15:02-15:34워크플로우·방법론
AI 직원 자동화 설계
텔레그램에서 팀장이 지시를 받고 리서치·카피·디자인·광고 업데이트를 수행한 뒤 결과를 보고하는 AI 직원 체계를 만들고 싶다는 요구가 제시됐다. 참여자들은 코워크보다 Claude Code 또는 코드 기반 접근이 적합하며, 처음에는 대화로 목적과 모르는 부분을 명확히 하며 시작하라고 조언했다. 인스타그램에서 보이는 직원 활동 시각화보다 실제 업무 결과와 반응형 자동화에 집중해야 한다는 의견이 나왔다. 외부 출장 중에도 동작시키려면 24시간 실행 환경이나 VPS 등 운영 구조를 고려해야 한다고 설명됐다.
- 목표는 팀장 에이전트가 하위 역할에 업무를 배정하고 결과를 보고하는 자동화다.
- 리서치, 카피·캡션 생성, 이미지·영상 생성, 광고 업데이트 역할이 예시로 제시됐다.
- 코워크보다는 코드 기반 구현이 적합하다는 조언이 반복됐다.
- 처음부터 완성품을 만들기보다 목적을 설명하고 대화로 구현 범위를 좁히라는 조언이 나왔다.
- 실제 자동화는 PC 상시 실행 또는 VPS 같은 항상 켜진 서버 환경을 검토해야 한다.
15:31-15:43워크플로우·방법론
하네스 과설계 고민
AI 코딩 에이전트용 하네스를 만드는 시간이 실제 서비스를 만드는 시간보다 길어지는 고민이 공유됐다. 하네스는 시행착오를 반복하지 않게 하는 장치라는 관점이 제시됐지만, 과도한 규칙과 통제는 오히려 복잡도와 불안을 키울 수 있다는 의견도 나왔다. 개선 방향으로는 불필요한 규칙을 덜어내고, 하네스 목적을 ‘왜’부터 재검토하며, 분석용 모델과 작업용 모델을 분리하는 방법이 논의됐다.
- 하네스 수정에 수개월을 쓰는 사례와 서비스보다 하네스에 더 많은 시간을 쓰는 고민이 나왔다.
- 하네스는 같은 시행착오를 반복하지 않기 위한 장치라는 정의가 제시됐다.
- 과도한 규칙과 통제는 줄일 필요가 있다는 의견이 나왔다.
- 하네스를 만든 목적과 필요성을 ‘왜’부터 다시 검토하라는 조언이 있었다.
- 읽는 역할, 분석하는 역할, 대화·작업 역할을 분리하라는 팁이 공유됐다.
15:51-16:00워크플로우·방법론
외부 LLM 위키 활용
오염된 내부 메모리 대신 외부 LLM 위키를 구축해 깨끗한 지식 저장소를 참조시키는 방법이 공유됐다. 이를 통해 에이전트의 헛소리와 맥락 혼선을 줄일 수 있다는 경험담이 나왔다. 위키가 잘 되어 있으면 덜 헤매지만, 구축 자체가 귀찮고 토큰 비용도 많이 든다는 현실적인 의견도 함께 제기됐다.
- 외부 LLM 위키를 깨끗한 참조 지식원으로 활용하는 방식이 소개됐다.
- 내부 메모리 오염을 피하면 잘못된 응답을 줄일 수 있다는 경험이 공유됐다.
- 지식 저장소가 필요하다는 공감이 이어졌다.
- 위키가 잘 되어 있으면 작업 중 헤맴이 줄어든다는 의견이 나왔다.
- 위키 구축에는 토큰과 정리 노력이 많이 필요하다는 점도 언급됐다.
15:11-15:18질문·트러블슈팅
코워크에서 코드로 전환
코워크에 쌓인 프로젝트 기록과 자료를 Claude Code로 옮겨 AI 직원 자동화를 이어갈 방법이 논의됐다. 코드 쪽에서 현재와 같은 방식으로 대화를 시작하고, 기존 맥락이나 자료를 가져오도록 요청하면 된다는 조언이 나왔다. 데스크톱 앱에서도 코드 작업이 가능하며, 터미널과 원리는 크게 다르지 않다는 설명이 덧붙었다.
