Claude Code로
AI 시작하기

🎯 이 클립에서 만드는 것

강의 첫 클립부터 뭔가 만들 줄 알았죠? 잠깐만요. 저는 여기서 먼저 지도를 펴고 출발하겠습니다. 이 강의가 23개 실습으로 어디까지 가는지, 여러분이 뭘 준비하면 되는지부터 짚고 가요. 첫 수업에 강의실 위치, 교재, 질문 채널부터 확인하잖아요? 딱 그 시간이에요.

표에서 볼 건 하나예요. 처음부터 모든 걸 이해하는 게 아니라, 어디로 가는지 알고 출발하는 겁니다.

제가 이 클립에서 가장 먼저 낮추고 싶은 건 "개발자가 아닌데 따라갈 수 있을까?"라는 걱정이에요. 이 강의는 문법 시험처럼 코드를 외우는 과정이 아닙니다. 옆자리 선배에게 묻고, 결과를 보고, 다시 부탁하는 연습에 가까워요.

그래서 첫 클립의 결과는 파일이 아니라 출발 준비입니다. 어떤 요금제를 생각할지, 강의가 어떤 순서로 흘러가는지, 실습이 왜 많은지 감만 잡으면 돼요.

💡 핵심 개념

이 강의는 도구 설명서가 아니라 운전 연습입니다

클로드코드를 처음 보면 버튼도 많고 명령도 많아 보이죠. 그런데 자동차 배울 때 엔진 구조부터 외우진 않잖아요? 시동 걸고, 브레이크 밟고, 천천히 움직이면서 손이 기억하게 만듭니다.

저는 이 강의를 설명서보다 운전 연습장에 가깝게 봅니다. 설치, 첫 실행, 데이터 분석, 카드뉴스, 영상, 포트폴리오, 자동화 스킬까지 직접 만들어봐요. 중요한 건 "내가 뭘 만들고 싶은지 말한다 → 나온 결과를 본다 → 다시 고친다" 이 흐름이에요.

전체 흐름은 23개 실습 중심입니다

강의는 Part 1에서 전체 그림을 보고, Part 2부터 설치와 첫 실행으로 들어갑니다. Part 3에서는 대화만으로 눈에 보이는 결과물을 만들고, Part 4 이후에는 플러그인과 스킬로 클로드코드의 능력을 넓혀요.

처음에 뭐부터 봐야 할지 헷갈리면 이 표만 보시면 됩니다.

처음부터 모든 Part를 외울 필요는 없습니다. 지하철 노선도도 목적지 방향만 알면 일단 탈 수 있잖아요.

구독 사용량과 API 과금은 다릅니다

이 강의는 Claude Pro/Max 구독으로 진행합니다. Anthropic API 키를 발급하거나 Console에 결제 정보를 연결하는 과정은 다루지 않아요. 여러분에게 필요한 건 클로드코드를 안정적으로 쓸 수 있는 구독 환경입니다.

헷갈리기 쉬운 지점이 딱 여기예요. Claude Pro/Max 구독은 정해진 사용량 안에서 클로드코드를 쓰는 방식입니다. 반면 API 과금은 외부 서비스처럼 부른 만큼 비용이 찍히는 방식이에요. 휴대폰으로 치면 구독은 월 이용권, API 과금은 쓴 만큼 찍히는 미터기에 가깝죠.

다만 강의 후반에는 외부 서비스 API가 나옵니다. 공공 API나 네이버 데이터를 연결해서 스킬을 만들 수 있거든요. 이건 Anthropic API 인증과 다른 얘기예요. 클로드코드 결제 이야기가 아니라, 필요한 외부 데이터를 가져오는 연결 방식으로 보시면 돼요.

Pro로 시작할 수 있지만 Max가 더 편합니다

Pro로도 됩니다. 다만 솔직히 말하면, 강의 따라가다 보면 부족하게 느껴질 수 있어요. 파일 읽고, 결과물 만들고, 다시 고치고. 이게 한 클립 안에서도 계속 일어나거든요. 한도가 금방 찰 수 있습니다.

Max는 더 넉넉해서 실습을 몰아서 진행하기 편합니다. 제가 Max를 권하는 이유도 거창하지 않아요. 운전 연습할 때 연료 걱정이 적으면 도로에 더 집중할 수 있잖아요.

🚶 진행 흐름

1. 강사의 배경과 강의 목적을 확인하세요

강사는 클로드코드를 단순한 개발 도구로 소개하지 않습니다. 업무 문제를 대화로 풀어내는 도구로 봐요. 이 강의가 목표하는 건 "코드를 잘 짜는 사람 되기"가 아니라 AI와 함께 결과물을 만드는 자신감입니다.

영상에서 제 소개가 나올 때는 경력 자체보다 "왜 이렇게 확신하게 됐는지"를 봐주세요. 반복 업무를 줄이고, 문제를 정리하고, 필요한 결과물을 만들어내는 방식이 이 강의의 중심이에요.

2. 23개 실습 구조를 큰 지도로 보세요

Part 이름을 전부 외우려 하지 마세요. 제가 압축하면 이 세 줄입니다.

• 처음에는 설치하고 첫 실행을 합니다.
• 중간에는 보고서, 콘텐츠, 웹사이트처럼 눈에 보이는 결과물을 만듭니다.
• 후반에는 플러그인과 스킬로 내 업무에 맞게 확장합니다.

이 정도만 잡아두면 이후 클립에서 "지금 내가 어느 구간에 있지?"를 덜 놓쳐요.

3. 요금제 설명은 내 수강 방식과 연결하세요

요금제 선택은 정답 맞히기가 아닙니다. 하루에 조금씩 볼 건지, 주말에 몰아서 실습할 건지에 따라 체감이 달라져요. Pro는 가볍게 시작할 때, Max는 흐름을 끊고 싶지 않을 때 편합니다.

한도가 걸리면 바로 이어서 실습하기 어렵습니다. 보통 바로 풀리는 느낌이 아니에요. 그러니까 "내가 언제, 얼마나 몰아서 들을지"를 먼저 생각해보시면 됩니다.

4. API 이야기는 둘로 나눠서 보세요

이 클립에서 구분할 건 간단합니다. 비용이라는 단어가 같이 나오니까 헷갈릴 뿐이에요.

앞으로 "API"라는 단어가 나와도 전부 같은 뜻으로 받아들이지 않으면 됩니다. 어떤 서비스와 연결하는지, 돈이 어디서 나가는지만 보면 돼요.

5. 다음 클립에서 결과물 쇼케이스를 볼 준비를 하세요

이 클립은 출발 안내입니다. 다음 클립에서는 여러분이 실제로 어떤 결과물을 만들게 되는지 먼저 봐요. 아직 따라 만들 필요는 없습니다. "저걸 내 업무 어디에 붙이면 좋을까?" 정도만 생각하며 넘어가세요.

📦 결과물

이 클립은 강의 영상 시청만 — 따라할 결과물은 다음 Part부터입니다.

저장할 파일이나 제출할 과제는 없습니다. 대신 아래 세 가지만 머릿속에 남기면 돼요.

• 이 강의는 대화로 결과물을 만드는 실습형 강의입니다.
• 실습은 Part 2부터 시작하고, Part 3부터 눈에 보이는 결과물이 많아집니다.
• 기본 결제 기준은 Claude Pro/Max 구독이며, Anthropic API/Console 인증은 다루지 않습니다.

개인 메모를 남기고 싶다면 "Pro로 시작할지, Max로 갈지", "가장 기대되는 결과물은 무엇인지" 정도만 적어두세요. 저는 이 정도만 적어도 첫 클립은 충분하다고 봅니다.

🆘 자주 막히는 포인트

막히는 데는 보통 정해져 있어요. 아래 표에서 내 상황과 가까운 줄부터 보시면 됩니다.

그래도 안 풀리면 지금 클립 번호와 화면 상태를 같이 적어두세요. 다음 질문이 훨씬 쉬워집니다.

🔗 다음 클립

→ Part 1 / Clip 2: 강의 활용법 - 이 강의에서 직접 보게 될 결과물 쇼케이스와 시작점을 확인합니다.

다음 클립에서는 대시보드, 카드뉴스, 리모션 영상, 포트폴리오 사이트, 모닝 브리핑 같은 결과물을 먼저 봅니다. 여러분은 "내 업무에는 어디에 붙이면 좋을까?"만 들고 오시면 돼요.

🎯 이 클립에서 만드는 것

시작하기 전에, 먼저 보여드릴게요. 이 클립은 설명서 첫 장을 읽는 시간이 아니라, 여러분이 앞으로 직접 만들 결과물을 먼저 보는 쇼케이스예요. 새 가전제품도 기능표보다 실제로 쓰는 장면을 먼저 보면 감이 오잖아요?

제가 여기서 보여드리는 건 장식용 샘플이 아닙니다. 뒤에서 실제로 만들 결과물들이에요.

표는 간단해요. "아, 내가 저런 걸 만들러 가는구나"를 먼저 잡는 겁니다.

Part 1은 아직 실습하지 않습니다. 대신 "앞으로 무엇을 만들게 되는지"를 눈으로 확인해요. 완주 코스를 먼저 보면 중간에 낯선 내용이 나와도 덜 흔들립니다.

이 클립에서 마음속으로 정할 것은 하나예요. "나는 어떤 결과물을 가장 먼저 내 업무에 써보고 싶은가?" 대시보드일 수도 있고, 카드뉴스일 수도 있고, 매일 아침 보는 모닝 브리핑일 수도 있어요.

💡 핵심 개념

결과물을 먼저 보면 학습 방향이 선명해집니다

비개발자에게 가장 힘든 지점은 사실 이거예요. "그래서 이걸 배워서 어디에 쓰는데?" 명령어를 하나씩 배우는 동안 최종 그림이 안 보이면 금방 지칩니다. 그래서 이 클립은 완성 장면을 먼저 보여드려요.

강의에서 보여주는 결과물은 장식용 샘플이 아니라, 이후 실습에서 실제로 만들게 될 것들입니다. CSV 데이터를 대시보드로 만들고, 리서치 결과를 카드뉴스와 영상으로 바꾸고, 포트폴리오 사이트는 기획부터 배포까지 갑니다.

대표 결과물은 업무 장면과 연결됩니다

결과물 이름보다, 내 업무에서 떠오르는 장면으로 보시면 훨씬 쉬워요.

오해하면 안 되는 게, "내가 개발자가 되어야 한다"는 얘기가 아닙니다. 내가 이미 하던 일을 더 눈에 보이게, 더 빠르게, 다시 쓸 수 있게 만드는 거예요.

공통 흐름은 5단계입니다

이 강의의 실습은 매번 완전히 다른 방식으로 움직이지 않습니다. Part 3에서 제대로 다루지만, 지금은 이름만 들어두면 돼요.

제가 계속 반복해서 가져갈 순서는 이겁니다.

이 흐름은 옆자리 선배에게 일을 배우는 과정과 비슷합니다. 처음에는 "이 캠페인 결과를 어떻게 보면 좋을까요?"라고 묻고, 틀이 잡히면 자료를 넣고, 나온 결과를 보며 다시 말하는 식이죠.

커뮤니티는 막혔을 때 돌아가는 우회도로입니다

강의를 듣다 보면 화면이 다르게 보이거나, 결과물이 영상과 조금 다르게 나올 수 있습니다. 이때 혼자 오래 붙잡고 있으면 에너지가 빠져요. 오픈채팅방 같은 커뮤니티는 막힌 지점을 짧게 공유하고, 다른 수강생과 강사의 힌트를 받는 공간입니다.

질문할 때는 "안 돼요"만 쓰는 것보다 현재 위치와 증상을 같이 적으면 답을 받기 쉽습니다. 예를 들어 "Part 2 설치 중이고, Mac 터미널 화면이 영상과 다릅니다. 어디를 확인하면 좋을까요?"처럼요. 여러분이 어디에 서 있는지 보여주면, 답변도 훨씬 빨라져요.

🚶 진행 흐름

1. 결과물 쇼케이스를 기능보다 장면으로 보세요

대시보드를 볼 때 차트 종류를 외우려 하지 마세요. "내가 매주 만드는 보고서가 이렇게 클릭 가능한 화면이 되면 어떤 회의가 쉬워질까?"를 떠올리면 됩니다.

카드뉴스와 리모션 영상도 마찬가지예요. 디자인 도구 이름보다, 리서치한 내용을 팀이나 고객에게 더 쉽게 전달하는 장면을 보시면 돼요.

2. 내 업무와 가장 가까운 결과물에 표시하세요

영상을 보면서 마음속으로 하나만 골라보세요. 제가 권하는 방식은 "제일 멋진 것"이 아니라 "내일 바로 써볼 만한 것"을 고르는 겁니다.

• 숫자와 표를 자주 본다면 대시보드가 가깝습니다.
• 콘텐츠나 홍보물을 만든다면 카드뉴스와 영상이 가깝습니다.
• 커리어 정리나 개인 브랜딩이 필요하다면 포트폴리오 사이트가 가깝습니다.
• 반복 확인 업무가 많다면 모닝 브리핑과 자동화 스킬이 가깝습니다.
• 시장 흐름을 계속 봐야 한다면 트렌드 분석 앱이 가깝습니다.

3. 5단계 흐름을 이름만 들어두세요

아직 프롬프트를 잘 쓰려고 애쓰지 않아도 됩니다. 이 클립에서는 "질문하고, 기획하고, 만들고, 검토하고, 개선한다"는 순서만 들어두세요. 어차피 Part 3에서 직접 반복합니다.

4. 시작점은 내 수준에 맞춰 잡으세요

처음 듣는다면 Part 2 설치부터 차근차근 따라가세요. 이미 클로드코드를 설치해서 써본 적이 있다면, Part 4의 플러그인 강화나 Part 6의 스킬 만들기에 더 관심이 갈 수 있어요.

하지만 강의를 처음 수강한다면 최소한 Part 1과 Part 2는 빠르게 훑어보는 걸 권합니다. 같은 용어와 폴더 구조를 맞춰두면 뒤에서 덜 헷갈리거든요.

5. 커뮤니티는 빠르게 묻고 빠르게 돌아오는 곳으로 쓰세요

막혔을 때는 오래 참지 마세요. 다만 질문을 올릴 때는 현재 클립, 운영체제, 보이는 증상, 이미 해본 일을 함께 적으면 좋습니다. 이렇게 적으면 다른 사람이 내 자리로 와서 화면을 같이 보는 것처럼 도와주기 쉬워요.

📦 결과물

이 클립은 강의 영상 시청만 — 따라할 결과물은 다음 Part부터입니다.

이 클립에서 남겨야 할 것은 완성 파일이 아니라 내 관심 결과물과 시작점이에요.

헷갈리면 아래 세 칸만 채운다고 생각하세요.

따로 제출할 것은 없습니다. 그래도 노트를 만든다면 "내가 만들고 싶은 첫 결과물"을 한 줄만 적어두세요. 솔직히 그 한 줄이면 다음 클립을 볼 이유가 훨씬 선명해집니다.

🆘 자주 막히는 포인트

막히는 지점은 보통 비슷합니다. 아래에서 내 증상과 가장 가까운 줄만 보세요.

여전히 애매하면, "나는 어떤 결과물을 먼저 만들고 싶은가"로 돌아오면 됩니다. 그 답이 시작점을 골라줘요.

🔗 다음 클립

→ Part 1 / Clip 3: cc101 & GPTaku 플러그인 - 한국어 가이드, 플러그인 생태계, 비개발자 해커톤 사례를 확인합니다.

다음 클립에서는 "막히면 어디를 보면 되는지"와 "클로드코드를 어떻게 넓혀 쓸 수 있는지"를 봅니다. 실제 설치는 나중에 해요. 지금은 여러분이 돌아올 지도와 가능성을 먼저 챙기면 됩니다.

🎯 이 클립에서 만드는 것

Part 1 마지막 클립입니다. 여기서 제가 꼭 보여드리고 싶은 건 두 가지예요. 막혔을 때 돌아올 한국어 지도, 그리고 클로드코드를 더 넓게 쓰게 해주는 확장 도구입니다. 마지막에는 해외 해커톤 사례도 봅니다. "비개발자도 진짜 가능할까?"라는 질문에 꽤 센 답이 되거든요.

먼저 전체 그림을 표로 잡고 갈게요.

이 표에서 중요한 건 "지금 바로 설치한다"가 아닙니다. 실제 플러그인 설치와 체험은 Part 4에서 해요. 지금은 스마트폰을 처음 샀을 때 앱스토어가 있다는 사실을 먼저 아는 정도면 충분합니다.

💡 핵심 개념

cc101은 막힐 때 보는 한국어 지도입니다

cc101은 axwith.com에서 볼 수 있는 Claude Code 한국어 입문 가이드입니다. 공식 문서를 처음부터 끝까지 읽기 부담스러운 분들을 위해, 꼭 알아야 하는 개념을 한국어로 정리해둔 안내서예요.

새로운 건물에 처음 가면 모든 방을 다 열어보진 않잖아요? 먼저 안내도를 보고, 화장실과 엘리베이터와 강의실 위치를 확인합니다. cc101도 그런 역할이에요. 설치, 기본 개념, 설정 파일, MCP, 스킬 같은 항목을 필요할 때 찾아보는 지도입니다.

이 강의의 가이드 사이트인 cc101 with fc는 cc101의 흐름을 패스트캠퍼스 강의 순서에 맞게 다시 엮은 공간입니다. cc101이 일반 지도라면, cc101 with fc는 이번 강의 코스용 안내판이라고 보시면 돼요.

둘이 헷갈릴 수 있으니 여기서 한 번 나눠볼게요.

정리하면 이렇습니다. 영상으로 흐름을 보고, cc101 with fc로 다시 짚고, 더 넓은 개념은 cc101에서 찾아보면 돼요.

플러그인은 클로드코드에 붙이는 업무 도구입니다

플러그인은 클로드코드의 기본 능력에 새로운 습관과 도구를 붙이는 방법입니다. 스마트폰에 캘린더 앱, 메모 앱, 사진 편집 앱을 설치하면 같은 스마트폰으로 할 수 있는 일이 늘어나죠. 클로드코드도 비슷해요.

GPTaku 플러그인 생태계에는 여러 갈래의 도구가 있습니다. kkirikkiri는 자연어로 여러 AI 역할을 구성하는 데 도움을 주고, frontend-ui-ux는 화면과 사용자 경험을 다듬는 흐름을 보조해요. vibe-sunsang은 내 AI 활용 방식을 점검하는 데 쓰입니다.

여기서 이름을 모두 외울 필요는 없습니다. 여러분은 "필요한 기능을 나중에 붙일 수 있구나" 정도만 잡으세요. 실제 설치, 실행, 비교는 Part 4에서 하나씩 다룹니다.

스킬은 내 업무 방식으로 클로드코드를 길들이는 방법입니다

플러그인이 앱스토어에서 앱을 설치하는 느낌이라면, 스킬은 내 업무 매뉴얼을 만들어 클로드코드에게 알려주는 느낌입니다. 예를 들어 매주 보고서 형식이 정해져 있다면, 그 순서와 말투와 검토 기준을 스킬로 묶을 수 있어요.

후반부에서는 딥리서치, 공공 API 활용, 검색 API 활용, 회의록 정리, 모닝 브리핑, 콘텐츠 파이프라인 같은 스킬을 직접 만들어봅니다. 제가 계속 강조하고 싶은 건 이거예요. 비개발자라도 내 업무를 말로 설명할 수 있으면, 자동화할 재료가 생깁니다.

해커톤 사례의 핵심은 코딩 실력이 아니라 자기 문제입니다

Anthropic 해커톤 사례에서 눈여겨볼 부분은 수상자들이 모두 전통적인 전문 개발자처럼 출발하지 않았다는 점입니다. 누군가는 도시 인허가 문제를 풀고 싶었고, 누군가는 딸이 쓸 수 있는 코딩 환경을 만들고 싶었고, 누군가는 환자가 진료 내용을 더 쉽게 이해하길 바랐어요.

공통점은 거창한 기술 목표가 아니라 자기 앞의 문제였습니다. 솔직히 이게 제일 중요합니다. 이 강의도 "반복 보고서를 줄이고 싶다", "조사 결과를 보기 좋게 바꾸고 싶다", "아침 정보를 한 번에 받고 싶다" 같은 문제에서 출발해요.

🚶 진행 흐름

1. cc101을 지금 다 읽으려 하지 마세요

이 클립에서 cc101을 소개한다고 해서, 바로 전체 문서를 읽을 필요는 없습니다. 처음에는 "막히면 여기로 돌아오면 된다"는 위치만 기억하세요. 지도는 길 잃었을 때 더 빛나잖아요.

2. cc101 with fc와 강의 영상의 역할을 나누세요

강의 영상은 선생님이 앞에서 직접 보여주는 수업입니다. cc101 with fc는 수업이 끝난 뒤 펼쳐보는 필기 노트에 가깝고요. 영상에서 흐름을 보고, 사이트에서 핵심 개념과 막히는 지점을 다시 확인하세요.

특히 비개발자는 한 번에 다 이해하지 못해도 괜찮습니다. 같은 내용을 영상, 문서, 실습에서 여러 번 만나면서 익숙해지는 편이 더 자연스러워요.

3. 플러그인 이름은 기능 이미지로 기억하세요

지금은 설치하지 않으니 이름을 암기하려 하지 마세요. 대신 이렇게 연결해두면 됩니다.

이름은 낯설어도 괜찮습니다. 이미지만 붙어 있으면 Part 4에서 다시 만났을 때 훨씬 덜 낯설어요.

4. 해커톤 사례를 내 일과 연결하세요

사례를 볼 때 "저 사람은 대단해서 가능했겠지"로 끝내지 마세요. 대신 문제의 크기를 줄여서 보세요. 제가 보는 포인트도 결과의 크기보다 출발점입니다.

• 인허가 문제는 회사의 반복 승인 업무와 닮아 있습니다.
• 딸을 위한 도구는 팀원을 위한 내부 도구와 닮아 있습니다.
• 진료 요약은 고객 상담 내용 정리와 닮아 있습니다.

비개발자에게 필요한 출발점은 완벽한 기술 지식이 아니라, 불편한 장면을 구체적으로 말하는 능력입니다.

5. Part 2로 넘어갈 준비를 하세요

Part 1은 여기서 끝납니다. 다음부터는 실제 설치와 첫 실행으로 들어가요. 지금 해야 할 일은 하나입니다. "나는 앞으로 클로드코드를 내 문제 해결 파트너로 써본다"는 마음으로 Part 2를 시작하는 거예요.

📦 결과물

이 클립은 강의 영상 시청만 — 따라할 결과물은 다음 Part부터입니다.

남겨야 할 결과는 설치 파일이 아니라 아래 세 가지 이해입니다. 여러분이 이 세 줄을 기억하면 Part 1은 충분히 잘 지나온 거예요.

• cc101은 Claude Code 한국어 입문 가이드입니다.
• cc101 with fc는 이 강의 순서에 맞춘 학습 보조 사이트입니다.
• GPTaku 플러그인은 클로드코드를 더 넓게 쓰게 해주는 확장 생태계이며, 실제 설치는 Part 4에서 진행합니다.

개인 메모를 남긴다면 "내 업무에서 자동화하고 싶은 반복 작업 1개"를 적어두세요. 매일 복사해 붙이는 보고서, 매주 정리하는 회의록, 반복해서 보는 뉴스 키워드도 충분한 출발점입니다.

🆘 자주 막히는 포인트

막히는 데는 보통 정해진 이유가 있습니다. 아래 표에서 가까운 증상부터 보시면 돼요.

여전히 멀게 느껴지면 결과가 아니라 문제부터 보세요. "나도 매주 귀찮은 일 하나는 있지" 여기서 출발하면 됩니다.

🔗 다음 클립

→ Part 2 / Clip 1: Mac 환경 설치 - 이제 실제로 클로드코드를 사용할 준비를 시작합니다.

Mac 사용자는 다음 클립부터 설치를 따라가세요. Windows 사용자는 이어지는 Windows 설치 클립까지 함께 확인하면 됩니다. Part 1에서 본 가능성을, Part 2부터는 여러분 컴퓨터 위에 하나씩 올려봅니다.

🎯 이 클립에서 만드는 것

Mac 사용자분들은 여기서부터 진짜 시작입니다. 그런데 첫 화면부터 터미널에 긴 명령어를 줄줄 치는 강의, 아닙니다. 이 클립에서는 Mac에서 Claude Code를 처음 실행할 수 있는 기본 환경을 만들어요. 흐름은 안티그래비티 IDE → Homebrew → Git → Node.js → IDE 안의 agent를 활용한 Claude Code 설치 → 인증 → 기본 조작 확인까지예요.

제가 이 클립에서 제일 강조하고 싶은 건 순서예요. 터미널에 명령어 직접 치는 게 아니에요. 안티그래비티 IDE를 먼저 깔고, 빈 폴더를 열고, 그 안의 agent한테 “Claude Code 설치하려는데 어떻게 해?”라고 묻습니다. 그러면 agent가 방법을 설명해주고, 여러분은 읽고 동의한 다음 실행하면 돼요.

끝나고 나면 brew, git, node, npm, claude가 전부 동작해야 합니다. 마지막에는 Claude 계정 인증까지 하고, 테스트 폴더에서 첫 인사까지 확인합니다. 여기까지 되면 Mac 설치는 끝이에요.

💡 핵심 개념

설치도 대화로 진행한다

이 클립에서 외울 건 “Mac에 Claude Code 까는 명령어”가 아닙니다. 진짜 챙겨야 할 건 설치 과정을 안티그래비티 agent와 같이 풀어가는 습관이에요. 앞으로 제가 계속 반복할 패턴도 이거예요.

Mac에 Homebrew 설치하려는데 어떻게 해?

Claude Code를 네이티브 방식으로 설치하려는데, 내 환경에서 안전하게 진행할 순서와 확인 방법까지 알려줘

이렇게 먼저 물어보면 agent가 뭘 설치하는지, 어떤 명령을 실행하는지, 끝나고 뭘로 확인할지 설명해줍니다. 그다음 여러분이 이해하고 OK 하면 실행해요. 솔직히 처음엔 조금 느려 보여요. 그런데 초반에는 이게 훨씬 안전합니다.

도구들의 역할

Homebrew를 깔다 보면 Mac에서 Command Line Developer Tools와 Git이 같이 준비되는 경우가 많아요. 그래도 저는 항상 git --version으로 확인합니다. 설치된 것처럼 보여도 버전 출력이 떠야 완료예요.

🚶 진행 흐름

1. 안티그래비티 IDE 설치

첫 단추는 안티그래비티입니다. 브라우저에서 안티그래비티 다운로드 페이지에 접속해 macOS용 설치 파일을 받고, 설치 후 Google 계정으로 로그인해요.

중요한 게 하나 있어요. 폴더를 열어야 agent가 제대로 작동합니다. 처음에는 실습용 빈 폴더 하나 만들고 열어두면 됩니다.

Open Folder를 눌러 새 실습 폴더를 만들고 열어주세요. 폴더가 열린 상태에서 agent 채팅창이 보이면 다음 단계로 갑니다.

2. Homebrew와 Git 준비

이제 Homebrew입니다. 여러분이 외워야 할 명령어부터 던지는 게 아니라, 안티그래비티 채팅창에 먼저 물어봅니다.

Mac에 Homebrew 설치하려는데 어떻게 해? 설치 후 brew와 git이 제대로 잡혔는지 확인하는 방법까지 알려줘

agent가 안내하는 설명을 읽고 진행합니다. 설치 중 Command Line Developer Tools 팝업이 나오면 Install을 누르면 돼요. 끝나면 아래 명령으로 확인합니다.

brew --version
git --version

두 명령 모두 버전이 나오면 다음 단계로 갑니다. 안 나오면 아직 끝난 게 아니에요.

3. Node.js LTS 설치

Node.js는 Claude Code 자체를 실행하는 데 꼭 필요한 건 아닙니다. 다만 이후 실습에서 웹 프로젝트와 외부 도구를 다룰 때 거의 계속 나와요. 그래서 미리 깔아둡니다. 역시 명령을 외우지 말고 agent에게 묻습니다.

Mac에 Node.js LTS를 설치하려는데 Homebrew 기준으로 어떻게 진행하면 돼? 설치 후 node와 npm 확인 방법도 알려줘

확인은 아래처럼 합니다.

node -v
npm -v

4. Claude Code 설치와 인증

여기서도 인터넷에서 찾은 설치 명령을 바로 복사하지 않습니다. 안티그래비티 IDE 안의 agent에게 먼저 물어보고, 제가 이해한 뒤 실행하는 흐름으로 갑니다.

