2026년 3월 큐레이션

고쳐달라는 말만 반복하다 보면 이미 아는 문제 안에서만 맴돈다. 전문가 페르소나를 투입하면 보이지 않던 사각지대가 드러나고, 어떤 시점에 누구를 부를지 감각이 생기면 토큰도 아낀다.

NotebookLM이 20장에서 멈추면 대부분 그냥 포기한다. 마스터 대본 하나를 소스로 지정하고 코드형 명령어로 밀어붙이면 40장도 뽑힌다.

Claude, Perplexity, 노트북LM을 강의 기획 단계별로 역할 분리해서 쓰면 어떻게 달라지는지 정리한 내용이다. 도구를 많이 쓰는 게 아니라 어떤 단계에 어떤 도구를 붙이느냐가 포인트다.

RAG 파이프라인에 쓸 웹 데이터를 defuddle로 뽑아봤더니 사이트 구조에 따라 결과가 크게 달랐다. 시맨틱 HTML이 무너진 사이트에서는 본문과 광고가 섞이고, 동적 렌더링 환경에서는 내용 자체가 날아간다.

에이전트에게 Planning을 통째로 맡기면 프로덕션에서 루프를 돌다 멈추는 문제가 생긴다. OpenAI 가이드는 그 문제를 명시적 워크플로우 제어로 푼다.

AI 에이전트를 실무에 투입하면 처음엔 결과물 위치도 제각각이고 산출물 양식도 매번 달라진다. 폴더 구조를 조직도 기반으로 정비하고 SOP를 명문화하면 퀄리티가 일정해지는 이유를 정리했다.

Claude Code를 처음 세팅할 때 플러그인 목록 앞에서 막혔다면 Plugin Advisor가 그 입구를 좁혀준다. Preset Pack과 사전 체크리스트로 런타임 에러를 미리 잡는 흐름을 정리했다.

NotebookLM, Claude, Gemini를 파이프라인으로 연결해서 보고서를 슬라이드로 만드는 과정을 정리했다. 단일 모델로는 구조화와 서식 제어를 동시에 잡기 어렵고, 역할을 나눠야 각 단계에서 제대로 된 결과가 나온다.

LangChain v1으로 넘어오면서 기존 체인 코드가 구식이 됐다. State와 Node 설계로 흐름을 제어하는 LangGraph를 한국어 주피터 노트북으로 단계별로 익힐 수 있는 저장소를 정리한다.

증시 지수, 금리, 원자재 가격을 매일 수동으로 수집하는 반복 업무를 없앤 자동화 파이프라인이다. GitHub Actions와 Python으로 서버 없이 돌아가고, 결과는 텔레그램으로 받는다.

AI 에이전트에게 디자인 지침서를 먼저 읽히고 슬라이드를 만들게 하는 방식인데, 결과물 품질이 눈에 띄게 일정해진다.

n8n으로 자동화 파이프라인을 짜다 보면 아이템 흐름과 에러 처리에서 막히는 지점이 생긴다. 그 지점들을 실무 경험 기반으로 정리한 영상이다.

PDF나 Word 파일을 LLM에 넣기 전에 표 구조와 제목 계층을 살려서 Markdown으로 바꿔주는 도구인데, 전처리 공수가 줄어드는 게 생각보다 크다.

korean-law-mcp가 법제처 API를 64개 tool로 정리해 파이프 역할을 하고, DataNexus 온톨로지 레이어가 법령 간 위임 관계를 그래프로 잡아주면 AI가 추론 대신 탐색으로 법령을 해석할 수 있다.