- AI 직원형 자동화는 코워크보다 Claude Code가 더 적합하다는 의견이 나왔다.
- 기존 코워크 대화와 프로젝트 맥락은 코드 쪽으로 가져오도록 요청할 수 있다고 안내됐다.
- 목적을 먼저 설명하고 모르는 부분을 솔직히 밝히며 대화를 시작하라는 팁이 제시됐다.
- 데스크톱 앱에서도 코드 작업을 진행할 수 있다고 설명됐다.
15:14-15:25AI 모델·프롬프트
클로드 요금제와 모델
대규모 자동화를 바이브 코딩으로 구성하려면 월 20달러 기본 요금제는 제한이 크고 최소 100달러급 요금제가 현실적이라는 의견이 나왔다. 초기 구성과 시행착오 과정에서 토큰 사용량이 많이 들 수 있다는 설명이 뒤따랐다. 모델은 오푸스보다 소넷을 우선 쓰라는 조언이 있었고, 오푸스는 빠르게 제한에 걸릴 수 있다는 경험담이 공유됐다.
- AI 직원 자동화 규모는 작지 않아 초기 구현에 많은 사용량이 들 수 있다는 의견이 나왔다.
- 월 20달러 요금제는 체험 수준으로 평가됐다.
- 실질적인 작업을 하려면 최소 100달러급 요금제를 권하는 의견이 나왔다.
- 오푸스는 사용 제한이 빨리 올 수 있어 소넷을 우선 쓰라는 조언이 있었다.
- 메인 대화 모델은 사용자가 매번 바꾸고, 내부 서브에이전트 모델은 상황에 따라 지정할 수 있다는 설명이 나왔다.
15:25-15:30도구·라이브러리
로컬 LLM 하드웨어
일반 사용자가 로컬 LLM을 구동하기 위한 현실적인 사양과 모델 선택이 질문됐다. VRAM 24GB 환경에서 Qwen 3.8 27B Q4 양자화 모델을 약 160K 컨텍스트와 MTP 적용 시 초당 59토큰 수준으로 돌린 사례가 공유됐다. 반면 DGX Spark에서는 코딩 에이전트 용도로 쓸 만한 모델이 약 20 TPS에 그쳐 아쉽다는 평가도 나왔다.
- 로컬 LLM 구동 사양은 원하는 작업 범위에 따라 달라진다는 의견이 나왔다.
- VRAM 24GB에서 Qwen 3.8 27B Q4 양자화 구동 사례가 공유됐다.
- 해당 사례에서 컨텍스트는 약 160K, MTP 적용 속도는 약 59 TPS로 언급됐다.
- DGX Spark는 코딩 에이전트용으로 충분히 빠르지 않다는 평가가 나왔다.
15:26-15:31배포·운영
VPS 상시 실행
외부에서도 AI 직원 자동화를 계속 돌리려면 개인 PC를 계속 켜둬야 하는지 질문이 나왔다. VPS를 쓰면 노트북을 닫아도 서버가 24시간 켜져 있어 작업이 지속되는 방식으로 접근할 수 있다는 설명이 제시됐다. 클라우드 기반 실행을 고려하는 맥락에서 미니 PC 상시 가동과 VPS가 대안으로 언급됐다.
- 사용자는 출장 중에도 자동화가 계속 돌아가기를 원했다.
- 상시 실행을 위해 미니 PC를 24시간 켜는 방식이 질문으로 나왔다.
- VPS는 개인 노트북을 끈 뒤에도 서버가 계속 작동하는 방식으로 설명됐다.
- 자동으로 움직이는 시스템은 비용 부담도 고려해야 한다는 의견이 나왔다.