Claude Code를 설치하려는데, Mac에서 권장되는 네이티브 설치 방식과 설치 후 PATH 확인, 첫 실행 인증 절차까지 순서대로 알려줘

agent가 안내한 내용을 읽고, 실행할 명령이 뭘 바꾸는지 확인한 뒤 진행합니다. 설치가 끝나면 터미널을 새로 열거나 셸 설정을 다시 불러옵니다.

source ~/.zshrc
claude --version

버전이 출력되면 설치는 성공입니다. 이제 테스트 폴더에서 처음 실행해봅니다.

mkdir -p ~/projects/cc101-test
cd ~/projects/cc101-test
claude

브라우저가 열리면 Claude 계정으로 로그인합니다. 터미널에 프롬프트가 돌아오면 간단히 인사해보세요.

hello

📦 결과물

설치가 끝났으면 기록을 남깁니다. 저장 위치는 50-my-work/Part02-시작하기/실습01-Mac환경설치/예요.

실습01-Mac환경설치/
└── README.md          # 설치 완료 시각, 검증 출력, 인증 여부 기록

완료 기준은 단순합니다. “설치한 것 같다”가 아니라, 버전이 실제로 떠야 해요.

마지막 점검은 한 번에 실행해도 됩니다.

brew --version
git --version
node -v
npm -v
claude --version

🆘 자주 막히는 포인트

🔗 다음 클립

다음은 Part 2 / Clip 2: Windows 환경 설치 입니다. Windows 사용자분들은 여기서 WSL과 Ubuntu 설치로 이어가면 돼요.

Mac 사용자라면 Clip 2는 건너뛰고 Part 2 / Clip 3: 첫 실행으로 넘어가면 됩니다. 설치가 끝났으니 이제 진짜로 Claude Code를 만져볼 차례예요.

🎯 이 클립에서 만드는 것

Windows는 Mac보다 한 겹 더 있습니다. 바로 WSL이에요. 이 클립에서는 Windows 사용자가 Claude Code를 실행할 수 있도록 안티그래비티 IDE → WSL 설치 → Windows 재시작 → Ubuntu 초기 설정 → agent에게 Claude Code 설치 방법 요청 → 인증 → 첫 실행 확인까지 가요.

Mac 클립과 똑같이, 설치 명령을 외우는 게 목표가 아니에요. Windows에서는 WSL, Ubuntu, PowerShell, 브라우저 인증이 섞여서 “이 명령을 어디에 쳐야 하지?”가 자주 헷갈려요. 그래서 터미널에 wsl --install부터 치는 게 아니에요. 안티그래비티 IDE를 먼저 열고, 그 안의 agent한테 “WSL에서 Claude Code 설치하려는데 어떻게 해?”라고 물어보면서 가요.

끝나고 나면 WSL Ubuntu 안에서 curl, git, node, npm, claude가 동작해야 해요. 제가 계속 강조할 포인트는 하나예요. Claude Code는 Windows 바탕화면이 아니라 WSL의 Linux 환경 안에서 실행합니다.

💡 핵심 개념

Windows에서는 WSL이 작업 공간이다

Windows에서 Claude Code를 안정적으로 쓰려면 WSL2와 Ubuntu를 작업 공간으로 잡는 게 좋습니다. WSL은 Windows 안에서 Linux를 띄우는 환경이에요. 앞으로 프로젝트 폴더도 가능하면 ~/projects/...처럼 WSL 홈 아래에 둬요.

WSL2에 Ubuntu를 설치하고 Claude Code를 쓰려는데, 처음부터 끝까지 어떤 순서로 하면 돼?

이 질문을 안티그래비티 agent에게 던지면 PowerShell에서 할 일, 재시작 후 Ubuntu에서 할 일, 인증할 때 Windows 브라우저를 써야 하는 지점까지 나눠서 설명해줍니다. 이게 이 강의의 패턴이에요. 복잡할수록 명령어보다 대화로 확인하는 순서가 중요해요.

Windows 설치 흐름 한눈에 보기

비밀번호를 입력할 때 화면에 아무 글자도 안 보이는 건 정상입니다. 보안 때문에 숨기는 거예요. 안 보여도 입력되고 있으니까 그대로 치고 Enter 누르면 돼요.

🚶 진행 흐름

1. 안티그래비티 IDE 설치

먼저 Windows용 안티그래비티 IDE를 설치하고 Google 계정으로 로그인합니다. 저는 여기서부터 agent를 켜두는 걸 추천해요. 뒤에 나오는 설치 흐름을 계속 물어보면서 갈 수 있거든요.

Windows에서 Claude Code 설치 실습을 시작하려는데, WSL2부터 인증까지 단계별로 알려줘

여기서 agent가 안내하는 내용을 따라가되, Windows PowerShell에서 실행할 명령과 Ubuntu 터미널에서 실행할 명령을 꼭 구분해둡니다. 이 둘이 섞이면 설치가 꼬이기 쉬워요.

2. WSL2와 Ubuntu 설치

PowerShell을 관리자 권한으로 열어 WSL 설치를 진행합니다. 구체적인 명령은 agent가 현재 Windows 상태에 맞게 안내하도록 둡니다. 여러분이 외울 필요 없어요.

WSL2와 Ubuntu를 설치하려는데, PowerShell에서 할 일과 재부팅 후 할 일을 나눠서 알려줘

설치 후에는 Windows를 재시작합니다. 이건 건너뛰면 안 돼요. 재시작하지 않으면 WSL 기능이 제대로 적용되지 않을 수 있습니다. 재시작 뒤 Ubuntu 창이 열리면 사용자명과 비밀번호를 만들어요.

Ubuntu가 준비되었는지 확인해요.

uname -r
pwd

3. Ubuntu 기본 도구 준비

이제 Ubuntu 안에서 기본 도구를 깝니다. Claude Code 설치와 이후 실습에 curl과 git이 필요해요.

WSL Ubuntu에 curl과 git을 설치하려는데, 업데이트부터 설치 확인까지 안전한 순서로 알려줘

설치 후 확인해요.

curl --version
git --version

4. Claude Code와 Node.js 설치

이 단계도 agent 패턴 그대로예요. 인터넷에서 본 명령을 바로 실행하지 말고, 안티그래비티 agent에게 WSL Ubuntu 기준 설치 절차를 먼저 설명받아요.

WSL Ubuntu 안에 Claude Code를 설치하려는데, 권장 설치 방식과 PATH 확인, 인증 방법까지 알려줘

설치가 끝나면 셸 설정을 다시 불러오고 버전을 확인해요.

source ~/.bashrc
claude --version

Node.js도 Ubuntu 안에 설치합니다. Windows에 이미 Node.js가 있어도 WSL 안에서는 별개예요. 이걸 헷갈리면 npm 경로가 섞여요.

WSL Ubuntu에 최신 LTS Node.js를 설치하려는데, Windows 쪽 npm이 섞이지 않게 확인하는 방법까지 알려줘

확인 명령은 이렇게 갑니다.

node -v
npm -v
which npm

which npm이 /mnt/c/...로 시작하면 Windows 쪽 경로가 섞인 겁니다. 이 경우 agent에게 WSL PATH 정리 방법을 다시 물어보면 돼요.

5. 첫 실행과 인증

마지막으로 WSL 홈 아래에 테스트 폴더를 만들고 Claude Code를 실행합니다. /mnt/c 아래가 아니라 ~/projects 아래라는 점, 꼭 보세요.

mkdir -p ~/projects/cc101-test
cd ~/projects/cc101-test
claude

WSL에서는 브라우저가 자동으로 안 열릴 수 있습니다. 에러가 아니라 정상이에요. 터미널에 표시된 인증 URL을 복사해서 Windows 브라우저 주소창에 붙여넣고 로그인하면 돼요.

📦 결과물

설치가 끝났으면 기록을 남깁니다. 저장 위치는 50-my-work/Part02-시작하기/실습02-Windows환경설치/예요.

실습02-Windows환경설치/
└── README.md          # WSL 버전, Ubuntu 사용자, 설치 검증, 인증 여부 기록

최종 확인 항목은 다음과 같습니다. 여기서는 “Windows에서 된다”가 아니라 “WSL Ubuntu 안에서 된다”가 기준이에요.

한 번에 확인하려면 아래 순서로 실행해요.

uname -r
curl --version
git --version
node -v
npm -v
which npm
claude --version

🆘 자주 막히는 포인트

🔗 다음 클립

다음은 Part 2 / Clip 3: 첫 실행 입니다. 설치가 끝났다면 이제 Claude Code 화면을 직접 보고, 슬래시 명령과 모델 전환, 첫 폴더 정리 실습까지 가봐요.

🎯 이 클립에서 만드는 것

설치가 끝났다고 바로 감이 오진 않죠? 이 클립은 처음으로 Claude Code를 제대로 만져보는 시간입니다. 단순히 claude를 실행해보는 데서 끝나지 않고, 화면 구성, 슬래시 커맨드, 모델 전환, 자기 학습 기능, 실제 파일 정리까지 한 번에 봐요.

마지막 실습은 다운로드 폴더 정리예요. 여기서 제가 꼭 보여주고 싶은 장면이 나옵니다. Claude Code는 일반 챗봇이 아니라 자율 에이전트입니다. 여러분이 한 줄로 요청하면 폴더를 분석하고, 정리 방안을 판단하고, 실행 전에 확인을 요청하고, 허락받은 뒤 파일을 옮겨요.

여기서 꼭 짚고 넘어갈 게 있어요. Claude Code는 혼자 막 실행하는 도구가 아니라, STEP 3 확인에서 사용자의 승인을 받는 도구예요. 이 안전장치를 이해하고 나면 “AI에게 작업을 맡긴다”는 말이 훨씬 덜 막연해져요.

💡 핵심 개념

Claude Code 화면의 기본 요소

처음 실행하면 화면이 좀 낯설 수 있습니다. 괜찮아요. 이름만 알아도 이후 강의가 훨씬 편해집니다.

Status Line은 여러분 입맛대로 바꿀 수 있습니다. /statusline 뒤에 원하는 표시 방식을 자연어로 적으면 돼요. 저는 첫날에는 모델, 현재 폴더, 컨텍스트 정도만 보여도 충분하다고 봅니다.

/statusline 모델, 현재 폴더, 컨텍스트 퍼센트, 누적 비용을 한 줄로 보여줘

슬래시 커맨드와 모델 전환

Claude Code 안에서 /로 시작하는 명령은 특별한 기능을 호출합니다. 처음부터 전부 외우려고 하지 마세요. 네 개만 익숙해져도 충분합니다.

모델은 /model로 전환합니다. Sonnet은 대부분의 작업에 좋은 기본값, Opus는 복잡한 분석과 디버깅, Haiku는 간단한 확인과 요약에 좋다고 보시면 돼요.

/model

기본 모델을 고정하고 싶다면 설정 파일을 수정할 수도 있습니다. 다만 첫날에는 피커로 한 번 바꿔보는 정도면 충분해요.

자율 에이전트 4단계

다운로드 폴더 정리에서 확인할 핵심 구조입니다. 어렵게 볼 필요 없어요. “보고, 판단하고, 물어보고, 실행한다”입니다.

STEP 1 분석 -> STEP 2 판단 -> STEP 3 확인 -> STEP 4 실행

여기서 STEP 3이 안전장치예요. “이렇게 정리할까요?”라고 물었을 때 여러분이 동의해야 실행됩니다. 처음부터 바로 실행을 요청하기보다 아래처럼 시작합니다.

다운로드 폴더를 정리하려는데 어떻게 하면 좋을지 먼저 분석해서 알려줘

이 문장은 Part 3에서 본격적으로 배울 대화 5단계 패턴의 첫 맛보기입니다. 던지기, 범위 좁히기, 만들기, 검증, 개선의 흐름을 여기서 미리 경험하는 거예요.

🚶 진행 흐름

1. 화면 둘러보기

먼저 테스트 폴더에서 Claude Code를 실행합니다. 설치 확인은 했으니, 이제 화면을 보는 시간이에요.

mkdir -p ~/projects/cc101-test
cd ~/projects/cc101-test
claude

입력창, Status Line, 응답 영역, Permission Prompt가 어디에 나타나는지 확인합니다. 이어서 여러분이 보고 싶은 Status Line을 직접 설정해봅니다.

/statusline 모델 이름, 현재 폴더, 컨텍스트 사용량, 오늘 사용 비용을 보기 좋게 표시

2. 슬래시 커맨드 확인

아래 명령을 한 번씩 입력해봅니다. 결과를 외울 필요는 없습니다. 어디서 확인할 수 있는지만 익숙해지면 돼요.

/help
/status
/usage
/clear

/clear는 대화를 새로 시작하고 싶을 때 유용합니다. 다만 진행 중인 작업 맥락도 같이 정리돼요. 중요한 작업 중이라면 먼저 필요한 내용을 남겨두는 습관이 좋습니다.

3. /model로 모델 전환

모델 선택 화면을 열어 다른 모델을 한 번 선택해봅니다. 이건 겁낼 필요 없어요. 지금 세션에서 한 번 바꿔보는 정도입니다.

/model

선택 후 Status Line에서 모델명이 바뀌었는지 확인합니다. 복잡한 분석은 Opus, 일반 작업은 Sonnet, 간단한 요약은 Haiku 정도로 기억하면 됩니다.

4. /powerup 체험

Claude Code에는 스스로 기능을 알려주는 대화형 학습 기능이 있습니다. 이름이 /powerup이에요.

/powerup

토픽 목록이 나오면 흥미로운 주제 하나를 선택해 따라갑니다. 이 강의에서 모든 기능을 한 번에 외우지 않아도 돼요. 막히면 /powerup으로 다시 배우면 됩니다.

5. 다운로드 폴더 정리

이제 진짜 작업을 시켜봅니다. 실제 다운로드 폴더에 파일이 충분하면 본인 폴더로 진행하세요. 파일이 적거나 개인정보가 걱정되면 실습용 폴더를 따로 만들어도 됩니다.

~/Downloads 폴더를 정리하려는데 어떻게 하면 좋을지 먼저 분석해서 알려줘. 파일을 옮기기 전에 정리 기준과 예상 결과를 설명해 줄 수 있어?

또는 실습용 폴더를 쓰는 경우:

~/Downloads/cc-demo 폴더를 정리하려는데 어떻게 하면 좋을지 먼저 분석해서 알려줘. 파일을 옮기기 전에 정리 기준과 예상 결과를 설명해 줄 수 있어?

Claude Code가 분석과 판단을 보여준 뒤 실행 여부를 물으면, 내용을 확인하고 승인합니다. 제가 이 장면을 중요하게 보는 이유가 있어요. 바로 여기서 “AI가 막 하는 게 아니라 물어보고 한다”는 감이 생깁니다. 정리 후에는 검증과 개선까지 이어갑니다.

정리 결과를 검토하려는데, 빠진 파일이나 애매한 분류가 있는지 확인하고 요약해 줄 수 있어?

PDF 파일 폴더 안에서 날짜순으로 다시 정리하려는데 어떻게 개선하면 좋을지 제안해 줄 수 있어?

📦 결과물

결과물은 첫 실행 기록입니다. 저장 위치는 50-my-work/Part02-시작하기/실습03-첫실행-폴더정리/예요.

실습03-첫실행-폴더정리/
└── README.md          # 모델, 모드, 정리 대상, Before/After, 검증·개선 기록

README에는 다음 내용을 남깁니다. 거창한 보고서가 아니라, 나중에 “내가 뭘 했더라?” 볼 수 있는 기록이면 충분해요.

이 클립을 마치면 progress.json에는 실습 3 완료 상태가 반영됩니다. “첫 실행 성공”보다 “분석 → 판단 → 확인 → 실행” 흐름을 직접 봤다는 게 더 중요해요.

🆘 자주 막히는 포인트

🔗 다음 클립

다음은 Part 2 / Clip 4: 모드 + Alias 입니다. 방금 본 Permission Prompt를 바탕으로 Default, Accept-edits, Plan, Auto, Bypass의 차이를 잡고, cc alias까지 설정합니다.

🎯 이 클립에서 만드는 것

매번 “이거 해도 돼요?”라고 묻는 게 안전하긴 한데, 계속 쓰다 보면 조금 답답하죠. 이 클립에서는 Claude Code를 더 빠르고 편하게 쓰기 위한 두 가지를 잡습니다. 첫째, 작업 성격에 따라 권한 모드를 바꾸는 법. 둘째, 매번 claude를 입력하지 않고 짧은 별명으로 실행하는 alias입니다.

Clip 3에서 다운로드 폴더를 정리하면서 Claude Code가 실행 전에 “이 작업을 해도 될까요?”라고 확인하는 장면을 봤습니다. 그 확인 방식은 모드에 따라 달라져요. 처음에는 묻는 게 좋습니다. 그런데 계속 쓰다 보면 작은 편집마다 멈추는 흐름이 꽤 답답해집니다.

끝나고 나면 여러분에게 맞는 권한 모드를 고르고, 터미널에서 cc만 입력해 Claude Code를 실행할 수 있어야 합니다. 익숙한 분들은 ccd, ccr처럼 Bypass와 resume을 섞은 alias도 같이 등록할 수 있어요. 저는 첫날에는 cc부터 추천합니다.

💡 핵심 개념

권한 모드는 자동차 기어다

권한 모드는 Claude Code가 파일을 읽고, 수정하고, 명령을 실행할 때 얼마나 자주 사용자에게 확인할지 정하는 장치입니다. 자동차 기어처럼 생각하면 쉬워요. 처음에는 수동으로 천천히 가고, 익숙해지면 자동으로 바꾸고, 복잡한 길에서는 네비게이션을 먼저 봅니다.

강의 기본 권장은 단순합니다. Pro 사용자는 Accept-edits로 시작하면 흐름이 부드럽고, Max 사용자는 Auto를 써도 좋아요. Bypass는 강력합니다. 솔직히 편해요. 다만 첫날 기본값으로 두지는 않습니다. 이런 모드가 있다는 걸 알고, 나중에 본인이 책임질 수 있는 환경에서 선택하면 됩니다.

Shift+Tab으로 모드를 바꾼다

Claude Code가 실행 중인 상태에서 Shift+Tab을 누르면 모드가 순환합니다. 입력창 안에서 눌러야 해요.

Default -> Accept-edits -> Plan -> Default

Status Line을 보면 현재 모드가 바뀌는 걸 확인할 수 있습니다. Bypass는 일반 사이클에 들어있지 않아요. 실행할 때 별도 플래그를 붙이거나 alias로 따로 만들어둡니다.

Alias는 실행 단축키다

alias는 긴 명령에 붙이는 짧은 별명입니다. 터미널에 매번 claude를 입력하는 대신 cc만 입력해 실행할 수 있어요. 작은 차이인데, 매일 쓰면 꽤 큽니다.

처음에는 cc 하나만 등록해도 충분합니다. ccd와 ccr은 반복 작업이 많고, 현재 폴더가 안전하다는 확신이 있을 때 쓰면 돼요.

🚶 진행 흐름

1. Shift+Tab으로 모드 사이클 확인

Claude Code 실행 상태에서 Shift+Tab을 눌러봅니다. 한 번 누를 때마다 Status Line의 모드 표시가 바뀌어요.

Shift+Tab

Default, Accept-edits, Plan을 한 바퀴 돌려봅니다. 바뀐 모드가 실제로 Status Line에 표시되는지 확인하세요.

2. /powerup으로 권한 모드 학습

이번엔 Claude Code 안에서 /powerup을 실행합니다. 문서로만 읽는 것보다 직접 보여주는 설명이 더 빠르게 들어와요.

/powerup

토픽 목록에서 권한 모드와 관련된 항목을 선택합니다. Claude Code가 자기 자신을 예시와 함께 설명해주기 때문에 감이 빨리 옵니다.

3. 본인 기본 모드 선택

처음에 뭐 고를지 헷갈리면, 저는 이렇게 추천합니다.

모드를 바꾼 뒤 간단한 요청을 하나 넣어 확인합니다. 실제로 어떻게 묻고 멈추는지 보는 게 중요해요.

현재 폴더를 살펴보고 어떤 파일이 있는지 요약하려는데, 먼저 어떤 방식으로 확인할지 알려줘

4. Claude Code 종료 후 alias 설정

alias는 Claude Code 밖, 일반 터미널에서 설정합니다. 먼저 Claude Code를 종료합니다.

/exit

Mac은 ~/.zshrc, Windows WSL은 ~/.bashrc에 alias를 추가합니다. 여기서 운영체제별 파일이 다르다는 점만 조심하면 돼요.

Mac 기본형:

echo 'alias cc="claude"' >> ~/.zshrc
source ~/.zshrc

Windows WSL 기본형:

echo 'alias cc="claude"' >> ~/.bashrc
source ~/.bashrc

풀 패키지를 등록하려면 아래처럼 추가합니다. Bypass를 아직 안 쓸 생각이면 cc만 등록해도 됩니다.

Mac 풀 패키지:

cat >> ~/.zshrc << 'EOF'
alias cc='claude'
alias ccd='claude --dangerously-skip-permissions'
alias ccr='claude --resume --dangerously-skip-permissions'
EOF
source ~/.zshrc

Windows WSL 풀 패키지:

cat >> ~/.bashrc << 'EOF'
alias cc='claude'
alias ccd='claude --dangerously-skip-permissions'
alias ccr='claude --resume --dangerously-skip-permissions'
EOF
source ~/.bashrc

5. 작동 확인

새 터미널을 열거나 설정 파일을 다시 불러온 뒤 cc를 입력합니다.

cc

Claude Code가 실행되면 성공입니다. 이미 다른 프로그램이 cc라는 이름을 쓰고 있다면 clc, claudie처럼 다른 별명을 선택하면 돼요. 이때도 무작정 고치지 말고 Claude Code나 안티그래비티 agent에게 현재 alias 목록을 확인하는 방법을 물어보면 됩니다.

📦 결과물

마지막 결과물은 선택한 모드와 alias 기록입니다. 저장 위치는 50-my-work/Part02-시작하기/실습04-모드소개-Alias/예요.

실습04-모드소개-Alias/
└── README.md          # 선택한 모드, alias 설정 여부, OS별 설정 파일 기록

README에는 다음 내용을 기록합니다. 나중에 새 터미널에서 cc가 안 먹힐 때, 이 기록이 꽤 도움이 됩니다.

progress.json에는 Part 02 완료, 실습 4 완료, 선호 모드, alias 설정 여부가 반영됩니다. 이 클립까지 끝나면 설치와 첫 조작 준비가 마무리돼요.

🆘 자주 막히는 포인트

🔗 다음 클립

다음은 Part 3 / Clip 1: 대화 패턴 5단계 입니다. Part 02에서 설치, 첫 실행, 권한 모드, alias까지 끝냈으니 이제 대화만으로 실제 결과물을 만드는 흐름으로 들어갑니다. 여기부터가 진짜 재미있는 구간이에요.

🎯 이 클립에서 만드는 것

첫 클립부터 파일을 만들지는 않습니다. 대신 앞으로 9개 실습에서 계속 반복할 대화 방식을 먼저 잡고 가요. 데이터 분석, 보고서, 대시보드, 카드뉴스, 영상, 포트폴리오, 배포까지 결과물은 매번 달라지지만 흐름은 같습니다.

흐름은 질문하기 → 기획하기 → 만들기 → 검토하기 → 개선하기, 이렇게 다섯입니다. 저는 이걸 그냥 "AI에게 말 잘 거는 법" 정도로 보지 않습니다. 뭘 만들든 이 순서가 잡히면 결과물이 훨씬 덜 흔들려요.

여러분이 이 클립 끝에 가져갈 건 파일이 아니라 패턴입니다. 이 패턴 하나로 Part 3 전체를 밀고 갑니다.

💡 핵심 개념

BUILD 기법 = 5단계입니다

이 부분은 꼭 짚고 가요. BUILD 기법은 5단계예요. 새로 외울 게 두 벌 있는 게 아닙니다. Part 01에서 본 BUILD를 한국어로 풀면 바로 이 흐름입니다.

B(질문) + U(기획) + I(만들기) + L(검토) + D(개선). B-U-I-L-D, 5단계입니다. 뭘 만들든 이 한 가지 패턴이에요.

AI를 처음 쓰면 바로 "보고서 작성", "대시보드 생성"처럼 결과부터 말하고 싶잖아요? 그런데 그렇게 던지면 AI는 우리 머릿속 맥락을 모른 채 달리기 시작합니다. 좋은 시작은 명령이 아니라 질문입니다. "이런 일을 하려는데 어떻게 접근하면 좋을까요?" 이 한 줄에서 일이 풀려요.

1단계: 질문하기

질문하기는 "이런 거 하려는데 어떻게 시작하면 좋을까요?"라고 묻는 단계입니다. 아직 만들지 않아요. 가능한 방법, 필요한 자료, 먼저 정해야 할 항목을 넓게 보는 시간입니다.

경쟁사 분석 임원 보고를 준비하려는데, 먼저 정해야 할 항목과 슬라이드 구성 옵션을 2~3개로 정리해 주세요.

2단계: 기획하기

기획하기는 선택한 방향을 조건으로 묶는 단계입니다. 무엇을 만들지, 어떤 자료를 쓸지, 어떤 형식이 필요한지 정리합니다. 마지막에는 꼭 "내 요청을 어떻게 이해했는지 다시 설명해 주세요"라고 확인시켜 보세요.

의사결정용 8장 슬라이드로 가려고 합니다. 비교 대상은 A·B·C 경쟁사, 기준은 가격·기능·점유율·R&D입니다. 임원이 Q3 투자 우선순위를 정하는 데 쓰는 보고서로 이해했는지 다시 설명해 주세요.

3단계: 만들기

만들기는 충분히 좁힌 뒤 실행하는 단계입니다. 한 번에 완성본을 요구하기보다 뼈대 먼저, 살은 나중에가 안전해요. 목차, 섹션, 핵심 메시지처럼 큰 구조가 맞아야 세부 내용도 덜 흔들립니다.

위 조건으로 8장 슬라이드의 목차와 각 장 핵심 메시지 1줄을 먼저 만들려고 합니다. 구조를 먼저 제안한 뒤, 확인 후 본문 작성으로 이어가세요.

4단계: 검토하기

검토하기는 AI가 만든 결과물을 사람이 기준으로 보는 단계입니다. 특히 보고서와 리서치에서는 근거, 일관성, 의도 부합을 봐야 합니다. AI가 말은 매끄럽게 만들 수 있어요. 하지만 최종 판단은 여러분이 합니다.

완성된 슬라이드를 검증하려고 합니다. 각 주장에 출처가 있는지, 경쟁사 비교 기준이 일관적인지, 임원 의사결정에 필요한 결론이 보이는지 점검해 주세요.

5단계: 개선하기

개선하기는 전체를 다시 시작하는 단계가 아닙니다. 좋은 부분은 남기고, 문제 있는 위치만 고쳐요. 위치, 바꿀 기준, 유지할 범위를 같이 말하면 결과가 훨씬 안정적입니다.

6번 슬라이드의 B사 신규 기능 출시 문장 옆에 출처를 푸터로 추가하려고 합니다. 다른 슬라이드의 내용과 디자인은 그대로 유지하세요.

여기까지가 BUILD 기법입니다. 질문하기가 B, 기획하기가 U, 만들기가 I, 검토하기가 L, 개선하기가 D예요. 약자를 따로 외우기보다 일의 순서로 기억하시면 됩니다.

🚶 진행 흐름

한 시나리오로 5단계 풀어보기

5단계만 따로 들으면 조금 추상적이죠. 그래서 이제 한 시나리오로 풀어보겠습니다. 상황은 경쟁사 분석 임원 보고입니다. 다음 주 임원 회의에서 Q3 투자 우선순위를 정해야 하고, 발표 시간은 10분. 결과물은 8장 내외 슬라이드라고 가정할게요.

실제 대화 흐름

1. 질문하기에서는 선택지를 넓힙니다.

경쟁사 분석 임원 보고를 만들려는데, 먼저 정해야 할 항목 체크리스트와 슬라이드 구성 옵션을 2~3개로 정리해 주세요.

2. 기획하기에서는 선택한 방향을 조건으로 묶습니다.

의사결정용 8장 구성으로 가려고 합니다. 1장은 표지, 2장은 시장 포지셔닝, 3~5장은 A·B·C 비교, 6장은 위협과 기회, 7장은 Q3 투자 권고, 8장은 Q&A입니다. 이 요청을 어떻게 이해했는지 다시 설명해 주세요.

3. 만들기에서는 뼈대를 먼저 확인합니다.

