESP32는 2.4GHz만 지원하는 반면 맥은 5GHz 네트워크에 연결되어 있었음.

• 사용한 프롬프트: '2.4GHz로 옮겼어'

• 해결 방법: 맥을 공유기의 2.4GHz WiFi 네트워크로 옮기자마자 맥과 ESP32 간의 통신이 원활하게 이루어짐.

• 8️⃣ 음성 인식 문제 해결 (삽질 4단계)

• 발생한 문제: 맥북 마이크가 음성을 아예 잡지 못하거나 제대로 인식하지 못하는 것 같아 보였음.

• 사용한 프롬프트: '일단 알아듣는다. 근데 인식이 아주 잘 되지는 않는거 같아? 아예 수음이 안 되는 것 같애', '아냐아냐 입력 레벨 막대기는 잘 올라가고 있어'

• 해결 방법: 맥 시스템 설정의 마이크 입력 볼륨이 낮게 설정되어 있었음을 확인하고, 입력 볼륨을 올리자 음성이 정상적으로 인식됨.

• 9️⃣ 음성 인식부터 ESP32 신호 도달 확인

• 시도한 방법과 접근 방식: 모든 하드웨어 및 소프트웨어 설정과 통신 문제를 해결한 후, 맥북의 음성 인식 프로그램을 통해 '로나 트릿'이라는 명령어를 말하며 전체 시스템의 신호 전달 경로를 테스트함.

• 얻은 결과: 맥북이 음성 명령을 인식하고 WiFi를 통해 ESP32에 신호를 보낸 후, ESP32로부터 `응답: 200` (신호 성공적으로 수신)을 확인함. 이는 음성 → 맥 → WiFi → ESP32로 이어지는 전체 파이프라인이 성공적으로 구축되었음을 의미함.