15:36-15:41워크플로우·방법론
하네스 정리와 브랜치
복잡해진 하네스를 정리하기 위해 별도 분석 도구를 이용하고 새 프로젝트에서 재구성하는 방법이 제안됐다. 하네스가 저장소에 포함된 경우에는 수술용 브랜치를 따로 만들어 하네스를 제거한 뒤 작업해보겠다는 계획이 나왔다. 세션 이력·아카이브·메모리도 기존 지시사항을 끌어와 드리프트를 유발할 수 있으므로 프로젝트 폴더까지 분리하는 편이 좋다는 의견이 제시됐다.
- 별도 모델에게 하네스와 프로젝트를 분석시켜 자료를 남긴 뒤 새 프로젝트에서 재구성하는 방법이 제안됐다.
- 저장소에 하네스가 포함된 경우 수술용 브랜치를 만들어 제거·실험하는 방안이 나왔다.
- Claude Code의 세션 이력과 메모리는 이전 지시사항의 영향을 받을 수 있다는 의견이 나왔다.
- 읽기·분석·대화 역할을 분리하지 않으면 드리프트가 커질 수 있다는 경고가 있었다.
15:47-15:49AI 모델·프롬프트
자비스형 에이전트 한계
자비스처럼 알아서 모든 일을 처리하는 에이전트가 가능한지 질문이 나왔다. 완전한 자율성은 어렵지만 사전에 명확히 정의한 범위 안에서는 그에 가깝게 만들 수 있다는 답변이 제시됐다. 명세서를 간략히 작성해 작업을 맡기고, 반복적인 시행착오를 통해 하네스를 다듬어야 한다는 관점이 공유됐다.
- 완전한 ‘알잘딱’ 자율 에이전트는 어렵다는 의견이 나왔다.
- 사전 정의된 범위 안에서는 자비스형 경험에 근접할 수 있다고 설명됐다.
- 간략한 명세서를 작성한 뒤 에이전트에 맡기는 방식이 제안됐다.
- 하네스 개발은 반복되는 시행착오를 줄이기 위해 계속 다듬는 과정이라는 견해가 나왔다.
14:35-14:39질문·트러블슈팅
그록봇 사용량 부족
그록봇을 몇 차례 대화했는데도 주간 사용량이 빠르게 소진된다는 경험이 공유됐다. 헤비 사용 여부와 구독 상품 관련 추측이 오갔지만, 별도 사용 방법이나 해결책은 제시되지 않았다.
- 그록봇의 주간 사용량 한도가 부족하다는 문제 제기가 있었다.
- 사용자는 자신이 헤비하게 사용하는 편이라고 답했다.
- 대안 사용법에 대한 확정된 답변은 나오지 않았다.
16:00-16:02질문·트러블슈팅
네이버 블로그 자동화
네이버 블로그 포스팅 자동화 사례가 있는지 질문이 나왔다. 네이버 측 AI 연동 관련 서비스가 있었던 것 같다는 언급은 있었지만 구체적인 서비스명이나 구현 방법은 확인되지 않았다. 질문자는 우선 Claude Code에 물어보겠다고 했다.
- 네이버 블로그 포스팅 자동화 경험자가 있는지 질문이 나왔다.
- 네이버의 AI 연동 관련 서비스가 언급됐으나 구체적인 정보는 나오지 않았다.
- 질문자는 코드 도구에 직접 구현 방법을 물어보기로 했다.
16:08-16:08커뮤니티·잡담
사칭 주의 안내
대화 말미에 사칭에 주의하라는 짧은 안내가 공유됐다.
14:41-14:50AI 모델·프롬프트
클로드 말투 변화
클로드가 갑자기 반말하거나 지나치게 다정한 어조를 쓰는 현상이 언급됐다. 하네스에 말투 지시가 있어도 세션에 따라 어조가 미묘하게 흔들릴 수 있다는 경험이 공유됐다. 강한 지시를 달아도 말투 제어가 완전하지 않다는 의견이 나왔다.
- 클로드가 갑자기 반말을 시작했다는 사례가 나왔다.
- 세션마다 말투가 달라지는 느낌이 있다는 경험이 공유됐다.
- 말투를 강하게 지정해도 완전한 통제가 어렵다는 의견이 나왔다.