위 조건으로 각 장의 핵심 메시지 1줄과 필요한 근거 자료를 먼저 정리하려고 합니다. 목차 초안을 만든 뒤 확인을 기다리세요.

4. 검토하기에서는 기준을 가지고 봅니다.

초안을 검토하려고 합니다. 모든 수치에 출처가 있는지, A·B·C 비교 축이 같은지, 7장의 권고가 임원 결정에 충분한지 확인해 주세요.

5. 개선하기에서는 한 부분만 고칩니다.

6번 슬라이드의 B사 신규 기능 출시 항목에 출처를 추가하려고 합니다. 푸터에 "B사 IR 2026 Q1 p.18"을 넣고, 다른 슬라이드는 그대로 유지하세요.

이 흐름을 거치면 반나절 걸리던 일이 10~30분 단위로 줄어듭니다. 시간이 줄어드는 이유는 단계를 대충 넘겨서가 아닙니다. 각 단계에서 사람이 손으로 하던 일을 클로드코드에게 명확히 맡기기 때문이에요.

📦 결과물

이번엔 이론 클립이라 별도 실습 파일은 만들지 않습니다. 대신 Part 3의 모든 실습에서 아래 흐름을 반복해서 씁니다.

Part03-체험하기/
├── 실습05-데이터분석/
├── 실습06-보고서작성/
├── 실습07-대시보드/
├── 실습08-자료리서치/
├── 실습09-카드뉴스/
├── 실습10-리모션영상/
├── 실습11-포트폴리오기획/
├── 실습12-포트폴리오수정/
└── 실습13-Vercel배포/

이번 클립에서 남길 것은 파일이 아니라 대화 습관입니다. 제가 계속 강조하는 이유가 있어요. 앞으로 프롬프트를 쓸 때 바로 결과부터 말하고 싶어지면, 먼저 "하려는데 어떻게?"로 묻고 있는지 확인하면 됩니다.

🆘 자주 막히는 포인트

🔗 다음 클립

→ Part 3 / Clip 2: 데이터 분석 — 이제 같은 5단계를 CSV 데이터에 적용합니다.

다음 클립부터는 실제 파일을 만듭니다. 첫 결과물은 쫀득팩토리 1분기 운영 데이터를 분석한 인사이트와 차트예요. BUILD가 진짜로 어떻게 굴러가는지 바로 보실 겁니다.

🎯 이 클립에서 만드는 것

CSV 8개를 받으면 보통 뭐부터 하세요? 엑셀 열고, 피벗 만들고, 차트 하나씩 그리다 보면 1~2시간은 금방 갑니다. 이번 클립에서는 그 일을 클로드코드와 같이 줄여봅니다.

쫀득팩토리라는 가상 디저트 제조사의 1분기 운영 데이터 8개 CSV를 분석합니다. 목표는 숫자 파일을 그냥 열어보는 게 아니라, 볼 만한 관점 5개를 뽑고 그중 일부를 차트 PNG 5~10장으로 만드는 거예요.

여러분이 자동 셋업 코드를 직접 만질 필요는 없습니다. 작업 폴더와 자료가 준비되어 있다는 전제에서, 아래 결과를 만드는 흐름만 따라가면 됩니다.

50-my-work/Part03-체험하기/실습05-데이터분석/
├── sample_csv/
│   ├── 쫀득팩토리 1분기 운영 데이터 CSV 8개
│   └── ...
├── charts/
│   ├── chart-01.png
│   ├── chart-02.png
│   └── ...
└── README.md

핵심 결과는 분석 관점 목록과 차트 이미지입니다. 제가 여기서 꼭 보라고 하는 건 "차트를 몇 장 만들었냐"가 아니에요. 어떤 질문으로 차트까지 갔는지입니다. 다음 Clip 3에서는 이 결과를 그대로 가져가 임원 보고서로 확장합니다.

💡 핵심 개념

데이터 분석은 "파일 읽기"가 아니라 "무엇을 볼지 고르는 일"입니다

CSV가 8개 있다고 바로 차트를 그리면, 그림은 나옵니다. 그런데 메시지가 약할 수 있어요. 냉장고에 재료가 많다고 무작정 볶기보다, 오늘 김치볶음밥을 할지 파스타를 할지 먼저 정하는 게 더 중요하잖아요?

그래서 이 클립에서는 가능한 분석 관점을 펼친 뒤, 그중 몇 개를 고르는 것부터 합니다. 예를 들어 위기 진단, 원가 추이, 라인별 매출, 운영 효율, 재고 균형처럼 나뉘면 차트 종류도 자연스럽게 정해져요.

차트 생성에는 pandas, matplotlib 같은 도구가 쓰입니다. 솔직히 도구 이름을 외울 필요는 없어요. AI에게 데이터 위치, 보고 싶은 관점, 저장 위치, 수정 범위를 분명히 말하는 게 핵심입니다.

🚶 진행 흐름

1. 던지기: 가능한 방법 묻기

처음부터 차트 달라고 하지 마세요. 먼저 "이 데이터로 뭘 볼 수 있냐"를 물어봅니다. 이게 BUILD의 B, 질문하기입니다.

sample_csv 폴더에 CSV 8개가 있는데, 이걸로 데이터 분석과 차트 생성을 하려는데 어떻게 접근하면 좋을까요? 필요한 도구와 진행 순서를 먼저 알려주세요.

2. 기획하기: 관점과 차트 후보 받기

AI가 가능한 흐름을 설명하면, 이제 볼 만한 관점을 넓게 펼치게 합니다. 여기서 여러분이 고르는 일이 시작돼요.

이 데이터를 실제로 분석하려고 합니다. 확인할 만한 관점 5개와 각 관점에 어울리는 차트 후보를 같이 정리해 주세요. 관점은 운영자가 의사결정에 쓸 수 있는 수준이면 좋겠습니다.

여기서 나온 후보 중 1~2개를 고르면 됩니다. 예를 들어 원가 추이와 라인별 매출을 고르면, 차트도 선그래프·막대그래프처럼 자연스럽게 좁혀져요.

3. 만들기: 차트 PNG 생성

고른 관점으로 차트를 만듭니다. 저는 여기서 저장 위치와 형식을 꼭 같이 말합니다. 안 그러면 텍스트 답변만 받고 끝날 때가 있어요.

원가 추이와 라인별 매출 관점으로 차트를 만들려고 합니다. matplotlib 기반 PNG 5~10장을 charts 폴더에 저장하고, 한글은 AppleGothic 또는 NanumGothic으로 표시되게 진행하세요.

4. 검증하기: 결과 확인

차트가 생기면 파일 개수만 보지 말고, 실제로 열어봅니다. 한글이 네모로 깨지거나 축 라벨이 안 보이면 업무에서는 바로 못 씁니다.

charts 폴더의 PNG를 검증하려고 합니다. 숫자 계산이 CSV와 맞는지, 제목과 축 라벨이 읽히는지, 한글이 깨지지 않는지 체크해 주세요.

5. 개선하기: 한 장만 부분 수정

수정할 때는 전체를 다시 만들지 말고, 특정 차트만 집어 말합니다. "다른 건 그대로" 한 줄, 이거 정말 중요해요.

3번 차트의 색상이 흐려서 더 선명하게 조정하려고 합니다. 3번 차트만 다시 그리고, 나머지 차트와 파일명은 그대로 유지하세요.

이렇게 하면 차트 8장을 다시 만들다가 잘 된 부분까지 바뀌는 일을 줄일 수 있습니다.

📦 결과물

저장 위치는 50-my-work/Part03-체험하기/실습05-데이터분석/입니다. 여기만 찾으면 여러분 결과물이 한 번에 보여야 합니다.

실습05-데이터분석/
├── sample_csv/        # 강의용 CSV 8개
├── charts/            # 분석 결과 차트 PNG 5~10장
└── README.md          # 진행 요약과 한 줄 회고

README.md에는 사용한 데이터, 선택한 분석 관점, 생성한 차트 개수, 가장 인상적인 발견을 적습니다. 분석 답변을 별도 .md 파일로 저장했다면 같이 남겨도 좋아요.

🆘 자주 막히는 포인트

🔗 다음 클립

→ Part 3 / Clip 3: 보고서 작성 — 방금 만든 분석 관점과 차트를 30페이지 내외의 임원 보고서로 확장합니다.

데이터 분석의 끝은 차트가 아니라 읽히는 설명입니다. 다음 클립에서 차트와 숫자를 보고서 문장으로 연결해볼게요.

🎯 이 클립에서 만드는 것

차트만 던져주면 임원이 바로 결정할 수 있을까요? 어렵습니다. 이번 클립에서는 Clip 2에서 만든 분석 관점과 차트 PNG를 가져와 30페이지 내외의 임원 보고서로 바꿉니다.

차트는 그림으로 끝나면 아깝습니다. 숫자 근거가 붙은 문장과 연결되어야 해요. 보고서의 목표는 "분석을 많이 했다"를 보여주는 게 아니라, 읽는 사람이 5분 안에 핵심을 잡게 하는 것입니다. 저는 그래서 목차, 차트 배치, 주장과 근거의 순서를 먼저 잡습니다.

50-my-work/Part03-체험하기/실습06-보고서작성/
├── sample_csv/
├── charts/
├── 쫀득팩토리_2026Q1_경영분석보고서.md
└── README.md

Clip 2를 건너뛰었다면 차트가 없을 수 있습니다. 괜찮아요. 그 경우에는 CSV만으로 보고서를 만들거나, 보고서 작성 중 필요한 차트를 새로 만들어도 됩니다.

💡 핵심 개념

보고서는 차트 모음이 아니라 판단의 순서입니다

차트를 8장 만들었다고 보고서가 되는 건 아닙니다. 보고서는 독자가 어떤 순서로 숫자를 이해해야 하는지 안내하는 길이에요. 지도에 점이 많아도 길이 없으면 목적지에 못 가잖아요?

임원 보고서는 특히 요약 → 근거 → 해석 → 권고의 흐름이 중요합니다. 숫자를 먼저 보여주고, 그 숫자가 왜 중요한지 설명하고, 마지막에 어떤 결정을 돕는지 연결해야 해요.

이 클립에서는 charts/ 폴더의 PNG를 Markdown 문서 안에 인라인으로 넣습니다. 파일명과 경로가 맞아야 이미지가 안 깨집니다. 여러분이 먼저 챙길 건 예쁜 문장이 아니라 근거가 빠지지 않는 구조예요.

🚶 진행 흐름

1. 던지기: 보고서로 바꾸는 방법 묻기

분석 결과와 차트가 있다는 상황을 설명하고, 보고서 작성 흐름을 먼저 물어봅니다. 바로 "보고서 써줘"로 가지 않는 게 핵심이에요.

방금 만든 분석 결과와 charts 폴더의 PNG 8장을 임원 보고서로 바꾸려는데, 어떤 순서로 진행하면 좋을까요? 목차, 차트 인용, 숫자 근거 정리 방식을 먼저 알려주세요.

2. 기획하기: 목차와 차트 배치 정하기

보고서의 목차 후보를 받고, 각 장에 어떤 차트가 들어가면 좋을지 연결합니다. 이 단계에서 보고서 품질이 거의 결정돼요.

쫀득팩토리 2026년 1분기 경영분석 보고서를 만들려고 합니다. 30페이지 내외 분량으로 목차 옵션을 제안하고, 각 장에 들어갈 차트와 표를 매핑해 주세요.

AI가 제안한 목차 중 하나를 고르면 됩니다. 보통은 요약, 핵심 지표, 운영 이슈, 재무 관점, 권고안처럼 읽는 순서가 보이는 구조가 좋아요.

3. 만들기: Markdown 보고서 생성

고른 목차를 기준으로 실제 보고서 파일을 만듭니다. 제가 여기서 꼭 넣는 건 파일명과 이미지 인용 방식입니다. 안 넣으면 파일명이 제멋대로 나오거나 이미지가 빠질 수 있어요.

선택한 목차대로 보고서를 작성하려고 합니다. 결과 파일은 쫀득팩토리_2026Q1_경영분석보고서.md로 두고, charts 폴더의 PNG를 Markdown 이미지 문법으로 인라인 인용하세요. 각 주장에는 숫자 근거를 함께 적어 주세요.

4. 검증하기: 근거와 흐름 확인

보고서가 만들어지면 문장만 읽지 말고, 차트와 주장이 맞물리는지 봅니다. 말이 매끄러워도 숫자가 빠지면 보고서가 약해집니다.

작성된 보고서를 검증하려고 합니다. 주장마다 숫자 근거가 있는지, 차트 경로가 깨지지 않는지, 장별 결론이 서로 충돌하지 않는지 점검해 주세요.

5. 개선하기: 특정 장만 보강

부족한 장 하나를 골라 부분 수정합니다. 전체 다시 쓰기는 위험해요. 좋았던 문장까지 같이 바뀔 수 있습니다.

3장 운영 효율 부분만 보강하려고 합니다. 관련 차트 1개를 더 인용하고 결론 문장 1줄을 추가하세요. 다른 장의 구성과 문장은 그대로 유지하세요.

수정 범위를 장 단위로 말하면, 보고서 전체가 다시 쓰이면서 어조가 바뀌는 일을 줄일 수 있어요.

📦 결과물

저장 위치는 50-my-work/Part03-체험하기/실습06-보고서작성/입니다. 여기에 보고서와 차트가 같이 있어야 프리뷰에서 덜 깨집니다.

실습06-보고서작성/
├── sample_csv/                                # 필요 시 원본 데이터 확인
├── charts/                                    # Clip 2에서 만든 차트
├── 쫀득팩토리_2026Q1_경영분석보고서.md       # 최종 보고서
└── README.md                                  # 진행 방식과 회고

README.md에는 사용한 자료, 보고서 파일명, 차트 개수, 가장 중요한 결론을 한 줄로 남깁니다. 보고서 파일은 다음 클립에서 직접 쓰이지는 않지만, 같은 데이터를 대시보드로 바꿀 때 비교 기준이 돼요.

🆘 자주 막히는 포인트

🔗 다음 클립

→ Part 3 / Clip 4: 대시보드 만들기 — 같은 CSV 데이터를 인터랙티브 HTML 대시보드로 바꿉니다.

보고서는 읽는 결과물이고, 대시보드는 만져보는 결과물입니다. 같은 숫자가 형식에 따라 어떻게 달라지는지 비교해 보시면 됩니다.

🎯 이 클립에서 만드는 것

보고서를 만들고 나면 이런 질문이 나옵니다. "이거 매주 업데이트되는 화면으로 볼 수 없나요?" 그게 대시보드예요. 이번 클립에서는 Ch 02에서 계속 사용한 sample_csv 데이터를 탭이 있는 HTML 대시보드로 만듭니다.

결과물은 index.html 한 파일입니다. 브라우저에서 열면 탭을 눌러 전환하고 차트를 확인할 수 있어요. 보고서가 읽는 문서라면, 대시보드는 눌러보며 이해하는 화면이에요. 영상에서 이 차이를 직접 보게 됩니다.

50-my-work/Part03-체험하기/실습07-대시보드/
├── sample_csv/
├── index.html
└── README.md

이 클립은 Ch 02의 마지막입니다. 같은 CSV에서 분석, 보고서, 대시보드라는 세 가지 결과물이 나옵니다. 여러분이 직접 코드를 한 줄씩 치는 게 아니라, 대화로 결과물을 바꾸는 흐름을 보는 거예요.

💡 핵심 개념

대시보드는 "한 화면에 다 넣기"가 아닙니다

대시보드를 처음 만들 때 흔한 실수는 모든 차트를 한 화면에 밀어 넣는 겁니다. 그러면 보는 사람은 어디부터 봐야 할지 몰라요. 옷장도 상의, 하의, 외투를 칸으로 나누잖아요? 데이터도 주제별 칸이 필요합니다.

이번 클립에서는 탭을 3개 정도로 나누고, 각 탭마다 핵심 차트를 먼저 넣습니다. 처음부터 완벽한 화면을 만들지 않습니다. 1차 뼈대 → 2차 확장으로 가요.

중요한 건 기술 이름이 아니라 확인 순서예요. 첫 번째 버전에서는 탭 전환과 핵심 차트 1개씩만 확인하세요. 그다음 필요한 탭에 차트를 1~2개씩 추가하면 수정 비용이 작습니다.

🚶 진행 흐름

1. 던지기: 대시보드 제작 방식 묻기

CSV를 브라우저 대시보드로 바꾸는 가능한 방법을 먼저 묻습니다. 바로 index.html 만들어 달라고 하면 구조가 흔들릴 수 있어요.

sample_csv 폴더의 CSV 8개로 인터랙티브 대시보드를 만들려는데, 어떤 방식으로 접근하면 좋을까요? 한 파일 HTML로 가능한지, 필요한 라이브러리와 흐름을 알려주세요.

2. 기획하기: 탭과 차트 설계

어떤 탭이 필요하고, 각 탭에 어떤 차트가 들어갈지 정합니다. 이때 "임원이 한눈에"처럼 보는 사람을 같이 말해주면 훨씬 좋아집니다.

임원이 한눈에 볼 수 있는 대시보드를 만들려고 합니다. 탭 구성 옵션 3개를 제안하고, 각 탭에 들어갈 차트 후보와 보여줄 메시지를 함께 정리해 주세요.

탭은 많을수록 좋은 게 아닙니다. 처음에는 운영, 재무, 라인별 성과 정도로 나누고, 각 탭에 핵심 차트부터 넣어보세요.

3. 만들기: 1차 HTML 생성

첫 버전은 작게 만듭니다. 한 파일 안에서 CSV를 읽고 차트를 그리는 구조로 가요. "뼈대 먼저"가 중요한 이유가 여기 있어요.

선택한 탭 구조로 index.html 1차 버전을 만들려고 합니다. 한 파일 안에 Chart.js와 PapaParse CDN을 사용하고, 탭 3개와 핵심 차트 1개씩부터 구현하세요.

이후 필요한 탭만 확장합니다. 잘 되는 뼈대를 확인한 뒤 살을 붙이는 거죠.

운영 탭에 차트 2개를 더 추가하려고 합니다. 색상 톤도 조금 정돈하되, 재무 탭과 라인별 탭은 그대로 유지하세요.

4. 검증하기: 브라우저에서 확인

HTML 파일은 브라우저에서 직접 열어봐야 합니다. 터미널에서 "완료"라고 떠도, 화면이 빈 페이지면 아직 끝난 게 아니에요.

index.html을 검증하려고 합니다. 탭 전환이 되는지, CSV 데이터가 정상 로드되는지, 차트 수치가 원본과 맞는지, 모바일 폭에서 깨지는지 점검해 주세요.

5. 개선하기: 특정 탭만 수정

대시보드는 작은 수정이 잦습니다. 위치를 정확히 말하세요. "재무 탭만"처럼 범위를 잘라야 다른 탭이 덜 흔들립니다.

재무 탭의 색상 대비만 개선하려고 합니다. 배경과 차트 색상을 더 구분되게 조정하고, 다른 탭의 레이아웃과 데이터 처리는 그대로 유지하세요.

📦 결과물

저장 위치는 50-my-work/Part03-체험하기/실습07-대시보드/입니다. 여기서 index.html만 열리면 일단 절반은 성공입니다.

실습07-대시보드/
├── sample_csv/       # 대시보드가 읽는 CSV
├── index.html        # Chart.js + PapaParse 기반 대시보드
└── README.md         # 탭 구성과 확인 결과

완성 후에는 index.html을 브라우저로 열어 확인합니다. README.md에는 탭 이름, 사용한 차트, 가장 유용했던 대시보드 관점을 적으면 됩니다.

🆘 자주 막히는 포인트

🔗 다음 클립

→ Part 3 / Clip 5: 자료 리서치 — Ch 03으로 넘어가 주제 한 줄에서 콘텐츠 재료를 수집합니다.

Ch 02에서는 데이터가 이미 있었습니다. 다음부터는 재료가 없는 상태에서 시작합니다. 주제 한 줄로 검색해서 자료를 모으는 흐름이에요.

🎯 이 클립에서 만드는 것

Ch 02에서는 CSV 파일을 던져주고 시작했죠? 이번엔 손에 든 게 주제 한 줄뿐입니다. 거기서 출처 붙은 리서치 문서까지 끌어내야 해요. 어떻게 시작할까요?

그 한 줄을 검색 가능한 질문으로 바꾸는 것부터 시작합니다. 결과물은 02-주제리서치.md입니다. 예시는 2026년 AI 주요 이슈 5개를 조사하는 흐름이지만, 여러분 관심 주제로 바꿔도 됩니다.

50-my-work/Part03-체험하기/실습08-자료리서치/
├── 02-주제리서치.md
└── README.md

이 문서는 다음 Clip 6에서 카드뉴스의 원고 재료가 됩니다. 그래서 짧은 감상문이면 안 됩니다. 항목별 핵심 요약과 출처 URL이 꼭 필요해요.

💡 핵심 개념

리서치는 검색어를 잘 던지는 일입니다

좋은 리서치는 많은 페이지를 긁어오는 일이 아닙니다. 어떤 질문으로 검색할지, 어떤 기준으로 정리할지, 출처를 어떻게 남길지 정하는 일이에요. 도서관에서 책장을 무작정 훑는 것보다 사서에게 "이 주제 최신 자료 찾으려면 어떤 키워드가 좋을까요?"라고 묻는 것에 가깝습니다.

클로드코드에는 검색 흐름을 도와주는 방식이 있습니다. 넓게 찾을 때는 WebSearch, 특정 페이지를 읽을 때는 WebFetch. 저는 이 둘을 "검색이냐, 가져오기냐"로 구분해서 봅니다.

이번 클립의 목표는 5개 항목, 각 항목 핵심 2~3줄, 출처 URL 1~2개입니다. 다음 콘텐츠 제작 단계에서 바로 쓸 수 있게 정리해두는 게 중요합니다.

🚶 진행 흐름

1. 던지기: 검색 방법 묻기

바로 검색을 시키기보다, 어떤 방식으로 검색할 수 있는지 먼저 물어봅니다. 결과부터 달라고 하면 출처가 약해질 때가 많아요.

클로드코드로 인터넷 자료 리서치를 하려는데, 어떤 방식으로 접근하면 좋을까요? 키워드 검색과 특정 URL 읽기의 차이, 출처를 남기는 방법을 알려주세요.

2. 기획하기: 주제와 정리 형식 정하기

주제와 결과 형식을 함께 말합니다. "무엇을 찾을지"와 "어떻게 남길지"가 같이 들어가야 합니다.

2026년 AI 주요 이슈 5개를 조사하려고 합니다. 검색 키워드 후보와 정리 형식 옵션을 제안해 주세요. 각 항목은 핵심 요약, 왜 중요한지, 출처 URL로 정리하고 싶습니다.

AI가 키워드를 제안하면, 너무 넓거나 오래된 키워드는 줄이고 현재성 있는 키워드를 고르면 됩니다. 주제가 한국 시장과 관련 있다면 "국내 기준"도 같이 넣으세요.

3. 만들기: 리서치 문서 작성

검색을 실행하고 파일로 저장합니다. 제가 꼭 넣는 문장은 "추측 말고 실제 검색 결과 기반으로"입니다. 이 한 줄이 결과 신뢰도를 꽤 바꿔요.

선택한 방식으로 2026년 AI 주요 이슈 5개를 조사하려고 합니다. 각 항목은 핵심 2~3줄, 이슈의 영향 1줄, 출처 URL 1~2개로 정리하고 결과는 02-주제리서치.md에 저장하세요.

4. 검증하기: 출처와 항목 확인

리서치 문서는 링크가 생명입니다. 링크가 없거나 안 열리면 다음 단계에서 신뢰도가 떨어집니다. 여러분도 실제로 몇 개는 눌러보셔야 합니다.

02-주제리서치.md를 검증하려고 합니다. 5개 항목이 모두 주제와 맞는지, 출처 URL이 실제로 열리는지, 추측처럼 보이는 문장이 없는지 점검해 주세요.

5. 개선하기: 항목 하나만 보강

문제가 있는 항목만 다시 다룹니다. 전체를 다시 검색하면 잘 찾은 자료까지 바뀔 수 있어요.

3번 항목의 근거가 약해서 보강하려고 합니다. 공식 발표나 신뢰도 높은 출처를 1개 더 찾아 추가하고, 다른 항목의 내용은 그대로 유지하세요.

리서치에서는 항목 번호와 바꿀 기준을 꼭 같이 말하세요. "3번만, 다른 건 그대로"가 안전한 공식입니다.

📦 결과물

저장 위치는 50-my-work/Part03-체험하기/실습08-자료리서치/입니다. 파일 하나지만, 다음 클립의 출발점이 됩니다.

실습08-자료리서치/
├── 02-주제리서치.md    # 5개 항목 + 출처 URL
└── README.md           # 선택한 주제와 한 줄 회고

02-주제리서치.md에는 항목마다 제목, 핵심 요약, 영향, 출처 URL이 들어갑니다. 다음 클립에서 이 문서를 읽어 10장 카드뉴스 기획서로 바꿔요.

🆘 자주 막히는 포인트

🔗 다음 클립

→ Part 3 / Clip 6: 카드뉴스 만들기 — 리서치 문서를 10장짜리 HTML 카드뉴스로 바꿉니다.

리서치는 콘텐츠의 재료 창고입니다. 다음 클립에서는 이 재료를 한 장씩 넘겨보는 카드 구조로 재배치해볼게요.

🎯 이 클립에서 만드는 것

리서치 문서가 생겼다고 바로 카드뉴스가 되지는 않습니다. 이번 클립에서는 Clip 5에서 만든 02-주제리서치.md를 바탕으로 10장짜리 HTML 카드뉴스를 만듭니다.

바로 HTML로 가지 않습니다. 먼저 기획서를 만들고, 그 기획서를 기준으로 실제 HTML을 생성해요. 결과물은 두 개입니다. 01-카드뉴스-기획서.md는 카드별 내용 설계서이고, 02-카드뉴스.html은 브라우저에서 볼 수 있는 정사각 카드뉴스입니다.

50-my-work/Part03-체험하기/실습09-카드뉴스/
├── 02-주제리서치.md
├── 01-카드뉴스-기획서.md
├── 02-카드뉴스.html
└── README.md

카드뉴스는 다음 Clip 7에서 영상으로 바뀝니다. 그래서 카드 수, 카드 크기, 흐름이 일정해야 해요. 여러분이 여기서 대충 만들면 다음 영상 단계에서 바로 티가 납니다.

💡 핵심 개념

카드뉴스는 디자인보다 "장면 나누기"가 먼저입니다

리서치 문서를 바로 HTML로 만들면 카드가 7장으로 줄거나 15장으로 늘어나는 일이 생깁니다. 그래서 먼저 기획서가 필요해요. 영화 촬영 전에 콘티를 그리는 것과 같습니다.

10장 카드뉴스는 보통 도입, 문제 제기, 핵심 항목, 정리, 마무리로 흐릅니다. 각 카드는 하나의 메시지만 담는 게 좋아요. 한 카드에 문장을 많이 넣으면 모바일에서 읽기 어렵습니다.

HTML은 1080×1080 정사각을 기준으로 만들고, 모바일에서는 화면 폭에 맞게 줄어들게 합니다. 저는 한글 가독성 때문에 Pretendard를 기준으로 잡는 편입니다. 안정적이에요.

🚶 진행 흐름

1. 던지기: 카드뉴스 형태 묻기

카드뉴스가 어떤 구조로 만들어지는지 먼저 확인합니다. "카드뉴스 만들어줘"로 바로 가면 장수부터 흔들릴 수 있어요.

리서치 결과를 카드뉴스로 만들려는데, 보통 어떤 형태와 구조로 진행하면 좋을까요? 인스타 정사각 카드 기준으로 카드 수, 흐름, 제작 순서를 알려주세요.

2. 기획하기: 10장 기획서 설계

리서치 문서를 읽고 카드별 역할을 나누게 합니다. 이 단계에서 10장의 흐름이 정해집니다.

02-주제리서치.md의 5개 이슈로 인스타 10장 카드뉴스를 만들려고 합니다. 카드별 제목, 본문 핵심, 시각 요소, 색상 방향을 포함한 구성 옵션을 제안해 주세요.

여기서 바로 HTML로 가지 마세요. 먼저 10장 구성이 적절한지 확인합니다. 제가 제일 많이 멈춰 세우는 지점이 여기예요.

3. 만들기: 기획서 작성 후 HTML 생성

두 단계로 나눕니다. 먼저 기획서입니다. 기획서가 있으면 HTML 결과도 훨씬 예측 가능해집니다.

선택한 구조로 01-카드뉴스-기획서.md를 먼저 만들려고 합니다. 카드 1~10번의 제목, 핵심 문장, 이미지 방향, 색상 톤을 표로 정리하세요.

그다음 HTML입니다. 이제야 실제 화면을 만듭니다.

01-카드뉴스-기획서.md를 기준으로 02-카드뉴스.html을 만들려고 합니다. 한 파일 안에 10장, 1080×1080 정사각 카드, 세로 스크롤, Pretendard 폰트, 이미지 자리까지 포함해 구현하세요.

4. 검증하기: 카드 수와 가독성 확인

브라우저에서 열어 10장이 모두 보이는지 확인합니다. 파일이 만들어졌다고 끝난 게 아니에요. 빈 카드가 하나라도 있으면 다시 봐야 합니다.

02-카드뉴스.html을 검증하려고 합니다. 카드가 정확히 10장인지, 빈 카드가 없는지, 모바일 폭에서 글자가 잘리는지, 한글 폰트가 적용됐는지 점검해 주세요.

5. 개선하기: 카드 하나만 수정

카드뉴스 수정은 카드 번호를 꼭 말해야 합니다. "3번 카드만"이라고 잘라 말해야 나머지 9장이 덜 흔들립니다.

3번 카드의 배경색만 더 부드럽게 바꾸려고 합니다. 배경색을 #FFE5EC 계열로 조정하고, 다른 카드의 내용과 레이아웃은 그대로 유지하세요.

📦 결과물

저장 위치는 50-my-work/Part03-체험하기/실습09-카드뉴스/입니다. 리서치, 기획서, HTML이 한 폴더에 같이 있어야 흐름이 보입니다.

실습09-카드뉴스/
├── 02-주제리서치.md
├── 01-카드뉴스-기획서.md
├── 02-카드뉴스.html
└── README.md

README.md에는 카드뉴스 주제, 카드 수, 확인한 문제, 가장 마음에 드는 카드 한 장을 적습니다. 다음 클립에서는 02-카드뉴스.html을 자동 스크롤 영상으로 변환해요.

🆘 자주 막히는 포인트

🔗 다음 클립

→ Part 3 / Clip 7: 리모션 영상 — 카드뉴스 HTML을 30초 내외의 MP4 영상으로 바꿉니다.

지금 만든 카드는 영상의 장면이 됩니다. 카드별 메시지가 선명할수록 다음 단계의 영상 품질도 좋아져요.

🎯 이 클립에서 만드는 것

카드뉴스 10장을 영상으로 만들려면 보통 어떻게 하세요? 캡처하고, 편집기에 올리고, 타임라인 맞추고. 생각보다 손이 많이 갑니다. 이번 클립에서는 Clip 6에서 만든 02-카드뉴스.html을 영상으로 바꿉니다.

브라우저에서 카드뉴스를 열고, 카드 한 장씩 일정 시간 머무르며 스크롤하는 과정을 녹화해 output.mp4를 만들어요. 텍스트로 새 영상을 생성하는 실습이 아니라, 이미 만든 HTML 콘텐츠를 자동화 도구로 촬영하는 흐름입니다.

50-my-work/Part03-체험하기/실습10-리모션영상/
├── 02-카드뉴스.html
├── output.mp4
└── README.md

그래서 카드뉴스의 카드 수와 레이아웃이 안정적일수록 영상도 안정적으로 나옵니다. 이 클립을 마치면 Ch 03은 주제 한 줄에서 시작해 리서치, 카드뉴스, 영상까지 이어져요. 여러분이 방금 만든 파일이 그대로 다음 결과물이 되는 겁니다.

💡 핵심 개념

영상 만들기는 두 갈래로 생각합니다

AI 영상이라고 하면 텍스트를 넣어 새 장면을 생성하는 도구를 떠올리기 쉽습니다. 그런데 업무 실습에서는 이미 만든 자료를 영상으로 바꾸는 경우도 많아요. 예를 들어 카드뉴스를 쇼츠처럼 보여주거나, 웹페이지 스크롤을 녹화해 소개 영상으로 만드는 방식입니다.

이번 클립은 두 번째입니다. 저는 이걸 "기존 자료 영상화"라고 부릅니다. Playwright로 브라우저를 자동 제어하고, 카드마다 3초 정도 머무르며 스크롤한 뒤, MP4로 저장합니다.

영상 도구 이름보다 입력 자료가 무엇인지를 먼저 봐야 합니다. 이번 입력은 카드뉴스 HTML이고, 출력은 output.mp4예요.

🚶 진행 흐름

1. 던지기: 영상 제작 방법 묻기

먼저 어떤 방식으로 영상화할 수 있는지 물어봅니다. 그냥 "영상 만들어줘"라고 하면 범위가 너무 넓어져요.

클로드코드로 영상을 만들려는데, 어떤 방법들이 있을까요? 텍스트로 새 영상을 만드는 방식과 기존 HTML을 영상화하는 방식의 차이를 알려주세요.

2. 기획하기: 자동화 방식으로 좁히기

이번 실습은 기존 카드뉴스를 MP4로 바꾸는 쪽입니다. 새 영상을 상상해서 만드는 게 아니라, 있는 화면을 촬영하는 흐름으로 좁힙니다.

이번에는 02-카드뉴스.html을 30초 내외 SNS 영상으로 만들려고 합니다. 자동화 스크립트 방식으로 진행한다면 어떤 도구가 좋고, 설치부터 실행까지 어떤 흐름이 필요한지 단계별로 정리해 주세요.

AI가 Playwright, Remotion, FFmpeg, MoviePy 같은 선택지를 말할 수 있습니다. 가장 빠른 길은 브라우저 자동화와 녹화 흐름입니다. 제가 여기서는 Playwright 쪽으로 좁혀갑니다.

3. 만들기: 스크립트 작성과 실행

실제 파일 생성을 요청합니다. 대기 시간과 출력 파일명을 분명히 말하세요. "카드 1장마다 3초"처럼 숫자로 박아두면 결과가 덜 흔들립니다.

Playwright로 브라우저를 자동 제어해서 02-카드뉴스.html을 영상으로 만들려고 합니다. 카드 1장마다 3초씩 머무르며 스크롤하고, 결과 파일은 output.mp4로 저장하도록 스크립트를 작성하고 실행하세요.

설치 허락 요청이 뜨면 확인하고 진행합니다. Node.js 버전이 낮으면 먼저 버전을 맞춰야 할 수 있어요.

4. 검증하기: 영상 열어 보기

MP4 파일은 만들어졌다는 사실보다 실제 재생이 중요합니다. 검은 화면이면 파일이 있어도 실패입니다.

output.mp4를 검증하려고 합니다. 길이가 20~40초 범위인지, 카드가 순서대로 보이는지, 검은 화면이나 끊김이 없는지, 마지막 카드까지 녹화됐는지 확인해 주세요.

5. 개선하기: 시간만 조정

영상이 너무 빠르면 카드별 머무는 시간만 바꿉니다. 전체 스크립트를 다시 쓰게 하지 마세요.

각 카드가 너무 빨리 지나가서 3초를 5초로 늘리려고 합니다. 대기 시간만 수정하고, 카드 순서와 화면 크기, 출력 파일명은 그대로 유지하세요.

영상 작업은 전체 재생성을 하더라도 조건을 고정하는 게 중요합니다. 바꿀 값 하나만 정확히 말하면 됩니다.

📦 결과물

저장 위치는 50-my-work/Part03-체험하기/실습10-리모션영상/입니다. 여기서 output.mp4를 실제로 열어보는 것까지가 한 사이클이에요.

실습10-리모션영상/
├── 02-카드뉴스.html
├── output.mp4        # 20~40초 내외 영상
└── README.md

README.md에는 사용한 입력 파일, 영상 길이, 카드당 머무는 시간, 확인한 문제를 적습니다. 영상 길이가 너무 길거나 짧으면 다음 수정에서 카드당 초 단위만 조정하세요.

🆘 자주 막히는 포인트

🔗 다음 클립

→ Part 3 / Clip 8: 포트폴리오 기획 — Ch 04로 넘어가 가상 인물 자료를 웹사이트 기획과 프로토타입으로 바꿉니다.

Ch 03에서는 콘텐츠 하나가 여러 형식으로 바뀌었습니다. 다음부터는 웹사이트를 기획하고, 수정하고, 배포까지 이어갑니다.

🎯 이 클립에서 만드는 것

Ch 04부터는 웹사이트입니다. 이번 클립에서는 가상 인물 김지수 UX/UI Designer의 리서치 자료와 이미지 15장을 바탕으로 포트폴리오 웹사이트를 기획하고 1차 프로토타입을 만듭니다.

처음부터 예쁜 웹사이트를 완성하려고 하지 않습니다. 먼저 자료를 읽고, 사이트 구성 기획서를 만든 뒤, 그 기획서를 기준으로 portfolio.html을 생성해요. 저는 이 순서를 꼭 지킵니다.

50-my-work/Part03-체험하기/실습11-포트폴리오기획/
├── 00-포트폴리오-리서치.md
├── images/
├── 01-포트폴리오-구성기획.md
├── portfolio.html
└── README.md

이번 결과물은 완성품이 아니라 1차본입니다. 색상, 여백, 타이포, 애니메이션 같은 세부 다듬기는 다음 Clip 9에서 진행합니다. 오늘은 "실물이 눈앞에 생기는 것"이 목표예요.

💡 핵심 개념

웹사이트는 코드보다 기획서가 먼저입니다

포트폴리오 사이트를 만들 때 바로 HTML부터 시작하면, 이름은 들어갔는데 어떤 사람인지 보이지 않는 페이지가 되기 쉽습니다. 자기소개서를 쓰기 전에 이력과 강점을 정리하잖아요? 웹사이트도 구조를 먼저 잡아야 합니다.

이번 클립의 자료에는 가상 인물 프로필, 레퍼런스 15개 분석, 디자인 트렌드, 이미지가 들어 있습니다. 여러분이 할 일은 이 자료를 AI에게 읽히고 어떤 섹션으로 보여줄지 결정하는 거예요.

구성은 보통 Hero, Work, About, Contact처럼 시작합니다. 김지수라는 인물의 강점과 프로젝트가 페이지 안에서 자연스럽게 연결되는지, 거기를 봐야 해요.

🚶 진행 흐름

1. 던지기: 사이트 제작 흐름 묻기

자료가 있는 상황을 설명하고, 웹사이트 제작 흐름을 먼저 묻습니다. 바로 HTML 만들자고 하면 AI가 즉흥적으로 꾸밀 수 있어요.

이 폴더에 00-포트폴리오-리서치.md와 images 폴더가 있는데, 이 자료로 포트폴리오 사이트를 만들려면 어떤 순서로 진행하면 좋을까요? 기획서 작성부터 HTML 생성까지 흐름을 알려주세요.

2. 기획하기: 구조와 무드 고르기

리서치 자료를 기준으로 사이트 구조 옵션을 받습니다. 여기서 무드까지 같이 고르면 다음 단계가 훨씬 편해집니다.

00-포트폴리오-리서치.md를 읽고 김지수 UX/UI Designer에게 맞는 포트폴리오 구조를 기획하려고 합니다. 섹션 구성, 레퍼런스 무드, 디자인 방향을 2~3개 옵션으로 제안해 주세요.

여기서 선택하는 것은 단순 취향이 아닙니다. 어떤 무드가 인물의 작업과 가장 잘 맞는지 고르는 일이에요.

3. 만들기: 기획서와 HTML 생성

먼저 기획서를 만들고, 그다음 HTML을 만듭니다. 제가 보기엔 이 순서가 포트폴리오 품질을 가장 크게 가릅니다.

선택한 구조와 디자인 방향으로 01-포트폴리오-구성기획.md를 먼저 작성하려고 합니다. 각 섹션의 목적, 들어갈 문구 샘플, 사용할 이미지 방향을 포함하세요.

01-포트폴리오-구성기획.md를 기준으로 portfolio.html 1차 프로토타입을 만들려고 합니다. 단일 HTML, 인라인 CSS, 바닐라 JS, 반응형 구조로 구현하고 images 폴더의 이미지를 적절히 배치하세요.

4. 검증하기: 1차본 확인

브라우저에서 열어 섹션과 내용이 맞는지 봅니다. 파일이 만들어졌다고 끝이 아니죠. 김지수 정보가 제대로 들어갔는지 봐야 합니다.

portfolio.html을 검증하려고 합니다. Hero, Work, About, Contact 섹션이 있는지, 김지수 정보가 반영됐는지, 이미지가 깨지지 않는지, 모바일 폭에서 읽히는지 점검해 주세요.

5. 개선하기: 가벼운 문구만 수정

본격 디자인 수정은 다음 클립에서 하므로, 여기서는 작은 수정만 합니다. 1차본에서 너무 욕심내면 다음 클립의 역할이 흐려져요.

Hero 타이틀의 한 줄 메시지만 더 선명하게 바꾸려고 합니다. 김지수의 UX/UI 강점이 드러나게 문장만 수정하고, 레이아웃과 다른 섹션은 그대로 유지하세요.

📦 결과물

저장 위치는 50-my-work/Part03-체험하기/실습11-포트폴리오기획/입니다. 리서치, 기획서, HTML이 한 폴더에서 이어져야 합니다.

실습11-포트폴리오기획/
├── 00-포트폴리오-리서치.md
├── images/
├── 01-포트폴리오-구성기획.md
├── portfolio.html
└── README.md

README.md에는 선택한 구조, 참고한 무드, 1차 프로토타입에서 마음에 드는 점과 아쉬운 점을 적습니다. 다음 클립에서는 이 아쉬운 점을 디자인 수정 목록으로 바꿔요.

🆘 자주 막히는 포인트

🔗 다음 클립

→ Part 3 / Clip 9: 포트폴리오 수정 — 1차 portfolio.html을 디자인 참고 자료와 대화로 다듬어 최종본으로 만듭니다.

이번 클립은 뼈대를 세우는 단계였습니다. 다음 클립에서 색상, 여백, 타이포, 애니메이션, 반응형을 차례로 다듬어봅니다.

🎯 이 클립에서 만드는 것

Clip 8에서 만든 1차 portfolio.html은 뼈대만 잡힌 상태예요. 이번에는 getdesign.md에서 좋아하는 사이트의 디자인을 .md로 받아 — 그걸 참고하면서 내 portfolio의 디자인뿐 아니라 구조까지 새롭게 다듬습니다.

방법은 이래요. 참고할 사이트 1~2개를 명확히 골라서, 그 디자인 .md를 클로드코드에 던지면서 변경을 요청합니다. "예쁘게 해줘"가 아니라 "이 사이트 톤으로 이 부분을 바꿔줘"가 되는 거죠.

50-my-work/Part03-체험하기/실습12-포트폴리오수정/
├── portfolio.html              # 개선 대상 (Clip 8에서 가져옴)
├── 00-포트폴리오-리서치.md     # 그대로
├── 01-포트폴리오-구성기획.md   # 그대로
├── 02-design-references.md     # ★ getdesign.md에서 받은 디자인 참고
├── images/                     # 그대로
└── README.md

💡 핵심 개념

디자인 수정 = 참고 + 구체화

"예쁘게 만들어줘"만 던지면 AI가 즉흥적으로 색·여백을 바꿉니다. 결과는 일관성 없는 사이트가 되기 쉬워요. 좋은 수정은 명확한 참고 자료 + 구체적 변경 범위 두 가지로 만들어집니다.

getdesign.md — 사이트 디자인을 .md로

getdesign.md는 좋아하는 사이트 URL을 입력하면 그 사이트의 디자인 시스템(색·타이포·여백·구조·인터랙션)을 마크다운으로 추출해 주는 서비스예요. 받은 .md를 클로드코드에 던지면 AI가 참고 디자인의 패턴을 정확히 이해한 상태로 내 portfolio를 수정합니다. "Stripe처럼" 같은 추상적 요청보다 훨씬 정확해요.

디자인뿐 아니라 구조도

Clip 8 1차본의 섹션 구성을 그대로 두지 마세요. 참고 사이트에서 좋은 구조 패턴이 있으면 — 섹션 순서·블록 종류·내비게이션 같은 구조 자체를 바꾸는 것도 OK. 이번 클립은 "디자인만 바꾸기"가 아니라 "사이트 전체를 다시 다듬기"입니다.

🛠️ 시작 전 — 자료 셋업

1단계. Clip 8 결과물 가져오기 (클로드코드에 입력)

워크스페이스의 50-my-work/Part03-체험하기/실습11-포트폴리오기획/ 안의 portfolio.html, 00-포트폴리오-리서치.md, 01-포트폴리오-구성기획.md, images/ 를 50-my-work/Part03-체험하기/실습12-포트폴리오수정/ 폴더로 복사하고, 그 작업 폴더로 진입해 주세요. 셋업이 끝나면 작업 폴더 파일 목록을 한 줄로 보고만 해 주세요. 실습은 아직 시작하지 마세요.

2단계. getdesign.md에서 디자인 참고 .md 받기 (브라우저)

1. https://getdesign.md/ 접속
2. 참고할 사이트 URL 1~2개 입력 (예: Stripe / Linear / Vercel / Notion / Apple / 본인이 좋아하는 사이트)
3. 결과 .md를 복사하거나 다운로드
4. 작업 폴더(실습12-포트폴리오수정/)에 **02-design-references.md**로 저장

참고 사이트는 정적 사이트 위주로 고르세요. 너무 동적이거나 보호된 사이트는 추출이 잘 안 될 수 있어요.

셋업 완료 체크

작업 폴더 안에:

• portfolio.html, 00-포트폴리오-리서치.md, 01-포트폴리오-구성기획.md, images/ (Clip 8에서 복사)
• 02-design-references.md (getdesign.md 결과)

다 있으면 진행 흐름으로.

🚶 진행 흐름

1. 던지기 — 참고 디자인으로 가능한 변경 묻기

02-design-references.md에 [참고 사이트명]의 디자인 시스템이 정리돼 있어요. 이 디자인을 portfolio.html에 어떻게 반영할 수 있을지 — 색·타이포·여백 같은 디자인뿐 아니라 섹션 구성·내비게이션·블록 구조까지 어떤 변경이 가능한지 옵션을 펼쳐 주세요.

2. 구체화 — 적용할 변경 범위 정하기

제안받은 변경 중 다음 3가지를 적용하려고 합니다:
- (예시) 색 팔레트를 다크 미니멀로 전환
- (예시) Hero를 풀스크린 + 큰 타이포로 재구성
- (예시) Work 섹션을 그리드 → 케이스 카드 슬라이더로 변경

먼저 02-design-references.md를 다시 읽고, 위 변경이 일관되게 적용되도록 디자인 토큰(색·폰트·여백·라운드·섀도우 등)을 정리해 주세요. 그 다음 portfolio.html에 어떻게 적용할지 작업 계획을 한 번 보여주세요.

3. 만들기 — 디자인·구조 적용

정리된 디자인 토큰과 작업 계획대로 portfolio.html을 수정해 주세요. 김지수의 정보(이름·프로젝트·자기소개)는 그대로 유지하고, 섹션 구성·디자인만 변경합니다. 인라인 CSS, 바닐라 JS, 반응형 구조는 유지하세요.

4. 검증 — 일관성·정보·반응형

수정된 portfolio.html을 검증해 주세요:
1) 02-design-references.md의 참고 디자인이 일관되게 반영됐나
2) 김지수 정보(이름·프로젝트 4개·자기소개·이미지)가 빠지지 않았나
3) 데스크톱·태블릿·모바일(375px)에서 깨지지 않나
4) 인라인 CSS · 바닐라 JS 구조가 유지됐나

5. 개선 — 한 부분만 부분 수정

Hero 섹션의 한 줄 메시지가 너무 작아 보여요. 폰트 사이즈만 더 키우고 자간을 좁혀 주세요. 다른 섹션의 색·여백은 그대로 유지합니다.

📦 결과물

저장 위치: 50-my-work/Part03-체험하기/실습12-포트폴리오수정/

실습12-포트폴리오수정/
├── portfolio.html             # 디자인·구조 개선된 최종본
├── 00-포트폴리오-리서치.md
├── 01-포트폴리오-구성기획.md
├── 02-design-references.md    # getdesign.md 결과
├── images/
└── README.md

README.md에 다음을 적습니다:

• 참고 사이트 1~2개 (URL)
• 적용한 디자인 변경 3가지
• 적용한 구조 변경 (있다면)
• Before/After 한 줄 (어디가 어떻게 달라졌나)

🆘 자주 막히는 포인트

🔗 다음 클립

→ Part 3 / Clip 10: Vercel 배포 — 완성된 portfolio.html을 Vercel에 올려 공개 URL을 받습니다.

이번 클립에서 만든 portfolio.html은 이제 어느 사이트에 올려도 부끄럽지 않은 수준이에요. 다음은 진짜 인터넷에 올려보는 시간.

🎯 이 클립에서 만드는 것

file:///Users/.../portfolio-final.html 주소를 친구에게 보내면 열릴까요? 안 열립니다. 내 컴퓨터 안에 있는 파일이니까요. 이번 클립에서는 Clip 9에서 만든 portfolio-final.html을 Vercel에 배포해 공개 URL을 만듭니다.

로컬에서만 열리던 주소를 다른 사람도 접속할 수 있는 https://프로젝트명.vercel.app 형태로 바꾸는 단계입니다. 배포는 웹사이트를 세상에 올리는 마지막 문턱이에요. 파일을 만드는 것과 달리 로그인, 인증, 프로젝트 이름, 재배포 같은 절차가 들어갑니다.

50-my-work/Part03-체험하기/실습13-Vercel배포/
├── portfolio-final.html
├── index.html
└── README.md

Vercel은 index.html을 기본 진입 파일로 찾습니다. 그래서 필요하면 portfolio-final.html을 index.html로 복사하거나 이름을 바꿔 배포합니다. 여러분이 여기서 받는 최종 결과는 파일이 아니라 진짜 주소입니다.

💡 핵심 개념

배포는 "내 컴퓨터 파일"을 "인터넷 주소"로 바꾸는 일입니다

브라우저에서 로컬 HTML을 열면 내 컴퓨터에서는 잘 보입니다. 하지만 그 주소를 친구에게 보내면 열리지 않아요. 파일이 내 컴퓨터 안에만 있기 때문입니다.

배포는 이 파일을 호스팅 서비스에 올리고, 접속 가능한 주소를 받는 과정입니다. 집에서 만든 포스터를 동네 게시판에 붙여 다른 사람이 보게 만드는 것과 비슷해요.

이번 클립에서는 Vercel을 기준으로 진행합니다. CLI 명령을 외우는 게 목표가 아니에요. AI에게 맡길 부분과 사람이 직접 해야 할 부분을 나누는 게 핵심입니다. 이메일 인증처럼 사람 확인이 필요한 단계에서는 직접 확인해야 해요.

🚶 진행 흐름

1. 던지기: 배포 가능 여부 묻기

먼저 현재 HTML을 인터넷에 올릴 수 있는지 묻습니다. 바로 배포 명령부터 치지 않습니다. 가능한 선택지를 먼저 펼쳐요.

이 HTML 파일 portfolio-final.html을 인터넷에 공개하려는데, 어떤 방식으로 배포할 수 있을까요? Vercel, Netlify, GitHub Pages 같은 선택지를 비교하고 가장 빠른 흐름을 알려주세요.

2. 기획하기: Vercel 흐름 정하기

가장 빠른 방법으로 좁히고, 사람이 해야 할 일과 AI가 할 일을 나눕니다. 이걸 해두면 Magic Link 같은 단계에서 덜 당황합니다.

이번에는 Vercel로 배포하려고 합니다. CLI 설치, index.html 준비, 인증, 배포, URL 확인까지 단계별 흐름을 정리하고, 제가 직접 해야 하는 부분과 자동으로 처리할 부분을 구분해 주세요.

가입이나 인증 단계에서는 브라우저와 이메일 확인이 필요할 수 있습니다. 이 부분은 여러분이 직접 처리합니다.

3. 만들기: 배포 실행

실제 배포를 진행합니다. 인증이 필요한 지점에서는 멈추게 합니다. 제가 요청문에 "인증 단계에서는 멈추고 알려줘"를 넣는 이유가 이거예요.

정리한 흐름대로 Vercel 배포를 진행하려고 합니다. 필요한 CLI 설치와 파일 준비를 진행하고, Magic Link나 브라우저 인증이 필요한 단계에서는 멈춘 뒤 제가 할 일을 알려주세요.

배포가 완료되면 URL을 받습니다. URL은 README.md에 남겨야 합니다. 나중에 찾으려고 하면 은근히 헷갈려요.

4. 검증하기: 공개 URL 열어 보기

배포 후에는 URL이 열리는지 반드시 확인합니다. 데스크톱에서만 보지 말고 스마트폰에서도 열어보면 좋습니다.

발급된 Vercel URL을 검증하려고 합니다. 데스크톱 브라우저에서 열리는지, 스마트폰에서도 표시되는지, 이미지와 CSS가 깨지지 않는지 확인할 체크리스트를 만들어 주세요.

5. 개선하기: 이름이나 진입 파일만 수정

문제가 있으면 작은 범위부터 수정합니다. 배포 문제는 대부분 파일명, 경로, 프로젝트 이름처럼 작은 데서 납니다.

배포 후 404가 떠서 진입 파일을 조정하려고 합니다. portfolio-final.html을 index.html로 맞추고 재배포하되, HTML 내용과 디자인은 그대로 유지하세요.

프로젝트 이름을 바꾸고 싶을 때도 이름만 지정합니다. 사이트 내용은 그대로 둔다는 말을 같이 넣어야 안전해요.

프로젝트 이름을 jisu-portfolio-2026으로 바꿔 재배포하려고 합니다. 이름 설정만 조정하고 사이트 내용은 그대로 유지하세요.

📦 결과물

저장 위치는 50-my-work/Part03-체험하기/실습13-Vercel배포/입니다. 배포용 index.html과 원본 portfolio-final.html을 구분해두면 나중에 덜 헷갈립니다.

실습13-Vercel배포/
├── portfolio-final.html
├── index.html
└── README.md

README.md에는 공개 URL, 배포한 파일, 확인한 기기, 막혔던 지점을 적습니다. 최종 결과는 파일 하나가 아니라 다른 사람이 접속할 수 있는 주소예요.

🆘 자주 막히는 포인트

🔗 다음 클립

→ 보조 레퍼런스: 대화 패턴 5단계 — Part 3에서 반복한 대화 흐름을 다시 정리합니다.

Part 3은 여기서 마무리됩니다. 데이터, 콘텐츠, 웹사이트, 배포까지 모두 같은 5단계 대화로 이어졌다는 점을 확인하면 됩니다.

이 클립에서 하는 일

Part 3에서는 클로드코드와 대화하면서 보고서, 카드뉴스, 영상, 포트폴리오를 만들어봤습니다. Part 4부터는 방향이 조금 달라집니다. 새 결과물을 만드는 대신, 클로드코드에 기능을 더 붙입니다.

방법은 플러그인 설치입니다. 앱스토어에서 앱을 받아 쓰는 것과 비슷해요. 누군가 만들어둔 명령어, 스킬, 에이전트를 내 클로드코드에 가져와서 쓰는 방식입니다.

설치 전에는 같은 질문도 매번 처음부터 설명해야 합니다. 설치 후에는 플러그인이 작업 흐름을 어느 정도 잡아줍니다. 공식 문서를 매번 직접 찾아보던 일도 다음 클립부터는 docs-guide로 처리해볼 수 있고, 네 번째 클립에서는 내 사용 패턴을 외부 점검 도구로 확인해봅니다.

이번 클립에는 BUILD 5단계를 적용하지 않습니다. 결과물을 만드는 시간이 아니라 도구를 설치하는 시간이니까요. /plugin TUI를 열고, 마켓플레이스를 추가하고, 플러그인 세 개를 설치하면 끝입니다.

여기서 가져가야 할 것은 두 가지입니다. 플러그인은 클로드코드에 붙이는 확장 묶음이라는 것. 그리고 마켓플레이스를 한 번 추가하면 그 안의 플러그인을 골라 설치할 수 있다는 것.

핵심 개념

플러그인은 클로드코드 확장 묶음입니다

공식 문서는 플러그인을 이렇게 설명합니다.

"Plugins let you extend Claude Code with custom functionality that can be shared across projects and teams."

쉽게 말하면, 누군가 만든 슬래시 명령, 스킬, 에이전트 같은 것들을 한 묶음으로 패키징해서 GitHub에 올려두고, 다른 사람이 한 번에 가져다 쓰게 만든 배포 단위입니다. 앱스토어에서 앱을 받는 감각과 거의 같습니다.

플러그인 안에는 여러 재료가 들어갈 수 있습니다. 지금 전부 외울 필요는 없습니다. Part 4에서는 슬래시 명령과 스킬 정도만 보면 됩니다. 나머지는 Part 5에서 직접 만져보면서 익힙니다.

• 슬래시 명령 — commands/*.md에 들어 있고, /명령어로 직접 호출합니다.
• 스킬 — skills/*/SKILL.md에 들어 있는 자동화 작업 흐름입니다.
• 서브에이전트 — agents/*.md에 들어 있으며, 특정 작업을 맡는 AI 페르소나입니다.
• Hook — hooks/*.json에 정의하는 이벤트 자동화입니다.
• MCP 서버 — .mcp.json으로 외부 서비스와 연결합니다.
• LSP 서버 — lsp/*에 들어가며 코드 자동완성이나 정의 점프에 쓰입니다.

마켓플레이스는 플러그인 카탈로그입니다

여기서 한 번 헷갈리기 쉽습니다. 처음부터 플러그인 하나를 바로 설치하는 게 아니라, 먼저 마켓플레이스를 추가합니다. 마켓플레이스를 등록하면 그 안에 들어 있는 플러그인들을 골라 설치할 수 있습니다.

[제작자]                              [사용자]
명령·스킬·에이전트   →   [GitHub]   →   /plugin TUI
한 묶음 push                          → 마켓플레이스 추가
                                      → 플러그인 검색·설치

이번 클립에서 추가할 마켓플레이스는 GPTaku 하나입니다. URL은 https://github.com/fivetaku/gptaku_plugins.git입니다. 강사인 지피타쿠가 직접 만들어 운영하는 마켓플레이스입니다.

여기에 들어 있는 플러그인은 다음과 같습니다.

• docs-guide — AI 기억에만 기대지 않고 공식 문서를 실시간으로 가져와 답합니다.
• kkirikkiri — 자연어 한마디로 AI 에이전트 팀을 구성하고 실행합니다.
• 바선생(vibe-sunsang) — 클로드코드 대화 기록을 분석해 성장 리포트와 멘토링을 제공합니다.
• deep-research — 여러 에이전트가 병렬로 검색해 출처가 있는 리서치 리포트를 만듭니다.
• insane-design — 웹사이트의 CSS를 가져와 디자인 토큰, 컬러, 타이포그래피로 정리합니다.
• insane-search — 차단되거나 접근이 까다로운 사이트에서 정보를 가져오는 검색 도구입니다.
• git-teacher — Git 명령을 강의처럼 설명하고 안전하게 실행하도록 돕습니다.
• pumasi — Claude는 PM·아키텍트 역할을 맡고, Codex CLI들이 개발자로 병렬 작업합니다.
• nopal — Gmail, Calendar, Drive, Docs 같은 Google Workspace를 자연어로 조작합니다.
• show-me-the-prd — 한 문장 아이디어를 인터뷰로 풀어 PRD 문서 묶음으로 만듭니다.
• skillers-suda — 네 명의 전문가가 토론하면서 클로드코드 스킬을 만들어줍니다.

이번 Part 4에서 직접 다룰 것은 docs-guide, kkirikkiri, vibe-sunsang 세 개입니다. 나머지는 강의를 끝낸 뒤 자기 업무에 맞춰 골라 쓰면 됩니다. 다음 세 클립에서는 이 세 플러그인을 하나씩 써봅니다.

이번에 설치하는 세 플러그인 미리보기

지금 세부 기능을 외울 필요는 없습니다. 어떤 용도로 쓰는지만 잡고 넘어가면 됩니다.

docs-guide는 공식 문서를 실시간으로 찾아봅니다. 예를 들어 AI에게 "Next.js App Router는 어떻게 써?"라고 물으면 보통은 모델 기억으로 답합니다. 그 기억이 1년 전 버전일 수도 있죠. docs-guide는 질문이 들어오면 공식 문서 사이트에서 내용을 가져옵니다.

• 프로젝트의 package.json이나 requirements.txt를 읽고 내가 쓰는 버전을 감지합니다.
• React, Next.js, Vue, Django, Stripe 등 68개 이상 라이브러리를 미리 매핑해둡니다.
• 응답 끝에 출처 URL, 감지된 버전, 문서를 가져온 방법을 표시합니다.

kkirikkiri는 AI 에이전트 팀을 자동으로 구성합니다. "리서치 팀 만들어줘"라고 한 줄만 던지면, 끼리끼리가 2~3개 질문으로 인터뷰하고 환경을 살핀 뒤 팀을 짜서 실행합니다.

• 리서치, 개발, 분석, 콘텐츠, PM 프리셋을 제공합니다.
• Claude, Codex CLI, Gemini CLI를 한 팀에 섞어 역할을 나눌 수 있습니다.
• 1라운드 결과가 부족하면 최대 3라운드까지 팀을 다시 짭니다.
• 잘 동작한 팀원은 저장해 다른 프로젝트에서도 재사용할 수 있습니다.

vibe-sunsang, 즉 바선생은 내 AI 활용 방식을 점검합니다. 클로드코드는 대화 기록을 ~/.claude/projects/에 자동 저장합니다. 바선생은 그 기록을 읽고 내가 AI를 어떻게 쓰고 있는지 분석합니다.

• 작업 분해, 검증, 오케스트레이션, 실패 대응, 맥락 관리, 메타인지 6축으로 평가합니다.
• Builder, Explorer, Designer, Operator 네 가지 워크스페이스 유형을 구분합니다.
• L1~L7 레벨을 0.5 단위로 기록해 주간·월간 변화를 추적합니다.
• 멘토링 모드에서 요청 품질 채점, 안티패턴 진단, 개념 학습, 종합 코칭을 제공합니다.

보안 한 줄

플러그인은 내 컴퓨터에서 코드를 실행할 수 있습니다. 공식 문서도 이 부분은 분명히 경고합니다.

"Plugins are highly trusted components that can execute arbitrary code on your machine with your user privileges."

겁먹을 필요는 없지만, 아무 출처에서나 설치하면 안 됩니다. 신뢰할 수 있는 마켓플레이스에서만 설치하는 습관을 들이세요. 이 강의에서 GPTaku를 쓰는 이유도 강사가 직접 만든 출처이기 때문입니다.

진행 흐름

1. /plugin TUI 열기

먼저 클로드코드 안에서 /plugin을 입력합니다. 명령어로 직접 설치할 수도 있지만, 처음에는 TUI, 즉 텍스트 UI가 훨씬 보기 쉽습니다.

/plugin

TUI가 열리면 위쪽에 Discover, Installed, Marketplaces, Errors 네 탭이 보입니다. 우리는 Marketplaces 탭부터 들어갑니다. 그래야 나중에 Discover 탭에 플러그인 목록이 채워집니다.

┌─ Claude Code Plugins ─────────────────────────┐
│ [Discover] [Installed] [Marketplaces] [Errors]│
├───────────────────────────────────────────────┤
│ (현재 설치된 플러그인 목록)                    │
│   (없음)                                       │
└───────────────────────────────────────────────┘

2. Marketplaces 탭에서 GPTaku 추가

Marketplaces 탭으로 이동해 Add marketplace를 선택합니다. URL 입력란이 뜨면 GPTaku GitHub 주소를 그대로 붙여 넣습니다.

https://github.com/fivetaku/gptaku_plugins.git

엔터를 누르면 등록이 끝납니다. 클로드코드가 GitHub에서 플러그인 목록을 가져옵니다.

✓ Marketplace added: gptaku_plugins
  플러그인 목록을 가져왔습니다.

3. Discover 탭에서 플러그인 3개 설치

Discover 탭으로 가면 GPTaku 안의 플러그인 목록이 보입니다. 여기서 docs-guide, kkirikkiri, vibe-sunsang 세 개만 설치합니다. 순서는 docs-guide → kkirikkiri → vibe-sunsang으로 갑니다.

[Discover]
├─ docs-guide        — 공식 문서 기반 답변
├─ kkirikkiri        — AI 에이전트 팀 자동 구성
├─ vibe-sunsang      — AI 활용 점검
├─ deep-research
├─ insane-search
├─ insane-design
└─ ... (그 외)

먼저 docs-guide를 선택하고 Install을 누릅니다. 설치 중 권한 요청이 뜰 수 있습니다. 이 강의에서는 GPTaku 마켓플레이스를 신뢰한다는 전제로 y를 눌러 진행합니다.

> Install docs-guide@gptaku_plugins?
> (y/n) y
✓ Installed: docs-guide

같은 방식으로 kkirikkiri와 vibe-sunsang도 설치합니다. 한 번에 하나씩 진행되는 것이 정상입니다. 세 개가 끝나면 이런 상태가 됩니다.

✓ docs-guide installed
✓ kkirikkiri installed
✓ vibe-sunsang installed

4. Installed 탭 확인 + 슬래시 명령 호출

이제 설치 여부를 확인합니다. Installed 탭으로 이동했을 때 방금 설치한 세 개가 모두 보여야 합니다.

[Installed]
├─ ✓ docs-guide      — gptaku_plugins
├─ ✓ kkirikkiri      — gptaku_plugins
└─ ✓ vibe-sunsang    — gptaku_plugins

세 개가 보이면 TUI를 닫습니다. 그다음 슬래시 명령을 하나씩 호출해서 실제로 로딩되는지 확인합니다.

/docs-guide
/kkirikkiri
/vibe-sunsang

각 플러그인이 무엇이든 응답을 내면 정상입니다. 지금은 깊게 사용할 필요 없습니다. "호출했을 때 답이 온다"까지만 보면 됩니다.

결과물

이번 클립에서는 별도 파일을 새로 만들지 않습니다. 대신 결과물 폴더에 진행 기록을 남깁니다.

50-my-work/Part04-강화하기/
└── 실습14-플러그인설치/
    └── README.md

README.md에는 다음 내용을 적습니다. 거창한 문서가 아니라, 내가 무엇을 설치했는지 남기는 메모입니다.

• 완료 시각 — 설치를 끝낸 시간
• 마켓플레이스 — gptaku_plugins와 URL
• 설치한 플러그인 — docs-guide / kkirikkiri / vibe-sunsang
• 호출 확인 — 세 슬래시 명령의 응답 확인 여부
• 회고 — 가장 인상적이었던 한 줄

완료 또는 /wrap을 입력하면 part04 스킬이 README.md와 progress.json을 정리합니다. 직접 손으로 길게 작성할 일은 거의 없습니다.

자주 막히는 포인트

/plugin을 입력해도 TUI가 열리지 않으면 클로드코드 버전이 오래됐을 가능성이 큽니다. 최신 버전으로 업데이트한 뒤 다시 시도합니다.

Marketplaces 탭에서 URL 등록에 실패하면 인터넷 연결이나 GitHub 상태를 먼저 확인합니다. 잠깐 뒤 다시 등록하면 해결되는 경우도 많습니다.

설치 중 권한 요청이 계속 뜨는 것은 클로드코드 보안 정책 때문입니다. 신뢰할 수 있는 마켓플레이스라면 y로 진행합니다. 이 원칙만큼은 꼭 지키세요. 출처를 모르면 설치하지 않습니다.

설치했는데 Installed 탭에 보이지 않을 때는 캐시가 늦게 반영된 것일 수 있습니다. TUI를 닫고 /reload-plugins를 실행하거나 클로드코드를 재시작합니다.

슬래시 명령을 호출했는데 응답이 없으면 플러그인 로딩에 실패했을 수 있습니다. /plugin의 Installed 탭에서 상태를 확인하고, 필요하면 해당 플러그인을 다시 설치합니다.

잘못 설치한 플러그인은 Installed 탭에서 해당 플러그인을 선택한 뒤 Uninstall하면 됩니다.

플러그인 비용이 걱정된다면 이렇게 이해하면 됩니다. 플러그인 자체는 무료입니다. 다만 클로드코드 사용에는 기존 구독이나 사용량 비용이 따릅니다.

명령어로 바로 설치하는 방식도 있습니다.

/plugin marketplace add [URL]
/plugin install [이름]@[마켓]

다만 처음에는 TUI로 눈으로 확인하면서 진행하는 편이 덜 헷갈립니다.

다음 클립

다음은 Part 4 / Clip 2, docs-guide입니다. 방금 설치한 첫 번째 플러그인을 직접 써봅니다.

다음 클립에서는 일반 질문으로 받은 답과 docs-guide로 받은 답을 비교합니다. 같은 질문인데 답이 어떻게 달라지는지, 왜 공식 문서를 보고 답하게 만드는 게 중요한지 바로 확인할 수 있습니다.

이 클립에서 만드는 것

클로드코드에 라이브러리 사용법을 물었는데, 답은 그럴듯한데 막상 따라 하면 안 되는 경우가 있습니다. 예전 버전 문법이거나, 실제로는 없는 함수일 때도 있고요. 이유는 단순해요. 그냥 물어보면 LLM 모델이 학습 시점에 이미 알고 있는 지식으로만 답하거든요. 학습 시점이 1년 전이면 그 이후에 바뀐 API는 모르고, 모르는 부분을 그럴듯하게 지어내기도 합니다. 보통 이런 걸 할루시네이션이라고 부릅니다.

docs-guide는 바로 이 문제를 풀려고 만든 플러그인입니다. 질문을 받으면 모델 기억이 아니라 공식 문서 사이트에서 실시간으로 내용을 가져와 답하고, 답변 끝에 출처 URL을 붙여요. 최신성 보장 + 할루시네이션 방어, 둘 다 한 번에 해결합니다.

이번 클립에서는 Part 3에서 썼던 Vercel을 다시 다룹니다. 그때 포트폴리오를 Vercel에 배포했지만, Vercel이 정확히 어떤 도구인지는 대충 넘겼죠. 이번에는 같은 질문을 일반 답변과 docs-guide 답변으로 각각 받아보고, 차이를 직접 비교합니다.

비교하면서 확인할 변화는 세 가지입니다.

• AI가 "보통", "아마도" 같은 말로 답해도 그냥 넘기던 상태에서, 출처 URL이 없는 답은 한 번 의심하는 쪽으로 바뀝니다.
• 새 도구를 만나면 검색부터 하던 흐름을, docs-guide로 공식 문서 기반 설명을 먼저 받는 흐름으로 바꿉니다.
• 도구가 클로드코드와 잘 맞는지 몰라서 감으로 선택하던 방식 대신, MCP나 llms.txt 같은 연결 자원까지 확인합니다.

오늘 예시는 Vercel이지만, 가져가야 할 건 도구 이름이 아닙니다. 모르는 도구는 docs-guide로 먼저 이해하고 쓰는 흐름입니다. 앞으로 Supabase, OpenAI SDK, Tailwind 같은 도구를 만날 때도 같은 방식으로 확인하면 됩니다.

핵심 개념

docs-guide는 AI 기억이 아니라 문서를 봅니다

일반 답변은 AI가 학습 과정에서 익힌 내용을 바탕으로 나옵니다. 그 내용이 1년 전 버전일 수도 있고, 처음부터 잘못 섞였을 수도 있습니다. docs-guide는 질문을 받으면 공식 문서 사이트로 가서 실제 페이지를 가져옵니다.

사용자: "React useEffect cleanup 공식문서 기반으로 설명해줘"
   ↓
Step 0: 프로젝트 의존성 확인 (package.json → React 19 감지)
   ↓
Step 1: 알려진 사이트 목록 확인 (react.dev — 68개 검증된 URL 중 매칭)
   ↓
Step 2: react.dev/llms.txt 가져오기 (문서 페이지 인덱스)
   ↓
Step 3: 관련 페이지 URL 찾기 (→ /reference/react/useEffect)
   ↓
Step 4: 해당 페이지 WebFetch
   ↓
답변: 설명 + 코드 예제
Source: https://react.dev/reference/react/useEffect
(version: React 19 | method: llms.txt)

여기서 봐야 할 안전장치는 두 가지입니다. 먼저 내가 쓰는 버전을 확인합니다. package.json이나 requirements.txt를 읽고, 설치된 버전에 맞는 문서를 찾습니다. 그리고 답변 끝에 출처가 남습니다. URL이 없거나 엉뚱하면 바로 의심할 수 있습니다.

버전 기준점: 이 자습서는 React 19, Next.js 15, Vercel 최신 문서 기준으로 시연합니다. 라이브러리가 업데이트되어도 docs-guide는 프로젝트의 package.json을 보고 설치된 버전에 맞춰 답합니다.

llms.txt는 AI용 문서 색인입니다

llms.txt는 AI가 문서를 읽기 쉽게 만든 색인 파일입니다. robots.txt처럼 사이트 루트에 두고, 안에는 문서 페이지 목록이 들어갑니다. docs-guide는 먼저 이 파일을 찾습니다. 없으면 GitHub raw, sitemap.xml, WebSearch 순서로 다른 경로를 시도합니다.

이 강의에서 다룰 React, Next.js, Vercel, Stripe, Django, FastAPI, Prisma 같은 라이브러리는 미리 매핑되어 있습니다. 내가 쓰는 라이브러리가 지원되는지 궁금하면 /docs-guide로 물어보면 됩니다.

두 번째 질문에서 차이가 커집니다

처음에는 "이 도구가 뭐야?" 정도로 정의를 받습니다. 그다음에 "클로드코드에서 쓰면 어떤 장점이 있어?"라고 한 번 더 물어보세요. 여기서 일반 답변과 차이가 확 벌어집니다.

Vercel은 agent-resources 페이지를 따로 운영합니다. 이 페이지에는 클로드코드용 MCP 서버, AI Gateway, Skills, CLI Workflows 같은 자료가 정리되어 있습니다. 일반 답변은 이런 페이지의 존재를 모른 채 답할 수 있습니다. docs-guide는 공식 문서를 직접 가져오니 이 정보까지 확인할 수 있습니다.

진행 흐름

1. 같은 질문을 그냥 클로드코드에 던지기

먼저 docs-guide를 쓰지 않고 일반 답변부터 받습니다. 비교할 기준을 만드는 단계입니다.

Part 03에서 내 포트폴리오를 Vercel에 배포했는데
사실 Vercel이 뭐 하는 도구인지 잘 몰라.
Vercel이 뭐고 주요 기능이 뭔지 알려줘.

답변은 보통 이런 식으로 나옵니다.

Vercel은 정적 사이트와 서버리스 함수를 호스팅하는 클라우드 플랫폼입니다.
주요 기능:
- Git 연동 자동 배포
- 글로벌 CDN
- HTTPS 자동
- 도메인 연결
배포 작업은 보통 코드를 GitHub에 올리고 Vercel에서 import해서 빌드합니다.

그럴듯하지만 출처가 없습니다. "보통" 같은 말도 섞여 있고, 기능도 몇 개만 나옵니다. 이 답을 워크스페이스의 vercel-overview-plain.md로 저장합니다. 뒤에서 docs-guide 답변과 비교할 때 씁니다.

2. 같은 질문을 docs-guide로 다시 던지기

이제 같은 질문을 /docs-guide로 다시 물어봅니다.

/docs-guide:docs-guide Vercel이 뭐하는 건지, 주요 기능이 뭔지 알려줘.

docs-guide가 vercel.com/docs/llms.txt를 가져온 뒤 답하는 과정을 볼 수 있습니다. 예시는 아래처럼 나옵니다.

Vercel — 공식 정의

"Vercel is the AI Cloud, a unified platform for building, 
 deploying, and scaling AI-powered applications."

→ 한국어: 웹 앱·AI 앱·AI 에이전트를 만들고 배포하고 자동 확장해주는 통합 클라우드.

[핵심 기능 6 카테고리]
1. 앱 빌드     — Next.js·React·Functions·이미지 최적화
2. AI 인프라   — v0·AI SDK·AI Gateway·MCP 서버·Agent 호스팅
3. 팀 협업     — Toolbar·Comments·Draft mode
4. 보안        — Deployment Protection·WAF·Bot Management
5. 배포·확장   — Delivery Network·Rolling Releases·Instant Rollback
6. 모니터링    — Observability suite (로그·추적·Speed Insights)

source: https://vercel.com/docs
method: llms.txt index → direct fetch

차이가 바로 보입니다. 공식 정의를 인용했고, 기능을 여섯 범주로 나눴고, 답변 끝에 출처 URL이 있습니다. 이 답은 vercel-overview-docs.md로 저장합니다.

3. 한 번 더 묻기: 클로드코드에서 Vercel을 쓰면 좋은 점

여기서 멈추면 아쉽습니다. docs-guide의 장점은 후속 질문에서 더 잘 드러납니다.

/docs-guide:docs-guide 클로드코드에서 Vercel을 쓰면 어떤 장점이 있어?

이번에는 docs-guide가 vercel.com/docs/agent-resources 페이지를 가져옵니다. 일반 답변만으로는 놓치기 쉬운 내용이 여기서 나옵니다.

Vercel은 클로드코드를 "공식 1급 클라이언트"로 대우합니다.

[클로드코드 ↔ Vercel 5가지 시너지]

1. llms-full.txt
   Vercel 전체 문서를 LLM이 읽기 좋게 모아둔 파일
   공식 가이드: "Claude Code: Use the WebFetch tool to fetch the content"

2. Vercel MCP 서버
   클로드코드가 Vercel 계정에 직접 접속
   → 문서 검색 / 프로젝트 관리 / 배포 로그 보기 / 도메인 체크
   → "내 어제 배포 왜 실패했어?" 클로드코드가 직접 로그 가져와 분석

3. AI Gateway
   클로드코드가 AI Gateway 통해 여러 모델 호출
   공식 명시: "Claude Code, OpenAI Codex, Cline, and Roo Code"
   → API 키 한 곳 관리 + 모델 장애 시 자동 fallback

4. Skills.sh
   npx skills add owner/repo로 클로드코드 능력 한 줄 확장

5. CLI Workflows
   클로드코드용 검증된 작업 레시피 공식 제공
   예: 프로덕션 500 에러 디버깅 / 배포 롤백 / 느린 함수 디버깅

source: https://vercel.com/docs/agent-resources

이런 페이지가 따로 있다는 사실 자체가 중요합니다. 이 답은 vercel-claude-synergy.md로 저장합니다.

4. 두 답변을 다섯 관점으로 비교하기

이제 받은 답 두 개를 비교합니다. 다시 클로드코드에 요청합니다.

방금 받은 일반 답변이랑 docs-guide 답변 두 개를
정의 정확성·기능 범위·출처·버전·추측 흔적 다섯 관점으로 비교 표 만들어줘.

결과는 이런 형태가 됩니다.

관점: 정의 정확성
- 일반 답변: "정적 사이트 호스팅"처럼 추상적으로 설명
- docs-guide: "AI Cloud"라는 공식 정의 확인

관점: 기능 범위
- 일반 답변: Git, CDN, HTTPS 정도로 제한됨
- docs-guide: 6개 카테고리로 정리

관점: 출처
- 일반 답변: 없음
- docs-guide: source URL 표시

관점: 버전
- 일반 답변: 명시 없음
- docs-guide: 문서 기준 확인 가능

관점: 추측 흔적
- 일반 답변: "보통", "아마도" 같은 표현이 섞일 수 있음
- docs-guide: 문서에 근거한 단정형 설명

이 내용을 comparison.md로 저장합니다. 한 화면에 차이를 정리해두면, 다음에 새 도구를 만났을 때 docs-guide를 켜야 할지 훨씬 빨리 판단할 수 있습니다.

5. 언제 쓸지 정리하기

오늘 시연 주제는 Vercel이지만, 실제로 남겨야 할 건 반복 가능한 습관입니다.

docs-guide를 어떤 상황에서 쓰면 좋은지 정리해줘.

답변은 이런 식으로 정리할 수 있습니다.

docs-guide를 쓰면 좋은 상황

1. 처음 쓰는 도구나 라이브러리를 호출하기 전
   - 예: Vercel, Supabase, OpenAI SDK, Tailwind, FastAPI

2. 바이브코딩 중 클로드코드가 새 라이브러리를 import했을 때
   - 환각 답변을 줄이기 위해 공식 문서 확인

3. 라이브러리 버전을 올린 뒤 코드가 깨졌을 때
   - 예전 문법과 현재 문법 차이 확인

4. 기능, 옵션, 메서드 시그니처를 정확히 알아야 할 때

5. 도구 선택 단계에서 클로드코드와의 연결 지점을 확인할 때
   - agent-resources, MCP 지원, llms.txt 제공 여부 등

특히 5번이 이번 Vercel 예시의 핵심입니다. Part 6, Part 7에서 Supabase 같은 도구를 만날 때도 같은 방식으로 확인하면 됩니다.

결과물

작업 폴더는 50-my-work/Part04-강화하기/실습15-공식문서확인/입니다. 안에는 파일 다섯 개가 남습니다.

실습15-공식문서확인/
├── vercel-overview-plain.md       # 일반 답변
├── vercel-overview-docs.md        # docs-guide 답변 (정의 + 6 카테고리)
├── vercel-claude-synergy.md       # docs-guide 추가 답변 (5가지 시너지)
├── comparison.md                  # 다섯 관점 비교
└── README.md                      # 실습 메타 + 회고

완료 또는 /wrap을 입력하면 part04 스킬이 README와 progress.json을 정리합니다. README에는 아래 내용이 들어갑니다.

• 시연 주제: Vercel
• 사용한 출처 URL: vercel.com/docs, vercel.com/docs/agent-resources
• 비교 기준: 정의, 기능, 출처, 버전, 추측 흔적
• 발견한 연결 자원: llms-full.txt, MCP 서버, AI Gateway, Skills, CLI Workflows
• 반복 적용 가이드: 어떤 도구에 같은 흐름을 쓸지
• 회고 한 줄: 가장 인상적이었던 차이

자주 막히는 포인트

/docs-guide 호출이 인식되지 않으면 먼저 Clip 1에서 설치를 했는지 확인합니다. /plugin의 Installed 탭을 보고, 없으면 다시 설치합니다.

docs-guide 답변에 출처가 없을 때는 해당 라이브러리가 지원 목록에 없을 수 있습니다. README에서 지원 라이브러리를 확인하고, 없으면 다른 도구로 실습하세요.

Vercel 답변이 일반 답변과 크게 다르지 않다면 후속 질문이 얕았을 가능성이 큽니다. Supabase나 Tailwind처럼 문서 구조가 뚜렷한 도구로 같은 흐름을 다시 해봐도 됩니다.

Step 3에서 agent-resources fetch가 실패하면 URL이 바뀌었거나 잠깐 장애가 난 상황일 수 있습니다. 이때는 일반 Vercel 문서로 대체하고, Step 3는 건너뛰어도 됩니다.

답변이 너무 길어서 비교하기 어렵다면 이렇게 다시 요청하세요.

핵심만 5줄로 요약해줘.

출처 URL이 클릭되지 않는 터미널도 있습니다. 그럴 때는 우클릭해서 링크를 열거나, URL을 복사해 브라우저에 붙여 넣으면 됩니다.

다른 도구에도 그대로 응용할 수 있습니다. 최근 처음 써본 도구나 곧 쓸 도구를 하나 골라 같은 방식으로 질문해보세요.

llms.txt가 헷갈리면 "AI용 문서 색인 파일"이라고 기억하면 됩니다. 사이트 루트에 두는 파일이라는 점에서 robots.txt와 비슷합니다.

다음 클립

→ Part 4 / Clip 3: kkirikkiri — 자연어로 AI 팀 구성하기

다음 클립에서는 자연어 한마디로 AI 에이전트 팀을 구성하는 플러그인을 사용합니다. 오늘 다룬 docs-guide도 그 팀 안에서 한 명의 팀원처럼 다시 등장합니다.

이 클립에서 만드는 것

지난 클립에서는 docs-guide로 공식 문서를 읽는 법을 익혔습니다. 이번에는 그 흐름을 그대로 이어갑니다. 클로드코드에 Agent Teams라는 기능이 있는데, 먼저 docs-guide로 이 기능이 뭔지 확인합니다.

그다음 사용할 도구는 kkirikkiri(끼리끼리)입니다. Agent Teams를 직접 쓰려면 매번 “어떤 팀을 만들고 어떤 일을 맡길지” 자연어로 길게 설명해야 합니다. kkirikkiri는 이 과정을 한 줄 호출로 줄여줍니다. 한국어로 요청을 넣으면 짧게 인터뷰하고, 팀을 짜고, 병렬로 분석한 뒤 리포트까지 남깁니다.

시연 예시는 코스메틱 브랜드 마케터의 SNS 캠페인 기획입니다. 실습할 때는 본인 직무로 바꿔 넣으면 됩니다. 영업, 기획, HR, 일반 사무직도 같은 방식으로 진행할 수 있습니다.

Before:

• AI에게 일을 시키면 한 사람에게 물어본 것처럼 단일 관점 답변만 받습니다.
• 클로드코드에 Agent Teams 기능이 있는지도 모릅니다.
• Part 6에서 만들 스킬의 형태가 아직 흐릿합니다.

After:

• 기획자, 실무자, 분석가, AI 활용 전문가 관점이 섞인 리포트를 받습니다.
• 클로드코드 기본 기능과, 그 기능을 스킬로 쉽게 쓰는 방법을 함께 압니다.
• 오늘 정한 우선순위가 Part 6 스킬의 초안이 됩니다.

클립이 끝나면 리포트에서 1~2순위만 골라 정리합니다. 그 파일을 Part 6에서 다시 꺼내 씁니다.

먼저 알아둘 것

Agent Teams는 클로드코드 자체 기능입니다

먼저 구분해야 합니다. kkirikkiri가 팀 기능을 새로 만든 것은 아닙니다. 클로드코드 안에 Agent Teams라는 기능이 있고, kkirikkiri는 그 기능을 쓰기 쉽게 감싼 스킬입니다.

docs-guide로 공식 정의를 가져오면 이런 설명이 나옵니다.

"Coordinate multiple Claude Code instances working together as a team,
 with shared tasks, inter-agent messaging, and centralized management."

→ 여러 클로드코드 인스턴스를 팀으로 묶어 공유 태스크, 메시지,
   중앙 관리로 협업하게 하는 기능.

동작은 네 가지로 보면 됩니다.

• Team Lead: 메인 세션이 팀을 만들고 작업을 나눕니다.
• 독립 팀원들: 각 팀원이 자기 컨텍스트 윈도우를 갖고 움직입니다.
• 공유 태스크 리스트: 작업 의존성을 관리하고 충돌을 줄입니다.
• 메시지 시스템: 팀원 사이의 전달 내용을 자동으로 이어줍니다.

Agent Teams를 쓰려면 ~/.claude/settings.json에 환경변수 한 줄을 넣고 클로드코드를 다시 시작해야 합니다. 아직 experimental 상태라, 기능은 쓸 수 있지만 공식 안정화 전 단계로 보면 됩니다.

kkirikkiri는 Agent Teams를 스킬로 감싼 도구입니다

Agent Teams를 직접 쓰려면 요청문을 잘 써야 합니다. 어떤 역할이 필요하고, 누가 무엇을 분석해야 하며, 결과를 어떻게 검증할지까지 직접 설명해야 하니까요.

kkirikkiri는 그 과정을 줄여줍니다.

• 호출: 직접 요청문을 길게 쓰는 대신 /kkirikkiri 한 문장으로 시작합니다.
• 팀 구성: 역할과 페르소나를 직접 정하지 않아도, 인터뷰 2~3개를 거쳐 자동으로 잡아줍니다.
• 환경 스캔: Codex, Gemini CLI, 기존 에이전트 같은 사용 가능한 도구를 확인합니다.
• 검증: 결과가 부족하면 최대 3라운드까지 다시 시도합니다.
• 공유 메모리: .kkirikkiri/ 폴더를 만들고 진행 상황을 저장합니다.
• 재사용: .claude/agents/에 저장해 다음 프로젝트에서도 꺼내 쓸 수 있습니다.

여기서 “스킬”이라는 단어를 다시 봐야 합니다. Clip 1에서 플러그인 구성요소 중 하나로 다뤘던 그 스킬입니다. 자동화된 작업 흐름이라고 설명했죠.

kkirikkiri를 호출하면 SKILL.md에 적힌 워크플로우가 실행됩니다. 인터뷰하고, 환경을 확인하고, 팀을 만들고, 실행하고, 검증하고, 결과를 저장하는 흐름입니다.

Part 6에서 직접 만들 것도 이와 같은 형태입니다. 본인 작업을 SKILL.md로 정의하고, 자연어 한 문장으로 호출하게 만드는 것. 오늘 실습은 “스킬이 호출되면 실제로 어떻게 움직이는지” 보는 시간이기도 합니다.

팀장은 계획과 검증만 맡습니다

kkirikkiri 팀에서는 팀장이 계획, 배분, 검증을 맡습니다. 기본값은 가장 성능 좋은 모델입니다. 팀장이 직접 결과물을 다 쓰는 구조가 아니라, 각 팀원이 맡은 관점에서 분석하고 팀장이 그 결과를 합칩니다.

이 구조는 Part 6에서도 그대로 참고할 수 있습니다. 메인 세션은 지휘하고, 무거운 분석은 서브 에이전트에게 맡기는 방식입니다.

진행 흐름

1. docs-guide로 Agent Teams 개념 확인

지난 클립에서 쓴 docs-guide를 그대로 사용합니다. 클로드코드 자체 기능이므로 공식 문서를 먼저 보는 게 맞습니다.

/docs-guide:docs-guide Claude Code에서 Agent Teams가 뭐고, 어떻게 동작하는지 알려줘.

답변이 오면 agent-teams-overview.md로 저장합니다.

여기서 잡아야 할 내용은 두 줄입니다. Agent Teams는 여러 클로드코드 인스턴스를 팀으로 묶는 기능입니다. 환경변수로 켜고 자연어로 호출합니다.

2. 환경변수 활성화

kkirikkiri를 쓰려면 Agent Teams 환경변수가 켜져 있어야 합니다. 먼저 점검을 돌립니다.

kkirikkiri 환경 점검해줘.

설정이 빠져 있으면 이런 안내가 나옵니다.

끼리끼리 환경 점검
━━━━━━━━━━━━━━━━━━━━━━━━━━━━

필수 조건:
  ✓ Claude Code 설치됨
  ✗ Agent Teams 환경변수 미설정

    다음을 ~/.claude/settings.json에 추가하세요:
    { "env": { "CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "1" } }

~/.claude/settings.json을 열고 환경변수를 추가합니다. 파일이 없으면 새로 만들면 됩니다.

{
  "env": {
    "CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "1"
  }
}

저장한 뒤 클로드코드를 다시 시작합니다. 재시작하지 않으면 환경변수가 잡히지 않습니다.

다시 점검하면 두 항목이 모두 통과해야 합니다.

✓ Claude Code 설치됨
✓ Agent Teams 환경변수 설정됨

3. 본인 직무로 kkirikkiri 호출

이제 본 실습입니다. 강사는 코스메틱 브랜드 마케터 예시로 진행하지만, 여러분은 자기 직무를 넣으면 됩니다.

적을 건 두 가지예요. 매주 하는 일 5~7개를 적고, 지금 다가오는 큰 작업 1개를 구체적으로 적습니다.

/kkirikkiri 

나는 코스메틱 브랜드 마케터야.
우리 브랜드는 감성·미감 요소를 강조하는 코스메틱이고,
이번에 SNS 마케팅을 새로 시작하면서 바디 미스트 신제품 캠페인을 기획하려고 해.
인스타그램이 메인 채널이 될 거야.

매주 하는 일들:
1. 신제품 캠페인 기획 (현재 진행 중인 핵심 작업)
2. 벤치마킹할 브랜드 리서치 (감성·미감 지향 코스메틱들)
3. 인스타 콘텐츠 기획·발행 (제품 촬영·스타일링·캡션)
4. 인플루언서·아티스트 협업 검토
5. 캠페인 데이터 정리·보고
6. 고객 리뷰·반응 분석
7. 월간 마케팅 리포트

이 일들에서 병목 진단 + AI 활용 가능 영역 + 우선순위를 받고 싶어.
특히 새로 시작할 SNS 캠페인 방향성에 도움 되도록.

kkirikkiri가 워크플로우를 시작합니다. 중간에 인터뷰 옵션이 두 번 나오면 “디스커버리”와 “제대로”를 고릅니다.

4. 팀 자동 구성과 병렬 실행

옵션을 고르면 kkirikkiri가 입력 내용을 보고 팀을 구성합니다. 같은 명령을 써도 직무와 상황에 따라 팀은 달라집니다.

위 예시라면 대략 이런 구성이 나옵니다.

[팀 자동 구성]
├── 팀장 (Lead, Opus) — 통합·우선순위 판단
├── 브랜드 전략가 (Opus) — 감성·미감 톤 분석, 차별화 포인트
├── SNS 캠페인 기획자 (Opus) — 인스타 캠페인 + 콜라보 검토
├── 데이터 분석가 (Opus) — 리뷰·반응·경쟁 모니터링 영역
└── AI 활용 전문가 (Opus) — 자동화 매핑

팀 구성을 보여주고 “시작할까요?”라고 물으면 이렇게 답합니다.

네, 시작해주세요

이후 5~7분 정도 병렬 실행이 진행됩니다. 여러 관점의 분석이 동시에 돌아가므로 조금 기다리면 됩니다.

✓ 브랜드 전략가 분석 중
✓ SNS 캠페인 기획자 분석 중
✓ 데이터 분석가 분석 중
✓ AI 활용 전문가 분석 중
✓ 팀장 결과 통합 중

1라운드 결과가 충분하면 검증을 통과하고 끝납니다. 부족하면 팀을 다시 구성해 최대 3라운드까지 보완합니다.

5. 리포트 읽기

리포트는 .kkirikkiri/reports/discovery-report.md에 저장됩니다. 예시 결과는 이런 식입니다.

[병목 진단]
- 벤치마킹 리서치 — 매주 8시간, 수동 사이트 방문·캡처·정리
- 인스타 콘텐츠 기획 — 캡션·해시태그 매번 처음부터 작성
- 캠페인 데이터 정리 — 인사이트 추출보다 데이터 모으기에 시간 더 씀
- 고객 리뷰 분석 — 양 많아 핵심 패턴 놓침

[AI 활용 가능 영역]
- 벤치마킹 자동 수집·요약 (매우 높음) — 매주 8시간 → 1시간
- 인스타 캡션·해시태그 초안 자동 생성 (높음)
- 캠페인 데이터 자동 집계 + 인사이트 추출 (높음)
- 고객 리뷰 감성·키워드 분석 자동화 (중간)

[새 캠페인 방향성 — 다관점 통합]
- 브랜드 전략가: 감성·미감 톤은 "한 컷의 작품" 같은 비주얼이 핵심
- SNS 캠페인 기획자: 아티스트 콜라보 + 한정판 비주얼 시리즈 추천
- 데이터 분석가: 경쟁 브랜드 콜라보 효과 평균 3배 이상
- AI 활용: 콜라보 작가·아티스트 후보 자동 리서치로 시간 절감

[우선순위]
1순위: 벤치마킹 자동 리서치 — 주 7시간 절감
2순위: 인스타 캡션·해시태그 초안 자동 생성
3순위: 캠페인 데이터 자동 집계

혼자 보면 놓치기 쉬운 부분이 여기서 잡힙니다. 예를 들어 “수집과 정리에 시간이 너무 많이 간다”는 진단은 당사자일수록 잘 못 봅니다. 여러 관점이 붙으면 그런 병목이 더 또렷하게 드러납니다.

6. 1~2순위 정리하기

리포트를 받았으면 마지막으로 우선순위 중 1~2개만 고릅니다. Part 6에서 실제로 스킬로 만들 후보입니다.

방금 받은 리포트의 우선순위 1-2개만 골라서, 
이걸 클로드코드 스킬로 만들면 어떻게 동작할지 한 줄씩 정리해줘.

결과는 이렇게 정리할 수 있습니다.

1순위: 벤치마킹 자동 리서치 스킬
→ 브랜드 URL 목록 + 키워드 입력 → 매주 변경사항·신캠페인 자동 수집 → 요약 리포트

2순위: 인스타 캡션·해시태그 초안 생성 스킬
→ 제품 정보 + 톤·키워드 입력 → 캡션 3안 + 해시태그 세트 자동 생성

이 내용을 priority-summary.md로 저장합니다. Part 6을 시작할 때 이 파일을 보고 바로 스킬 제작으로 넘어갑니다.

결과물

작업 폴더는 50-my-work/Part04-강화하기/실습16-AI팀구성/입니다. 파일 세 개와 공유 메모리 디렉토리 하나가 남습니다.

실습16-AI팀구성/
├── agent-teams-overview.md     # docs-guide로 받은 Agent Teams 공식 정리
├── discovery-report.md         # kkirikkiri 다관점 분석 리포트
├── priority-summary.md         # 1~2순위 정리 (Part 6 청사진)
├── .kkirikkiri/                # 공유 메모리
│   ├── TEAM_PLAN.md
│   ├── TEAM_PROGRESS.md
│   └── TEAM_FINDINGS.md
└── README.md                   # 실습 메타 + 회고

완료 또는 /wrap을 입력하면 progress.json의 priorities_for_part06 키에 1~2순위가 기록됩니다. Part 6에서 자동으로 불러오므로 따로 복사할 필요는 없습니다.

자주 막히는 포인트

• /kkirikkiri가 인식되지 않음: Clip 1에서 설치가 빠졌을 수 있습니다. /plugin의 Installed 탭을 확인하고 다시 설치합니다.
• 환경변수가 잡히지 않음: settings.json 저장 후 클로드코드를 다시 시작해야 합니다.
• ~/.claude/settings.json 위치를 모름: 홈 디렉토리의 .claude 폴더 안에 있습니다. 파일이 없으면 새로 만들 수 있습니다. JSON 문법만 조심하면 됩니다.
• docs-guide가 Agent Teams 페이지를 못 가져옴: URL 변경이나 일시 장애일 수 있습니다. 이때는 클로드코드에서 일반 검색으로 확인합니다.
• 인터뷰 옵션이 헷갈림: 처음에는 “디스커버리”와 “제대로”만 고르면 됩니다.
• 팀 구성이 영상과 다름: 정상입니다. 입력한 직무와 작업 내용에 맞춰 매번 달라집니다.
• 병렬 실행이 5분 이상 걸림: 여러 에이전트가 동시에 분석하는 과정이라 시간이 걸릴 수 있습니다.
• 리포트가 두루뭉술함: 직무 설명이 너무 넓어서 그렇습니다. “마케터”보다 “스타트업 코스메틱 마케터, 바디 미스트 신제품 캠페인 기획”처럼 적습니다.
• 우선순위 결정이 어려움: 주 4시간 이상 줄일 수 있는 일, 그리고 본인이 바로 써볼 자신이 있는 일을 먼저 고릅니다.
• .kkirikkiri/ 폴더 위치를 모름: 워크스페이스 루트에 자동 생성됩니다. 다른 작업에는 영향을 주지 않습니다.
• 내 직무가 마케터가 아님: 문제없습니다. 영업, 기획, HR, 일반 사무직도 같은 흐름으로 진행합니다. 매주 하는 일과 다가오는 핵심 작업만 구체적으로 쓰면 됩니다.

다음 클립

→ Part 4 / Clip 4: 바선생(vibe-sunsang) — 내 AI 활용 점검받기

다음은 Part 4 마지막 클립입니다. 지금까지 클로드코드를 어떻게 써왔는지 외부 시선으로 점검받습니다. 오늘 고른 1~2순위와 다음 클립에서 나올 보완 영역까지 합치면, Part 5를 시작할 때 무엇을 먼저 해야 할지 더 분명해집니다.

이 클립에서 만드는 것

Part 2부터 여기까지 오면서 클로드코드와 꽤 많은 대화를 나눴을 겁니다. 그 대화는 자동으로 ~/.claude/projects/에 JSONL 형식으로 저장됩니다. 평소에는 거의 볼 일이 없는 폴더지만, 여기에 내가 클로드코드를 어떻게 써왔는지 기록이 남아 있습니다.

바선생(vibe-sunsang)은 그 기록을 읽고 사용 패턴을 점검합니다. 작업 분해, 검증, 오케스트레이션, 실패 복구, 컨텍스트 제공, 메타 인지까지 6개 축으로 점수를 매기고 강점과 약점을 짚어줍니다. Part 5에 들어가기 전에 보완하면 좋은 영역도 1~2개로 추립니다.

이 클립은 Part 4의 마지막입니다. 단순히 “잘 썼는지” 확인하는 시간이 아닙니다. 여기서 받은 진단이 Part 5에서 어느 클립을 더 신경 써야 할지 알려주는 기준이 됩니다.

시연은 시작 → 변환 → 멘토링 순서로 진행합니다. 진단 결과가 강사와 다르게 나와도 괜찮습니다. 본인 사용 기록을 기준으로 보기 때문에 당연히 다르게 나옵니다.

핵심 개념

클로드코드는 모든 대화를 자동으로 저장합니다

클로드코드는 별도 설정 없이도 세션 대화를 ~/.claude/projects/ 안에 JSONL 파일로 저장합니다. 프로젝트별로 폴더가 나뉘고, 세션마다 파일 하나가 쌓입니다. 바선생은 이 파일들을 읽어서 분석합니다.

새로 기록을 만드는 게 아닙니다. 이미 쌓여 있는 기록을 분석에 쓰는 방식입니다. 그래서 Part 2부터 진행한 작업이 그대로 분석 대상이 됩니다.

6축은 “무엇을 만들었나”보다 “어떻게 만들었나”를 봅니다

진단 기준은 결과물의 양이 아닙니다. 같은 결과물을 만들었더라도 요청을 어떻게 나눴는지, 받은 결과를 어떻게 확인했는지, 막혔을 때 어떻게 다시 풀었는지가 더 중요합니다.

각 축은 0.5 단위 7단계(L1~L7)로 진단됩니다. 점수는 절대 평가가 아니라 현재 상태를 보는 기준입니다. “L3.5보다 L4가 더 높다”는 비교는 가능하지만, “L3.5라서 부족하다”는 식으로 받아들일 필요는 없습니다. 학습 과정에서 단계가 올라가는 구조입니다.

워크스페이스 유형에 따라 가중치가 달라집니다

같은 사용 패턴이라도 주로 하는 일에 따라 중요도가 달라집니다. 바선생은 워크스페이스를 네 가지로 나눕니다.

분류는 시작 단계에서 자동으로 됩니다. 직접 고르지 않아도 됩니다.

진행 흐름

1. /vibe-sunsang 시작 — 워크스페이스 한 번 설정

처음 한 번만 워크스페이스를 만들면 됩니다. 이후에는 다시 만들 필요가 없습니다.

/vibe-sunsang 시작

이 명령을 입력하면 바선생이 사용자 홈에 워크스페이스를 만들고 클로드코드 세션 기록을 스캔합니다.

✓ 워크스페이스 생성: ~/vibe-sunsang/
✓ 프로젝트 스캔: ~/.claude/projects/
✓ 발견된 프로젝트에 이름 부여
✓ 워크스페이스 유형 분류 (Builder / Explorer / Designer / Operator)
✓ JSONL 로그 → Markdown 첫 변환 완료

권한 요청이 뜨면 y로 진행합니다. 작업은 본인 컴퓨터 안에서만 일어나고, 외부로 데이터를 보내지 않습니다.

2. /vibe-sunsang 변환 — 대화 로그를 분석용으로 바꾸기

세션 로그는 JSONL이라 사람이 읽기 어렵습니다. 변환 명령을 내리면 마크다운으로 바꿔서 ~/vibe-sunsang/conversations/에 저장합니다.

/vibe-sunsang 변환

처음 변환할 때는 시간이 조금 걸릴 수 있습니다. Part 2부터 쌓인 세션이 N개 있기 때문입니다. 변환된 파일이 많아 보여도 자동으로 정리되니 그대로 두면 됩니다.

✓ 클로드코드 세션 로그 스캔
✓ 변환 대상: 약 N개 세션
✓ 마크다운 변환 완료: ~/vibe-sunsang/conversations/

3. /vibe-sunsang 멘토링 — 6축 분석 실행

이제 본 분석을 실행합니다.

/vibe-sunsang 멘토링

growth-analyst라는 서브 에이전트가 변환된 로그를 읽고 6축 점수를 매깁니다. 보통 2~3분 정도 걸립니다.

✓ 요청 품질 분석 (DECOMP)
✓ 검증 패턴 분석 (VERIFY)
✓ 도구·에이전트 활용 분석 (ORCH)
✓ 실패·복구 패턴 분석 (FAIL)
✓ 컨텍스트 제공 분석 (CTX)
✓ 메타 인지 분석 (META)
✓ 다음 한 걸음 추천
✓ 진단 리포트 생성: ~/vibe-sunsang/reports/mentor-2026-05-05.md

서브 에이전트에 맡기는 이유는 메인 컨텍스트를 보호하기 위해서입니다. 클로드코드와 진행하던 다른 작업이 있어도 이 분석과 섞이지 않습니다.

4. 받은 리포트에서 핵심만 정리

리포트는 길게 나올 수 있습니다. 핵심만 추려달라고 한 번 더 요청합니다.

방금 받은 멘토링 리포트 핵심만 정리해줘.
- 6축 레벨
- 가장 두드러진 강점·약점 각 1개
- 발견된 안티패턴
- Part 05 시작 전 보완할 영역

정리 결과는 이런 형태입니다.

[6축 레벨]
- DECOMP (작업 분해)  : Lv 3.5
- VERIFY (검증)        : Lv 2.5
- ORCH (오케스트레이션): Lv 3.0
- FAIL (실패 복구)     : Lv 3.5
- CTX (컨텍스트 제공)  : Lv 3.0
- META (메타 인지)     : Lv 4.0

[강점]
- 단계별로 나눠서 요청하는 패턴이 안정적 (DECOMP 강함)

[약점]
- 결과 검증이 약함 — "되는지 확인" 이후 깊이 있는 검증 부족 (VERIFY)

[발견된 안티패턴]
- "그냥 다 알아서 해줘" 류 모호한 요청 (3회 검출)
- 결과 받고 바로 다음 진행 (검증 스킵)

[Part 05 시작 전 보완할 영역]
1순위: CLAUDE.md 작성법 — CTX 약점 보완
2순위: Hook 활용법 — VERIFY 자동화

이 정리를 mentor-report.md로 저장합니다. 6축 의미가 헷갈리면 /vibe-sunsang 지식 명령으로 각 축의 측정 기준을 다시 확인할 수 있습니다.

5. Part 5 보완 영역 매핑

마지막으로, 받은 보완 영역을 Part 5의 어느 클립에서 챙길지 연결합니다.

받은 보완 영역 1-2개를 Part 05의 어떤 클립에서 집중적으로 챙겨야 할지
한 줄씩 정리해줘.

예시는 다음과 같습니다.

1순위: CLAUDE.md 작성법 (CTX 약점 보완)
→ Part 05 실습 18 (CLAUDE.md — AI에게 업무 매뉴얼 쓰기)에서 집중

2순위: Hook 활용법 (VERIFY 자동화)
→ Part 05 실습 21 (Hook — 자동화의 방아쇠 설정하기)에서 집중

이 내용은 priorities-for-part05.md로 저장합니다. progress.json에도 자동 기록되기 때문에 Part 5를 시작할 때 다시 불러올 수 있습니다.

결과물

결과물 폴더는 50-my-work/Part04-강화하기/실습17-AI활용점검/입니다. 여기서는 진단 리포트와 Part 5 우선순위 정리가 가장 중요합니다.

실습17-AI활용점검/
├── mentor-report.md            # 6축 레벨 + 강점·약점 + 안티패턴
├── priorities-for-part05.md    # Part 5 클립별 집중 영역
└── README.md                   # 실습 메타 + 회고

~/vibe-sunsang/
├── conversations/              # 변환된 대화 로그 (보관)
└── reports/                    # 멘토링 리포트 원본

완료 또는 /wrap을 입력하면 progress.json에 다음 정보가 기록됩니다.

자주 막히는 포인트

다음 클립

Part 4 마무리

여기까지가 Part 4입니다. 네 개 클립에서 한 일은 이렇습니다.

Part 4의 주제는 “도움 받기”였습니다. Part 3까지는 직접 만드는 쪽에 가까웠다면, Part 4에서는 다른 사람이 만들어둔 플러그인을 가져와서 써봤습니다. Part 5부터는 한 단계 더 들어갑니다. 클로드코드가 어떤 구성요소로 움직이는지 뜯어보고, 그 안에 본인 자산인 커맨드, 에이전트, MCP, Hook을 직접 넣어봅니다.

받은 보완 영역 1~2개는 챙겨두세요. Part 5 시작 화면에서 다시 불러옵니다.

다음 클립

→ Part 5 / Clip 1: CLAUDE.md — AI에게 업무 매뉴얼 쓰기 — Part 5 첫 클립입니다.

다음 클립에서는 별도의 학습 워크스페이스를 받아 /init으로 CLAUDE.md를 만들어봅니다. 클로드코드가 매번 처음부터 사용자를 알아가게 두지 않고, 한 번 적어두면 계속 참고하는 매뉴얼을 함께 작성합니다.

이 클립에서 만드는 것

지금까지 강의 워크스페이스에서 실습을 해왔습니다. 돌아보면 이상할 정도로 자동으로 처리된 것들이 많았죠. 클립을 끝내고 완료만 입력하면 다음 클립이 안내됐고, 진도도 자동으로 체크됐습니다. 새 실습을 시작하면 결과물 폴더가 생기고, 필요한 파일도 준비돼 있었습니다. 답변은 늘 한국어로 나왔고, 결과물은 정해진 위치에 저장됐고요.

이 동작은 대부분 CLAUDE.md라는 파일에서 시작됩니다. 워크스페이스 루트에 놓는 마크다운 파일입니다. 클로드코드는 새 세션을 열 때 이 파일을 읽고, 거기에 적힌 규칙을 작업 기준으로 삼습니다.

오늘은 본인 학습 워크스페이스용 CLAUDE.md를 만듭니다. 강의 워크스페이스에 있는 파일은 강의 진행용이라 건드리지 않습니다. 별도로 받은 공부용 워크스페이스 안에 내 규칙 파일을 작성합니다.

작업 전과 후의 차이는 이렇습니다.

• 새 세션마다 직업, 답변 스타일, 저장 위치를 다시 말하지 않아도 됩니다.
• 강의 워크스페이스가 왜 자동으로 한국어 답변과 결과물 저장을 처리했는지 직접 확인합니다.
• 강의가 끝난 뒤에도 my-cc-study/ 폴더를 본인 공부방으로 계속 쓸 수 있습니다.

이번 클립에서 할 일은 두 가지입니다. 먼저 강의 워크스페이스의 실제 CLAUDE.md를 열어 동작 방식을 확인합니다. 그다음 본인 학습 워크스페이스에 직접 CLAUDE.md를 한 장 작성합니다.

핵심 개념

CLAUDE.md는 워크스페이스 약속 노트입니다

CLAUDE.md는 “이 폴더에서 일할 때는 이렇게 해”라고 적어두는 매뉴얼입니다. 클로드코드가 새 세션을 시작할 때마다 자동으로 읽기 때문에, 같은 지시를 매번 다시 입력할 필요가 없습니다.

둘 수 있는 위치는 두 곳입니다.

• ./CLAUDE.md — 현재 워크스페이스에서만 적용됩니다.
• ~/.claude/CLAUDE.md — 모든 워크스페이스에 적용됩니다.

오늘은 워크스페이스 루트에 둡니다. 경로는 my-cc-study/CLAUDE.md입니다. 이 파일이 있으면 my-cc-study 안에서 클로드코드를 켤 때마다 자동으로 적용됩니다.

강의 워크스페이스 CLAUDE.md의 3섹션

본인 파일을 만들기 전에 잘 만든 예시를 먼저 봅니다. 강의 워크스페이스 루트에 있는 CLAUDE.md를 안티그래비티 에디터에서 열어보세요. 읽기만 합니다. 이 파일을 수정하면 강의 진행이 꼬일 수 있습니다.

여기서는 세 부분만 보면 됩니다.

첫 번째는 기본 규칙입니다.

- 모든 답변은 한글로 합니다
- 전문 용어는 쉬운 말로 풀어서 설명합니다
- 결과물은 눈에 보이는 형태로 만듭니다

강의 내내 한국어 답변이 나오고, 결과물이 눈에 보이는 형태로 만들어진 이유가 여기에 있습니다. 따로 말하지 않아도 매 세션에 적용됐던 규칙입니다.

두 번째는 자연어 트리거입니다.

| `막혔어요` | `/stuck` | 에러/문제 진단 |

“막혔어요”라고 입력하면 /stuck 명령이 실행됐던 것, 기억나실 겁니다. 자연어 표현을 슬래시 명령에 연결해둔 방식입니다.

세 번째는 결과물 저장 규칙입니다.

모든 실습 결과는 50-my-work/Part{NN}-제목/실습{NN}-제목/에 저장합니다.

AI가 폴더를 만들고 결과물을 저장했던 것도 이 규칙 때문입니다. 매번 “어디에 저장해줘”라고 덧붙이지 않아도 됐죠.

이 세 가지가 CLAUDE.md의 기본 뼈대입니다. 기본 규칙, 자연어 트리거, 저장 규칙. 본인 파일도 이 구조를 따라가면 됩니다.

두 워크스페이스 역할 분리

Part 5부터는 워크스페이스가 두 개입니다.

• 강의 워크스페이스 — ~/fastcampus-cc/
  강의 진행용입니다. CLAUDE.md나 스킬 파일을 수정하지 않습니다.

• 학습 워크스페이스 — ~/fastcampus-cc/50-my-work/Part05-뜯어보기/my-cc-study/
  본인 공부용입니다. 여기에는 자유롭게 파일을 만들고 수정해도 됩니다.

헷갈리기 쉬운 지점입니다. 강의 워크스페이스는 수업 진행 장치가 들어 있는 곳이고, 학습 워크스페이스는 내 작업 공간입니다. 본인 자산은 my-cc-study/ 안에 만듭니다.

진행 흐름

1. /part05 스킬 호출 → 학습 워크스페이스 준비

안티그래비티에 강의 워크스페이스가 열려 있고, 클로드코드도 실행된 상태에서 시작합니다.

/part05

스킬이 진도를 확인한 뒤 클립 선택지를 띄웁니다. 여기서 Clip 1을 선택합니다.

학습 워크스페이스는 스킬이 준비합니다. cp -r 같은 명령을 직접 입력하지 않아도 됩니다.

✓ ~/fastcampus-cc/50-my-work/Part05-뜯어보기/my-cc-study/ 시드 복사 완료
✓ 50-my-work/Part05-뜯어보기/실습18-CLAUDEmd/ 진도 폴더 준비 완료
README.md  10-curriculum/  20-concepts/  30-resources/  40-ideas/  sandbox/

여기서 CLAUDE.md만 빠져 있습니다. 실수로 빠진 게 아닙니다. 이번 클립에서 직접 만들 파일이라 일부러 비워둔 상태입니다.

2. 강의 워크스페이스 CLAUDE.md 보기

작업에 들어가기 전에 예시부터 확인합니다. 안티그래비티 에디터에서 강의 워크스페이스 루트의 CLAUDE.md를 여세요. 위에서 본 기본 규칙, 자연어 트리거, 결과물 저장 규칙이 실제로 어떻게 적혀 있는지 봅니다.

다시 말하지만, 이 파일은 읽고 닫습니다. 수정하지 않습니다.

3. 새 창에서 학습 워크스페이스 열기

이제 학습 워크스페이스로 이동합니다. 안티그래비티에서 새 창을 열고, Open Folder로 아래 폴더를 선택합니다.

~/fastcampus-cc/50-my-work/Part05-뜯어보기/my-cc-study/

새 창이 뜨면 안티그래비티 통합 터미널에서 확인합니다.

ls

README.md, 10-curriculum/, 20-concepts/, 30-resources/, 40-ideas/, sandbox/가 보이면 정상입니다. 아직 CLAUDE.md는 없어야 합니다.

4. /init으로 CLAUDE.md 초안 만들기

학습 워크스페이스 안에서 클로드코드를 실행합니다.

claude

여기는 강의 워크스페이스와 분리된 새 세션입니다. 클로드코드가 시작되면 /init을 입력합니다.

/init

클로드코드가 1분 정도 폴더를 살펴봅니다. “학습 노트 / 자료 / 아이디어 정리 워크스페이스로 보입니다”처럼 현재 폴더를 해석하고, CLAUDE.md 초안을 제안합니다. 그대로 저장하면 됩니다.

안티그래비티 에디터로 돌아와 새로 생긴 CLAUDE.md를 열어보세요. 폴더 구조를 바탕으로 만든 초안이 들어 있을 겁니다. 다만 이 초안은 폴더만 보고 만든 것이므로, 아직 “내 작업 방식”까지 담겼다고 보기는 어렵습니다.

5. 인터뷰로 본인 맥락 넣기

학습 워크스페이스의 클로드코드 세션에서 이렇게 요청합니다.

내가 클로드코드 공부하는 사람이라는 맥락이 더 반영되도록
CLAUDE.md를 인터뷰로 보완해줘.

한 번에 하나씩 5개 질문 후 종료.
- 내 직업/배경
- 답변 스타일 선호 (쉬운 말? 예시 많이?)
- 결과물 포맷 선호 (표/리스트/문서)
- 자주 다룰 주제
- 피해야 할 것

질문은 하나씩 옵니다. 답변은 길 필요 없습니다.

• 직업/배경 — 본인 직업을 한 줄로 답합니다. 가상 프로필도 괜찮습니다. 예: 마케팅 기획자, 콘텐츠 운영자, 직장인.
• 답변 스타일 — 존댓말, 쉬운 말, 예시를 많이 드는 방식처럼 선호를 말합니다.
• 결과물 포맷 — 표, 리스트, 문서, 3줄 요약 등 자주 쓰는 형태를 답합니다.
• 자주 다룰 주제 — 본인 업무나 관심 분야를 적습니다.
• 피해야 할 것 — 너무 긴 답변, 영어 전문 용어 남발, 모호한 설명처럼 싫은 방식을 말합니다.

다섯 개에 모두 답하면 클로드코드가 CLAUDE.md를 다듬어 저장합니다. 안티그래비티에서 다시 열어 바뀐 내용을 확인하세요.

6. 새 세션에서 동작 확인하기

마지막으로 실제로 반영되는지 확인합니다. 클로드코드를 한 번 종료하고 다시 켭니다.

exit
claude

새 세션이 시작되면 같은 질문을 던져봅니다.

클로드코드를 더 공부하려면 뭐부터 보면 좋을까?

인터뷰에서 답한 직업, 답변 스타일, 자주 다룰 주제가 응답에 반영되어야 합니다. 질문은 같아도 답이 달라집니다. CLAUDE.md는 바로 이 차이를 만들기 위해 쓰는 파일입니다.

결과물

이번 클립이 끝나면 세 가지가 남습니다.

• my-cc-study/CLAUDE.md — 오늘 직접 만든 본인 맞춤 업무 매뉴얼입니다.
• 실습18-CLAUDEmd/README.md — 스킬이 자동으로 만든 진도 메타 파일입니다.
• Before/After 응답 비교 — 학습 워크스페이스 세션에서 CLAUDE.md 적용 전후 차이를 확인한 기록입니다.

강의 워크스페이스로 돌아와 완료 또는 /wrap을 입력하면 스킬이 정리합니다. progress.json에는 my_cc_study_initialized=true가 기록되고, 다음 클립이 안내됩니다.

my-cc-study/는 강의가 끝난 뒤에도 그대로 둡니다. 다음에 안티그래비티에서 이 폴더를 열고 claude를 실행하면, 오늘 만든 CLAUDE.md가 적용된 상태로 바로 시작할 수 있습니다.

자주 막히는 포인트

• /part05가 실행되지 않음 — 강의 워크스페이스 밖에서 호출했을 가능성이 큽니다. 안티그래비티에서 ~/fastcampus-cc/를 열고 클로드코드를 실행하세요.
• 학습 워크스페이스가 이미 있음 — 이전 시도 흔적입니다. 스킬이 .bak.YYYYMMDD-HHMMSS 형식으로 백업하므로 그대로 진행하면 됩니다.
• /init 결과가 영어로 나옴 — 클로드코드 기본값 때문일 수 있습니다. 한국어로 다시 써줘라고 입력하세요.
• /init이 먹지 않음 — 클로드코드 버전이 낮을 수 있습니다. claude --version으로 확인한 뒤 업데이트합니다.
• 인터뷰가 2~3개 질문만 하고 끝남 — 요청을 짧게 해석한 경우입니다. 5개 질문을 모두 채워줘라고 다시 요청하세요.
• Before/After 차이가 거의 없음 — CLAUDE.md 내용이 너무 넓게 적혔을 수 있습니다. 내 직업과 자주 하는 작업에 맞게 더 구체적으로 다듬어줘라고 요청합니다.
• 인터뷰 답변에 개인정보가 걱정됨 — 가상 프로필로 답해도 됩니다. 민감 정보는 빼고 작성해줘라고 함께 말하세요.
• 안티그래비티 새 창을 여는 방법을 모르겠음 — File > New Window를 사용합니다. 폴더는 File > Open Folder로 엽니다.
• 강의 워크스페이스 CLAUDE.md를 수정해버림 — 강의 파일과 본인 파일을 헷갈린 경우입니다. 강의 파일은 git에서 복원하고, 본인 파일은 학습 워크스페이스에 만듭니다.

다음 클립

→ Part 5 / Clip 2: 커맨드 & 서브에이전트 — 스킬의 재료들 알아보기

다음 클립에서는 강의 워크스페이스의 /stuck 같은 커맨드가 어떻게 만들어졌는지 뜯어봅니다. 그다음 본인 커맨드와 서브에이전트를 직접 만들어 봅니다.

🎯 이 클립에서 만드는 것

Part 4에서 /docs-guide, /kkirikkiri 써보셨죠. /로 부르는 그게 커맨드예요. 그런데 그 안에서 여러 명이 토론하듯이 일하던 것 — 그게 서브에이전트고요. 이 둘이 어떻게 만들어지는지, 오늘 직접 만들어봅니다.

먼저 큰 그림 하나만 잡고 가요. 클로드코드를 키우는 자산은 세 가지 가족입니다.

오늘은 그중 두 개를 만듭니다. 커맨드 하나 + 서브에이전트 하나. 매뉴얼(스킬)은 Part 6에서 따로 만들어요.

자산 위치 안내: 오늘 만드는 커맨드와 서브에이전트는 학습 워크스페이스(my-cc-study/.claude/commands/, agents/) 안에 만듭니다. 강의 워크스페이스(~/fastcampus-cc/) 쪽은 강사가 관리하는 자산이라 손대지 않아요. 클로드코드를 어디서 켜느냐에 따라 어느 폴더의 자산을 보는지 달라지니, 항상 학습 워크스페이스 안에서 실습 진행해주세요.

만들 자산 두 개는 본인 공부 흐름에 바로 쓰는 친구들이에요.

• /study-progress — 진도 보고서를 자동으로 정리해주는 슬래시 커맨드
• practice-coach — 본인 실습 결과물을 평가하는 학습 코치 서브에이전트

둘 다 Part 6, 7 끝까지 계속 쓰고, 강의 끝나도 본인 업무에 응용 가능합니다.

💡 핵심 개념

슬래시 커맨드는 마크다운 파일 한 장입니다

먼저 강의 워크스페이스에 이미 있는 /stuck 커맨드를 봅니다. 안티그래비티 에디터에서 ~/fastcampus-cc/.claude/commands/stuck.md를 열어보세요. 안에 든 내용이 이렇게 생겼어요.

---
description: 에러나 문제 상황 진단을 시작합니다. "막혔어요"로 자동 트리거.
---

사용자가 막힌 상황입니다. 다음 순서로 도와주세요:

1. 어떤 에러 메시지인지 정확히 묻기
2. 어떤 동작 후 발생했는지 확인
3. 가능한 원인 3가지 후보 제시
4. 가장 가능성 높은 것부터 시도

$ARGUMENTS

구조가 세 부분으로 나뉘어요.

/stuck npm 설치 안 됨이라고 입력하면 $ARGUMENTS가 npm 설치 안 됨으로 치환돼요. 파일명이 곧 커맨드명이라 stuck.md → /stuck이에요.

이 파일은 보기만 하고 닫습니다. 강의 워크스페이스의 자산이라 손대지 않아요.

서브에이전트는 별도 컨텍스트의 전문가입니다

서브에이전트는 한 가지가 더 있습니다. 자동 위임과 컨텍스트 분리예요.

• 자동 위임: /agent 같은 명시 호출 없이도, 자연어로 "이런 평가해줘"라고 부탁하면 클로드코드가 알아서 적절한 서브에이전트를 발동시킴
• 컨텍스트 분리: 서브에이전트가 작업할 때는 자기 고유 컨텍스트 윈도우를 따로 쓰기 때문에 메인 대화가 깨끗하게 유지됨

서브에이전트 파일은 .claude/agents/이름.md에 둡니다. 슬래시 커맨드와 거의 같은 구조인데, frontmatter에 필드가 몇 개 더 들어가요.

외부 잘 만든 패턴을 가져다 변형하기

서브에이전트는 직접 처음부터 짜는 것보다 잘 만들어진 거 분석해서 패턴 익히기가 빠릅니다. 이번 클립에서는 agency-agents라는 외부 레포(별 95,000개, 200+ 에이전트)에서 한 명을 골라 패턴을 추출한 다음, 그 틀에 본인 코치를 만들어요. Part 4에서 docs-guide로 공식 문서 가져왔던 그 패턴이 여기서도 똑같이 적용됩니다.

🚶 진행 흐름

1. /part05 호출 → Clip 2 선택

강의 워크스페이스에서 클로드코드를 켜고 시작합니다.

/part05

Clip 2를 선택하면 스킬이 작업 폴더와 학습 워크스페이스 안 자산 폴더를 자동으로 만들어줘요.

✓ 50-my-work/Part05-뜯어보기/실습19-커맨드서브에이전트/ 준비 완료
✓ ~/fastcampus-cc/50-my-work/Part05-뜯어보기/my-cc-study/.claude/{commands,agents}/ 준비 완료

학습 워크스페이스(my-cc-study/) 안에 .claude/commands/와 .claude/agents/ 폴더가 생겼어요. 오늘 만드는 자산은 여기 쌓입니다.

2. 강의 워크스페이스 /stuck 커맨드 뜯어보기

이미 본 그 파일을 한 번 더 짚고 갑니다. 안티그래비티 에디터에서 stuck.md를 열고 세 부분(frontmatter / 본문 / $ARGUMENTS)을 눈으로 확인하세요. 읽기만 하고 닫습니다. 수정 X.

3. /study-progress 커맨드 만들기

이제 본인 거 하나 만들어봅니다. 학습 워크스페이스 안 클로드코드 세션에서 입력합니다.

.claude/commands/study-progress.md 파일 만들어줘.

목적: 이 워크스페이스의 강의 진도를 정리하는 슬래시 커맨드.

동작:
- progress.json을 읽어 완료한 실습 번호와 레벨 확인
- 50-my-work/ 폴더를 스캔해서 만든 결과물 목록 정리
- 다음 형식으로 보고서 출력:
  ## 이번 주 진도
  - 완료한 실습:
  - 만든 결과물:
  - 현재 레벨:
  - 다음 추천:

frontmatter:
- description에 "강의 진도 정리" 키워드 포함

본문 끝에 $ARGUMENTS 자리 마련 — 사용자가 추가 메모 입력할 수 있게.

AI가 이런 파일을 만들어줘요.

---
description: 강의 진도를 정리합니다. progress.json + 50-my-work를 읽어 이번 주 보고서를 만듭니다. "내 진도 정리해줘"로도 발동.
---

이 워크스페이스의 강의 진도를 정리해주세요.

다음 정보를 수집하세요:
1. progress.json을 읽어 completed_parts, practice_completed, level 확인
2. 50-my-work/ 폴더를 스캔해 만든 결과물 목록 확인
3. 가장 최근 작업한 실습 확인

다음 형식으로 보고서를 출력하세요:

## 이번 주 진도
- 완료한 실습: (실습 번호 + 제목)
- 만든 결과물: (파일/폴더 목록)
- 현재 레벨: (AI Starter / Intermediate / Advanced / Native)
- 다음 추천: (커리큘럼 기준 다음 단계)

추가 요청사항: $ARGUMENTS

만들어졌으면 바로 호출해서 동작 확인.

/study-progress

본인 진짜 데이터 기반으로 이런 보고서가 나옵니다.

## 이번 주 진도
- 완료한 실습:
  - 실습 1-13 (Part 02~03)
  - 실습 14-17 (Part 04 강화하기)
  - 실습 18 (Part 05 CLAUDE.md)
- 만든 결과물:
  - charts/ — 데이터 분석 차트 8장
  - vercel-overview-docs.md — docs-guide 답변
  - discovery-report.md — kkirikkiri 진단 리포트
  - CLAUDE.md — 본인 업무 매뉴얼
- 현재 레벨: AI Intermediate (Part 05 진행 중)
- 다음 추천: 실습 19 (커맨드 & 서브에이전트) — 지금 이거 진행 중!

매주 월요일 아침에 한 줄로 한 주 정리 끝나는 거예요. 회사 업무에도 같은 패턴 응용 가능합니다. /weekly-report, /sales-summary, /team-update — 안에 데이터만 바꾸면 똑같은 구조예요.

4. agent-agency 레포 분석 — 서브에이전트 패턴 추출

직접 짜기 전에 잘 만들어진 거 한 명 분석합니다. docs-guide로 외부 파일을 가져와 패턴 뽑아내는 흐름이에요.

/docs-guide:docs-guide 이 서브에이전트 파일의 구조와 패턴 분석해줘:

https://github.com/msitarzewski/agency-agents/blob/main/engineering/engineering-code-reviewer.md

특히 다음을 정리:
1. frontmatter에 어떤 필드들이 있고 각각 무슨 역할인지
2. 본문 섹션 구조 (어떤 순서로 뭐가 들어가는지)
3. 자동 위임이 잘 되도록 description을 어떻게 썼는지

분석 결과가 이런 식으로 나옵니다.

[frontmatter — 5필드 표준]
1. name           — 서브에이전트 식별 이름
2. description    — 자동 위임 판단 기준 ("expert", "feedback" 같은
                   매칭 키워드를 description에 박아둠)
3. color          — UI 표시 색상
4. emoji          — 아이콘
5. vibe           — 톤/스타일 한 줄

[본문 — 5섹션 표준]
1. Identity & Memory   — 정체성 (역할, 성격, 경험)
2. Core Mission        — 핵심 목표 (체크할 것)
3. Critical Rules      — 행동 규칙
4. Review Checklist    — 우선순위 매트릭스
5. Communication Style — 답변 톤

[자동 위임 잘 되는 description 패턴]
- "Expert {분야} who {핵심 동작}, focused on {목표}"
- 자연어 트리거 키워드를 description에 박아두기

분석 결과를 50-my-work/.../agent-agency-pattern.md로 저장합니다.

5. practice-coach 서브에이전트 만들기

이제 추출한 패턴 그대로 본인 코치를 만들어요.

.claude/agents/practice-coach.md 파일 만들어줘.

방금 분석한 engineering-code-reviewer.md 패턴 그대로 따라서:

frontmatter:
- name: practice-coach
- description: Claude Code 강의 실습 결과물을 평가하고 다음 단계를 추천합니다.
              "내 실습 평가해줘", "다음 뭐 해야 해?", "잘하고 있나?" 같은
              요청에 자동 발동.
- tools: Read, Glob
- color: green
- emoji: 🎯
- vibe: Evaluates like a supportive mentor — celebrates wins, points growth
        areas without judgment.

본문 섹션 5개:
1. Identity & Memory — 클로드코드 학습 코치 역할
2. Core Mission — 평가 기준 5가지 (실습 완료도 / 결과물 품질 / 대화 패턴 / 다음 단계 / 격려 포인트)
3. Critical Rules — 잘한 점 먼저 / 구체적 근거 / 다음 단계 명확하게 / 격려 톤
4. Review Checklist — 🔴 핵심 누락 / 🟡 개선 / 💭 보너스
5. Communication Style — 한국어 존댓말, 친근하게, 끝에 다음 행동 1개 제안

파일이 만들어졌으면 진짜로 동작하는지 확인. 여기서 봐야 할 건 직접 호출이 아니라 자연어 자동 위임이에요. /practice-coach라고 안 부르고, 그냥 자연어로 부탁해봅니다.

지금까지 한 실습들 평가해줘. 50-my-work/ 폴더 보고.

클로드코드가 자동으로 practice-coach를 발동시켜요. 별도 컨텍스트에서 작업이 돌아가고, 메인 대화에는 결과 요약만 옵니다.

[practice-coach 활성화]
[Reading 50-my-work/ ...]

🎯 실습 평가 리포트

[잘한 점 ✨]
- Part 03 데이터 분석에서 BUILD 5단계 한 사이클 잘 돌렸어요.
  특히 STEP 5 부분 수정에서 "다른 건 그대로" 명시한 게 ◎
- Part 04 kkirikkiri 시연에서 코스메틱 마케터로 본인 직무 변형
  잘 적용. 우선순위 1-2개도 명확.

[개선 제안 🟡]
- Part 03 보고서 작성 결과물에 README.md가 비어있어요.
  실습 메타정보 (날짜/모드/모델) 채우면 나중에 회고할 때 좋아요.

[다음 단계 →]
다음 클립(20번 — MCP & CLI) 시작 전에 이 리포트 한 번 더
"내 실습 평가해줘"로 호출해서 위 개선 제안 반영했는지 확인.

[격려 한 줄]
17개 실습 완주하셨어요. 절반 넘었습니다. 이 페이스면 Part 06
끝나고 본인만의 스킬 1개는 무조건 나옵니다.

평가 작업이 별도 컨텍스트에서 일어났다는 게 핵심이에요. 메인 대화에는 요약만 돌아오니까 본인 작업이 깨끗하게 유지됩니다.

6. 세 자산 가족 관계 정리

오늘 만든 두 자산과 Part 6에서 만들 스킬을 한 표로 비교합니다.

셋이 독립적이지만 조합 가능합니다. 스킬 안에서 서브에이전트를 호출할 수도 있고, 서브에이전트가 스킬을 미리 로드할 수도 있어요. "스킬의 구성요소"라기보다 가족 관계라고 보시면 됩니다.

📦 결과물

완료 입력하면 progress.json에 commands_created와 agents_created가 자동 기록돼요. Part 6 시작할 때 자동으로 참고됩니다.

🆘 자주 막히는 포인트

🔗 다음 클립

→ Part 5 / Clip 3: MCP & CLI — 외부 도구 연결하기

다음 클립에서는 외부 도구를 클로드코드에 꽂는 방법을 봅니다. Perplexity, Notion, Gmail 같은 거. 오늘 만든 practice-coach도 외부 데이터를 끌어오면 한층 강력해져요.

🎯 이 클립에서 만드는 것

지금까지 만든 자산(CLAUDE.md, 커맨드, 서브에이전트)은 다 클로드코드 안에서만 돌아갔어요. 그런데 클로드코드를 진짜 강력하게 만드는 건 외부 도구를 꽂는 순간입니다.

예를 들어 "내 캘린더 일정 확인하고 다음 주 회의 시간 추천해줘" — 이건 클로드코드 혼자 못해요. 구글 캘린더에 접속해야 하니까요. "경쟁사 사이트 5개 비교 분석해줘"도 못해요. 브라우저로 들어가 봐야 하니까. 이번 클립은 그 두 가지를 가능하게 만드는 두 방식을 봅니다.

오늘 꽂아볼 두 친구는 이래요. 두 친구의 학습 강도는 다릅니다.

Playwright는 모두가 따라 해주세요. gws는 OAuth 5단계가 매번 막히는 학생이 많아서, 영상 시연만 보고 흐름을 잡으셔도 됩니다.

💡 핵심 개념

MCP는 AI에 꽂는 표준 소켓입니다

이름은 어렵지만 개념은 단순해요. Model Context Protocol — AI(모델)에 외부 도구를 꽂는 표준 규격입니다. 한 번 꽂으면 자연어로 다룰 수 있어요. Notion MCP 꽂으면 "내 Notion에서 어제 메모 찾아줘" 같이 부탁할 수 있는 거죠.

Claude Code ──[MCP]── Playwright (브라우저)
            ──[MCP]── Notion (문서)
            ──[MCP]── Slack (메시지)
            ──[MCP]── 내가 만든 도구

MCP는 .mcp.json 파일 한 장에 서버를 등록하는 방식으로 연결합니다. 워크스페이스 루트에 두면 그 워크스페이스에서만 동작해요.

CLI는 AI가 bash로 직접 호출하는 도구입니다

MCP가 "소켓"이라면 CLI는 "AI가 직접 호출하는 명령줄 도구"예요. AI가 터미널에서 명령 쳐서 결과를 받는 방식입니다.

MCP:  AI ↔ MCP 서버 ↔ 외부 서비스
CLI:  AI → bash → CLI 도구 → 외부 서비스

gws CLI는 Gmail, 캘린더, 드라이브, 시트, 독스, 슬라이드, 미트, 챗, 태스크까지 9개 서비스를 한 도구로 다뤄요. AI가 자연어 요청을 받으면 알맞은 gws 명령어를 bash로 만들어 실행하고, 결과를 정리합니다.

MCP와 CLI는 결이 다릅니다

둘 중 하나가 더 좋은 게 아니라 어울리는 자리가 따로 있어요.

MCP가 없는 도구는 CLI로, CLI 없는 서비스는 MCP로 — 이렇게 보면 됩니다.

🚶 진행 흐름

1. /part05 호출 → Clip 3 선택

강의 워크스페이스에서 클로드코드를 켜고 시작합니다.

/part05

Clip 3 선택하면 학습 워크스페이스 안에 작업 폴더가 준비돼요.

✓ 50-my-work/Part05-뜯어보기/실습20-MCP-CLI/ 준비 완료
✓ ~/fastcampus-cc/50-my-work/Part05-뜯어보기/my-cc-study/.claude/ 디렉토리 확인됨

2. Playwright MCP 연결 (필수)

학습 워크스페이스 안 클로드코드 세션에서 .mcp.json을 만들어달라고 부탁합니다.

my-cc-study/에 Playwright MCP를 연결하려는데 어떻게 해?
.mcp.json 파일 만들어서 연결해줘.

AI가 이런 파일을 만들어줘요.

{
  "mcpServers": {
    "playwright": {
      "command": "npx",
      "args": ["@playwright/mcp@latest"]
    }
  }
}

npx로 설치 없이 바로 실행하는 방식이라, 처음 한 번만 다운로드되고 그 다음부터는 빠르게 켜집니다. 적용하려면 클로드코드를 재시작해요.

exit
claude

새로 시작하면 시작 로그에 Playwright가 활성화된 게 보입니다.

[MCP] Connecting to playwright...
[MCP] ✓ playwright (active)
  Available tools: browser_navigate, browser_screenshot, browser_click, ...

활성화 끝. 이제 브라우저 자동화를 자연어로 부탁할 수 있어요.

본인이 평소 쓰는 브라우저(Comet, Edge, Brave 등 Chromium 계열)로 연결하고 싶으면 자연어로 부탁하시면 됩니다. 예: "지금 나는 Comet 브라우저 쓰는데, 그걸로 Playwright 연결해줘." MCP 설정에 executablePath를 추가하는 식으로 자동 처리돼요.

3. Playwright로 스크린샷 + 데이터 추출 (필수)

진짜 동작하는지 한 번 써봅니다. 시연용으로 공개 페이지 하나 골랐어요.

Playwright로 https://news.hada.io 열어서 첫 페이지 스크린샷 찍고,
my-cc-study/sandbox/hada-screenshot.png에 저장해줘.

AI가 Playwright로 브라우저를 열고 페이지를 로드한 다음 스크린샷을 저장합니다.

[Playwright] Navigating to https://news.hada.io
[Playwright] Page loaded (200 OK)
[Playwright] Screenshot saved: .../sandbox/hada-screenshot.png

안티그래비티 파일 트리에서 hada-screenshot.png를 열어보세요. AI가 직접 브라우저로 들어가 본 결과예요. 이게 MCP의 힘입니다.

한 단계 더 — 텍스트 추출까지.

방금 그 페이지에서 상단 5개 게시물 제목만 뽑아서
my-cc-study/sandbox/hada-titles.md에 리스트로 정리해줘.

# Hada News Top 5 (수집: 2026-05-10)

1. (게시물 1 제목)
2. (게시물 2 제목)
3. ...

사람이 직접 사이트 들어가서 복붙하던 거 AI가 대신 해줍니다. 본인 업무에 응용할 거리가 보일 거예요. 경쟁사 가격 비교, 공지사항 변경 모니터링, 리서치용 페이지 캡처 같은 데 바로 쓸 수 있어요.

4. gws CLI 설치 (선택 / 강사 시연)

다음은 CLI입니다. 설치는 한 줄이에요.

npm install -g @googleworkspace/cli
gws --version

gws 0.19.0

여기서부터는 강사 시연 위주로 보세요. 인증 흐름이 인터랙티브라 클로드코드 안에서 못 돌립니다. 터미널에서 직접 진행해야 해요.

gws auth setup

설정 흐름은 다섯 단계.

Step 1/5: gcloud CLI 확인
Step 2/5: Google 계정 선택
Step 3/5: GCP 프로젝트 생성
Step 4/5: 9개 API 활성화 (Gmail/Calendar/Drive/Sheets/...)
Step 5/5: OAuth 클라이언트 ID 생성 + 테스트 사용자 추가

마지막에 gws auth login 치면 브라우저가 열리고 Google 로그인 → 권한 승인 → 인증 완료. 상태 확인은 이렇게.

gws auth status

✓ Authenticated
  Account: example@gmail.com
  Enabled APIs: 9

여기까지가 강사 시연 영역입니다. 학생은 영상 후 자가 진행해도 돼요.

5. gws CLI로 일정·메일 조회 (선택 — 본인 인증한 학생만)

인증된 gws CLI를 클로드코드가 자연어로 부르게 합니다.

gws CLI로 오늘 내 캘린더 일정 확인해주려는데 어떻게 해?
조회 결과를 my-cc-study/sandbox/today-schedule.md에 정리해줘.

AI가 bash로 gws calendar 명령을 실행하고 결과를 파싱해서 마크다운으로 저장해요.

# 오늘 일정 (2026-05-10)

## 09:30 - 10:30  팀 주간 회의
- 참석자: ...
- 위치: Google Meet

## 14:00 - 15:00  강의 촬영
- 메모: Part 05 클립 03

## 18:00  저녁 약속

한 단계 더 — 메일까지.

gws CLI로 안 읽은 메일 중 최근 5개 제목만 정리해주려는데 어떻게 해?
my-cc-study/sandbox/recent-mails.md에 저장.

일정과 메일이 한 번에 정리됐어요. 매일 아침 출근하자마자 이거 한 번 돌리면 그날 하루가 한 화면에 정리됩니다. 이걸 슬래시 커맨드 /morning-briefing으로 묶으면 매일 똑같이 한 번에 받을 수 있어요. Part 6에서 그렇게 발전시킵니다.

📦 결과물

필수 결과물 (모든 학생)

선택 결과물 (gws 인증한 학생만)

완료 입력하면 progress.json의 mcp_installed에 ["playwright"]가 기록됩니다. gws를 인증한 학생은 cli_installed에 ["gws"]도 같이 기록돼요.

🆘 자주 막히는 포인트

🔗 다음 클립

→ Part 5 / Clip 4: Hook — 자동화의 방아쇠 설정하기

다음 클립에서는 이벤트가 일어날 때 자동 실행되는 방아쇠를 만들어요. 오늘 꽂은 도구들이 자동으로 발동되게 하는 다음 단계입니다.

🎯 이 클립에서 만드는 것

스마트홈 써보신 분 있으세요? "집에 들어가면 자동으로 불 켜짐", "아침 7시 커피머신 작동" 같은 거. 이게 이벤트가 일어나면 자동 실행되는 거잖아요. Hook이 딱 그거예요. 클로드코드에서 일어나는 특정 이벤트에 자동으로 뭐가 실행되게 만드는 장치입니다.

[이벤트 발생]              [자동 실행]
대화 시작              →   오늘 할 일 출력
도구 실행 직전        →   위험 명령 차단
AI 응답 완료          →   알림음 재생
세션 끝                →   대화 요약 저장

오늘은 학습 워크스페이스에 Hook 세 개를 만들어요. 결이 각각 달라요.

세 개 다 합쳐도 settings.json 한 파일이 본인 작업 환경의 DNA가 됩니다. 다른 컴퓨터에서 이 파일 하나만 옮기면 같은 환경이 재현돼요.

💡 핵심 개념

Hook은 이벤트-반응 패턴입니다

Hook은 이벤트가 발생할 때 자동 실행되는 셸 명령이에요. "문 열리면 불 켜지는 센서" 같은 거. 클로드코드에는 이벤트가 여러 종류 있는데, 우리가 자주 쓰는 건 다섯 개 정도예요.

오늘 만들 세 개는 Stop, SessionStart, PreToolUse입니다.

설정은 settings.json 한 파일에

Hook은 워크스페이스 .claude/settings.json 파일에 등록해요. 학습 워크스페이스라 my-cc-study/.claude/settings.json에 작성합니다. 강의 워크스페이스 쪽은 손대지 않아요.

기본 구조는 이렇게 생겼어요.

{
  "hooks": {
    "이벤트이름": [
      {
        "matcher": "*",
        "hooks": [
          {
            "type": "command",
            "command": "실행할 셸 명령"
          }
        ]
      }
    ]
  }
}

matcher는 어떤 경우에 발동할지 좁히는 필터예요. *은 모든 경우, Bash는 Bash 도구 호출 직전만 등으로 좁힙니다.

설정 변경 후에는 클로드코드 재시작

Hook은 클로드코드 시작 시 로드돼요. settings.json 수정한 다음에는 반드시 exit로 나가고 claude로 다시 켜야 적용됩니다. 안 그러면 변경이 안 잡혀요.

🚶 진행 흐름

1. /part05 호출 → Clip 4 선택

강의 워크스페이스에서 클로드코드를 켜고 시작합니다.

/part05

Clip 4 선택하면 작업 폴더가 준비돼요.

✓ 50-my-work/Part05-뜯어보기/실습21-Hook/ 준비 완료
✓ ~/fastcampus-cc/50-my-work/Part05-뜯어보기/my-cc-study/.claude/settings.json 확인됨

2. Stop hook — 응답 완료 알림음 (편의)

첫 번째는 편의 결이에요. AI가 응답 끝나면 알림음이 울리게 합니다. 백그라운드로 작업 시켜놓고 다른 일 하다가 끝났는지 알기 좋아요.

학습 워크스페이스 클로드코드 세션에서 입력합니다.

my-cc-study/.claude/settings.json에 Stop hook을 추가하려는데 어떻게 해?
AI 응답이 끝나면 Mac의 afplay로 알림음 재생.

본인 OS에 맞는 명령을 골라서 부탁하세요. 표에서 한 줄 복사한 다음 위 입력에 끼워 넣으면 됩니다.

{
  "hooks": {
    "Stop": [
      {
        "matcher": "*",
        "hooks": [
          {
            "type": "command",
            "command": "afplay /System/Library/Sounds/Glass.aiff"
          }
        ]
      }
    ]
  }
}

구조 단순해요. Stop 이벤트가 발생하면, 모든 경우(matcher: *)에 대해 command가 실행됩니다.

재시작하고 동작 확인.

exit
claude

1+1 뭐야?

응답 끝날 때 Glass 사운드가 울리면 정상이에요. 거슬리면 settings.json에서 Stop 블록만 빼면 즉시 꺼집니다.

3. SessionStart hook — 세션 시작 환영 (습관)

두 번째는 습관 결. 매일 클로드코드 켜자마자 본인 진도가 자동으로 안내됩니다.

my-cc-study/.claude/settings.json에 SessionStart hook도 추가하려는데 어떻게 해?
세션 시작 시 클립 02에서 만든 /study-progress 결과를 자동으로 한 번 보여주고,
"안녕하세요!" 인사도.

기존 Stop hook 옆에 SessionStart가 같이 들어갑니다.

{
  "hooks": {
    "Stop": [
      {"matcher": "*", "hooks": [{"type": "command", "command": "afplay /System/Library/Sounds/Glass.aiff"}]}
    ],
    "SessionStart": [
      {
        "matcher": "*",
        "hooks": [
          {
            "type": "command",
            "command": "echo '안녕하세요! 오늘도 화이팅 — 진도 한 번 확인하실까요? /study-progress'"
          }
        ]
      }
    ]
  }
}

echo로 환영 메시지를 출력하는 단순한 명령이지만, 매일 클로드코드 켤 때마다 자동으로 떠요. 재시작하면 시작 직후 메시지가 보입니다.

exit
claude

응용 거리도 많아요. 날씨(curl wttr.in), 오늘 일정(Clip 3에서 인증한 gws CLI 호출), TODO 파일 출력(cat ~/todo.md) 같은 거.

4. PreToolUse hook — 위험 명령 차단 (안전)

세 번째는 안전 결. AI가 도구를 실행하기 직전에 검사해서 위험 패턴이면 차단합니다. 자동 모드(Auto, Bypass) 쓸 때 안전망 역할이에요.

my-cc-study/.claude/settings.json에 PreToolUse hook도 추가하려는데 어떻게 해?
Bash 도구 실행 직전에 — 명령어에 'rm -rf /' 또는 'sudo rm'이 포함되면 차단.
exit 2로 차단하고 'BLOCKED: dangerous command'를 출력.

세 개를 다 합친 settings.json이 이렇게 완성됩니다.

{
  "hooks": {
    "Stop": [
      {"matcher": "*", "hooks": [{"type": "command", "command": "afplay /System/Library/Sounds/Glass.aiff"}]}
    ],
    "SessionStart": [
      {"matcher": "*", "hooks": [{"type": "command", "command": "echo '안녕하세요! 오늘도 화이팅 — /study-progress'"}]}
    ],
    "PreToolUse": [
      {
        "matcher": "Bash",
        "hooks": [
          {
            "type": "command",
            "command": "if grep -qE 'rm -rf /|sudo rm' <<< \"$TOOL_INPUT\"; then echo 'BLOCKED: dangerous command'; exit 2; fi"
          }
        ]
      }
    ]
  }
}

matcher: "Bash"라 Bash 도구 호출 직전만 검사해요. grep으로 위험 패턴을 찾고, 발견되면 exit 2로 차단합니다.

재시작하고 테스트해봐요. 진짜로 실행되진 않습니다 — Hook이 미리 막으니까요.

exit
claude

'rm -rf /' 명령을 bash로 실행해줘 (테스트 — 실제 실행 안 됨)

AI가 Bash 호출을 시도하지만 PreToolUse hook이 발동돼서 BLOCKED: dangerous command가 출력되고 실행이 막힙니다. 본인이 실수로 위험한 거 입력해도 한 겹 더 막아주는 안전장치예요.

5. Hook 3종 정리

세 개를 한 표로 정리하면 이래요.

settings.json 한 파일에 본인 작업 습관이 다 담겼어요. 이 파일을 다른 컴퓨터에 옮기면 같은 환경이 그대로 재현됩니다.

한 걸음 더 — 스크립트 파일로 분리

위 PreToolUse는 inline 명령이라 점점 길어지면 settings.json이 지저분해져요. 실무에서는 별도 Python 스크립트로 빼서 관리합니다.

# ~/.claude/hooks/block_dangerous.py 같은 위치에 만들기

#!/usr/bin/env python3
"""위험한 명령어를 자동 차단하는 Safety Hook"""
import json, re, sys

BLOCKED_PATTERNS = [
    (r"\brm\s+-rf\s+/", "rm -rf /는 시스템 전체 파괴 위험"),
    (r"\bsudo\s+rm\b", "sudo rm은 시스템 파일 위험"),
    (r"git\s+reset\s+--hard", "git reset --hard는 커밋 안 한 작업을 삭제"),
    (r"git\s+push\s+--force", "git push --force는 다른 사람 작업을 덮어쓸 수 있음"),
]

input_data = json.loads(sys.stdin.read())
command = input_data.get("tool_input", {}).get("command", "")

for pattern, reason in BLOCKED_PATTERNS:
    if re.search(pattern, command):
        print(f"BLOCKED: {reason}", file=sys.stderr)
        sys.exit(2)

sys.exit(0)

그리고 settings.json의 PreToolUse는 이렇게 짧아져요.

"PreToolUse": [
  {
    "matcher": "Bash",
    "hooks": [
      {"type": "command", "command": "python3 ~/.claude/hooks/block_dangerous.py"}
    ]
  }
]

규칙이 늘어나도 settings.json은 그대로고, Python 파일만 손보면 됩니다. 휴지통 보호 hook 같은 변형도 같은 패턴이에요. rm을 매칭하고 trash 명령으로 우회하라는 메시지를 출력하면 됩니다.

또 다른 변형으로 TTS 응답 요약이 있어요. Mac의 say -v Yuna 명령으로 마지막 응답을 한국어 음성으로 읽어주는 방식. Stop hook에 stdin으로 들어오는 JSON에서 transcript_path를 받아 마지막 assistant 메시지를 추출해 음성으로 변환하는 짧은 셸 스크립트 하나면 됩니다.

# ~/.claude/hooks/stop-speak.sh
#!/bin/bash
TRANSCRIPT=$(jq -r '.transcript_path' <<< "$(cat)")
LAST_MSG=$(jq -r 'select(.type=="assistant") | .message.content[0].text' "$TRANSCRIPT" | tail -1 | head -c 80)
say -v Yuna "$LAST_MSG"

전체 응답을 다 읽지 않고 앞 80자만 발췌하는 게 가볍고 충분해요. 진짜 "요약"하려면 또 다른 AI 호출이 필요해서 무거워집니다.

📦 결과물

완료 입력하면 progress.json의 hooks_created에 ["stop-alert", "session-welcome", "rm-guard"]가 자동 기록됩니다.

🆘 자주 막히는 포인트

🔗 다음 클립

→ Part 5 / Clip 5: GitHub — git-teacher로 백업하기

다음은 Part 5 마지막 클립이에요. 지금까지 만든 .claude/, .mcp.json, settings.json을 GitHub에 백업해서, 다른 컴퓨터에서도 같은 환경을 재현하는 법을 배웁니다.

🎯 이 클립에서 만드는 것

Part 5 동안 본인 학습 워크스페이스에 자산이 한참 쌓였어요. 한 번 돌아볼게요.

my-cc-study/
├── CLAUDE.md                       # Clip 1 — 본인 컨텍스트
├── .claude/
│   ├── commands/study-progress.md  # Clip 2 — 진도 정리 커맨드
│   ├── agents/practice-coach.md    # Clip 2 — 학습 코치 서브에이전트
│   └── settings.json               # Clip 4 — Hook 3개
├── .mcp.json                       # Clip 3 — Playwright MCP
└── sandbox/                        # Clip 3 — 스크린샷·일정·메일

이거 다 컴퓨터에만 있어요. 포맷되면 날아갑니다. 회사 컴퓨터와 집 컴퓨터를 같이 쓰려면 매번 USB로 옮길 수도 없고요. 그래서 마지막 클립은 GitHub에 통째로 백업합니다.

방법은 단순해요. git-teacher 플러그인을 한 번 더 추가해서, 한국어로 git을 다룹니다. 명령어 외울 필요 없어요. "깃 시작해줘", "저장해줘", "올려줘" 세 문장이면 끝납니다.

이번 클립이 끝나면 본인 클로드코드 환경 전체가 GitHub URL 하나로 정리됩니다. 강의 끝나도 계속 쓸 자산이에요.

💡 핵심 개념

Google Drive와 Git의 차이

git을 처음 보면 Google Drive랑 비슷한 줄 알아요. 둘 다 클라우드에 파일 보관하는 거니까. 그런데 동작 방식이 결정적으로 달라요.

차이는 딱 하나만 기억하면 돼요. Google Drive는 자동, Git은 수동. 그래서 git에는 "지금 저장할게" 하는 commit 단계와 "이제 올릴게" 하는 push 단계가 따로 있습니다.

이게 처음엔 번거롭게 느껴지지만 이유가 있어요. Git은 변경 이력을 모두 기록합니다. 어제 어디까지 했는지, 그저께랑 뭐가 달라졌는지 다 추적돼요. 그래서 commit 시점을 본인이 정해야 하는 거고요.

git-teacher는 git을 한국어로 다룹니다

git 본체는 명령어가 어려워요. git add, git commit, git push, git branch, git merge. 외울 게 너무 많죠. git-teacher는 이걸 한국어로 바꿔주는 플러그인이에요. "저장해줘", "되돌려줘" 같은 한국어로 부탁하면 알아서 해석해서 적절한 git 명령을 실행합니다.

git을 직접 다루는 게 아니라 git-teacher가 가르치는 식으로 진행돼요. 명령마다 5단계 자동 가이드를 띄워주고, 헷갈리는 곳에서 멈춰줘요.

강의 워크스페이스는 백업하지 않습니다

여기서 한 번 짚고 갈게요. 오늘 백업할 건 학습 워크스페이스(my-cc-study/)뿐이에요. 강의 워크스페이스(~/fastcampus-cc/)는 강의 진행용이라 GitHub에 올리지 않습니다. 강사가 관리하는 자산이고, 본인이 추가한 게 없어요.

본인 자산은 다 학습 워크스페이스 안에 있으니, 그 폴더 통째로 한 저장소로 올리면 끝납니다.

🚶 진행 흐름

1. git-teacher 플러그인 설치

강의 워크스페이스에서 클로드코드를 켜고 마켓플레이스에 git-teacher가 있는지 확인합니다. Part 4 Clip 1에서 추가한 GPTaku 마켓플레이스에 같이 들어 있어요.

/plugin install git-teacher

설치 완료 후 클로드코드 재시작.

exit
claude

재시작 후 git-teacher가 활성화됩니다.

2. "깃 시작해줘" — 학습 워크스페이스 git 셋업

이제 학습 워크스페이스 쪽으로 갑니다. 안티그래비티 새 창에서 my-cc-study/ 폴더를 열고, 그 안에서 클로드코드를 켜요.

claude

그리고 한 문장 입력합니다.

깃 시작해줘

git-teacher가 5단계 자동 셋업을 진행해요.

[git-teacher] 깃 백업 시작합니다.

Step 1: Git 설치 확인
  ✓ git 2.45.0 설치됨

Step 2: GitHub CLI 확인
  → 미설치 시 안내: brew install gh (Mac) / winget install --id GitHub.cli (Win)
  ✓ gh 2.87.0 설치됨

Step 3: GitHub 계정 인증
  → gh auth login 실행 안내
  → 브라우저 OAuth 인증

Step 4: 현재 폴더를 git 프로젝트로 초기화
  → git init 실행
  ✓ 완료

Step 5: .gitignore 자동 생성 (민감 파일 제외)
  - .DS_Store, *.log, node_modules/ 등
  ✓ 완료

다음에 "저장해줘" 입력하면 첫 commit 진행할게요.

명령어를 직접 칠 일이 없습니다. GitHub 계정이 없으신 분은 영상 중간에 https://github.com/signup에서 가입하시면 돼요. 1~2분이면 끝납니다.

진행 중 챙길 세 가지

• gh auth login 시 인증 방식 선택: HTTPS와 SSH 중 익숙하지 않으면 HTTPS 추천. 브라우저로 자동 인증돼 가장 간단해요.
• .gitignore 자동 생성 내용 확인: API 키, .env, 비밀 토큰류가 제외되는지 한 번 보세요. git-teacher가 기본 패턴을 넣지만 본인 프로젝트 특이 파일은 직접 추가 필요.
• 첫 push 시 main 브랜치 자동 생성: 메시지에 git push -u origin main이 보이면 정상. master로 돌아가지 않게 git-teacher가 main 기준으로 진행합니다.

3. "저장해줘" — 첫 commit

지금까지 만든 자산을 한꺼번에 저장합니다. git 용어로는 commit이에요.

저장해줘

git-teacher가 변경 사항을 분석하고 자연어 commit 메시지를 자동으로 제안합니다.

[git-teacher] 변경 사항 분석 중...

발견한 자산:
  - CLAUDE.md (학습 워크스페이스 매뉴얼)
  - .claude/commands/study-progress.md (진도 정리 커맨드)
  - .claude/agents/practice-coach.md (학습 코치 서브에이전트)
  - .mcp.json (Playwright MCP 설정)
  - .claude/settings.json (Hook 3개)
  - sandbox/ (스크린샷·일정·메일 결과물)

자동 commit 메시지 제안:
  "init: Part 05 학습 자산 — CLAUDE.md, 커맨드, 서브에이전트, MCP, Hook"

이대로 저장할까요? (Y/n)

Y로 진행. 메시지가 영어로 시작하지만 본문에 한국어가 섞여요. git 관례를 따른 거예요.

✓ 첫 commit 완료
  현재 커밋: a3f2b1c
  파일 수: {N}

다음에 "올려줘" 입력하면 GitHub에 업로드할게요.

저장 끝. 다만 아직 본인 컴퓨터에만 있어요. 백업 완성하려면 GitHub에 올려야 합니다.

4. "올려줘" — GitHub push

다음 한 마디로 GitHub 저장소 생성과 업로드를 동시에 진행해요.

올려줘

git-teacher가 저장소를 자동으로 만들고 업로드합니다.

[git-teacher] GitHub 업로드 진행합니다.

Step 1: GitHub repo 생성
  - 이름: my-cc-study
  - 공개 설정: Private (권장 — settings.json에 개인 정보 가능성)
  → gh repo create my-cc-study --private
  ✓ Repo 생성 완료
  🔗 https://github.com/{유저명}/my-cc-study

Step 2: 원격 연결 + push
  → git remote add origin git@github.com:{유저명}/my-cc-study.git
  → git push -u origin main
  ✓ 업로드 완료

브라우저로 GitHub URL을 열어보세요. 파일들이 다 올라와 있어요. 이제 어디서나 접근 가능합니다. 회사 컴퓨터에서 git clone https://github.com/{유저명}/my-cc-study만 하면 같은 환경이 그대로 재현돼요.

Private 설정이라 본인만 봅니다. 팀원과 공유하려면 GitHub Settings → Collaborators에서 추가하시면 됩니다.

5. 수정 → 재저장 루프 한 번 체험

마지막 단계. 앞으로 본인이 뭔가 수정할 때마다 이 흐름을 반복합니다.

안티그래비티에서 CLAUDE.md를 한 줄만 수정해보세요. 예를 들어 "오늘 학습 완료: Part 05" 같은 메모 추가. 저장 후 클로드코드에 한 줄 부탁.

방금 CLAUDE.md 수정한 거 저장하고 GitHub에 올려줘

git-teacher가 변경을 감지하고 commit + push를 한 번에 진행해요.

[git-teacher]
  변경 발견: CLAUDE.md (1줄 추가)
  → git add CLAUDE.md
  → git commit -m "update: 학습 진도 메모 추가"
  → git push
  ✓ 업로드 완료

GitHub에서 새로고침하면 변경이 반영됩니다. 커밋 히스토리도 같이 쌓여요. 매번 이 흐름 — 수정 → "저장하고 올려줘" — 반복하시면 됩니다.

📦 결과물

완료 입력하면 progress.json의 github_repo에 URL이 기록되고 completed_parts에 "Part 05"가 추가됩니다.

🆘 자주 막히는 포인트

🔗 다음 Part

Part 5 마무리

Part 5 다섯 클립이 끝났어요. 한 폴더 안에 본인 클로드코드 환경의 DNA가 다 모였습니다.

여기까지가 "이해 단계" 였어요. 클로드코드가 어떤 재료로 구성되는지 직접 뜯어보고 만져본 시간. 다음 Part 6부터는 "제작 단계" 로 갑니다. 오늘 만든 자산들을 묶어서 본인만의 스킬로 발전시켜요. /study-progress + practice-coach + Hook + MCP를 묶은 본인 자동화 시스템이 거기서 나옵니다.

학습 워크스페이스(my-cc-study/)는 강의 끝나도 그대로 두세요. 강의 후에 본인 공부방으로 계속 키워나갈 곳이에요. 다른 컴퓨터에서 작업하고 싶을 땐 git clone 한 번이면 됩니다.

다음 Part

→ Part 6: 클로드코드 스킬 만들기 — 오늘까지 만든 자산을 본인 스킬로 묶습니다.

Part 4 Clip 3에서 받은 1~2순위와 Clip 4 바선생에서 받은 보완 영역이 Part 6 시작할 때 자동으로 불려옵니다. 이해는 끝났어요. 제작 시작합니다.

이 클립에서 배우는 것

Part 5에서 클로드코드를 뜯어봤습니다. CLAUDE.md로 작업 매뉴얼을 작성했고, 커맨드와 서브에이전트, MCP, Hook, GitHub까지 직접 다뤄봤어요. Part 6은 그 재료들을 한 단위로 묶는 방법을 배웁니다. 이 묶음을 "스킬"이라고 부릅니다.

Part 5까지가 "재료 만들기"였다면 Part 6은 그 재료를 하나로 통합하는 작업입니다. 한 번 통합해두면 평생 씁니다. 자연어 한 마디만 던지면 같은 워크플로우가 매번 동일하게 동작합니다.

이 클립은 이론 챕터입니다. 손으로 만드는 건 다음 클립부터예요. 여기서는 세 가지만 가져갑니다.

• 스킬이 정확히 무엇이고, 왜 "클로드코드의 꽃"이라 부르는지
• 본인 업무에 가져가서 얻는 세 가지 가치 — 생산성·재현성·자산화
• 스킬을 잘 만드는 사람과 못 만드는 사람을 가르는 한 줄 — "그냥 만들어줘"라고 말하지 않는 것

그다음 Part 6에서 만들 9개 실습 로드맵, Part 5에서 만든 자산이 어떻게 Part 6의 재료로 들어오는지를 이어서 봅니다.

핵심 개념

스킬은 워크플로우를 저장한 폴더입니다

스킬의 본체는 SKILL.md 한 장입니다. CLAUDE.md와 형식이 비슷한 마크다운 파일이에요. 다른 점은 언제 동작하는가입니다. CLAUDE.md는 워크스페이스 전체에서 늘 적용되는 규칙이고, 스킬은 특정 자연어 한 마디가 들어왔을 때만 깨어나는 워크플로우예요.

.claude/
└── skills/
    └── deep-research/
        ├── SKILL.md         ← 본체 (워크플로우 정의)
        ├── scripts/         ← (선택) 결정론 단계용 코드
        └── references/      ← (선택) 도메인 가이드 문서

SKILL.md 맨 위에는 description 한 줄이 있습니다. 이 줄이 호출 조건을 정합니다. "딥리서치", "깊이 조사", "여러 출처로 정리" 같은 자연어가 들어오면 클로드코드가 description을 보고 스킬을 가져옵니다. 사용자가 슬래시를 칠 필요도, 폴더 이름을 외울 필요도 없어요.

작동 흐름은 짧습니다.

사용자 자연어 한 마디
    ↓
클로드코드가 등록된 스킬들의 description 스캔
    ↓
가장 잘 맞는 스킬 1개 선택 → SKILL.md 본문 로드
    ↓
SKILL.md에 적힌 단계대로 작업 진행

설치는 워크스페이스 안에 폴더 하나 만들면 끝납니다. ~/fastcampus-cc/.claude/skills/스킬이름/SKILL.md 형태예요. 이 폴더만 다른 컴퓨터로 옮기면 같은 스킬이 그대로 동작합니다.

왜 "클로드코드의 꽃"이라 부르는가 — 3 가치

스킬을 클로드코드의 꽃이라 부르는 이유는 한 가지예요. 본인 업무에 가져갔을 때 효과가 가장 큰 단위라서. 그 효과를 세 갈래로 풀어볼게요.

생산성 — 30분 걸리던 작업이 5분으로 줄어듭니다.

같은 프롬프트를 매번 새로 짜본 경험 있으신가요? 매일 똑같은 반복 업무를 이제는 스킬로 만들어 자동화하세요. Part 06 마지막 챕터에서 만들 콘텐츠 파이프라인을 예로 들면, 리서치·이미지·HTML·음성·영상까지 6단계를 한 번에 만듭니다. 따로따로 했을 때 30분 걸리던 일이 이젠 5분이면 끝낼 수 있어요.

재현성 — 같은 입력에 같은 결과가 나옵니다.

AI에게 같은 일을 시켜도 매번 조금씩 결과가 다릅니다. 단어 선택이 달라지고, 어떤 항목은 빠지기도 해요. 스킬은 단계마다 AI에게 맡길지 스크립트로 빼둘지를 나눌 수 있어서, 자유도와 안정성을 같이 잡습니다. API 호출이나 JSON 파싱처럼 답이 정해진 단계는 스크립트로 빼고, 해석이나 요약처럼 자유도가 필요한 단계는 SKILL.md 본문에 둡니다.

자산화 — 노하우가 팀에 남습니다.

머리로만 생각하고 끝나는 워크플로우는 금방 사라집니다. 생각한 걸 자산으로 만들어야 의미가 있어요. 그래서 스킬이 가치가 있다고 생각합니다. 스킬은 본인 작업 순서를 마크다운 한 장에 저장한 형태라서, 팀원이 같은 폴더를 받아 쓰면 본인 노하우가 그대로 재현됩니다. 시간이 지나면 한 사람이 만든 스킬이 팀 전체 표준 작업이 되기도 합니다.

셋 중 무엇이 먼저 와닿는지는 사람마다 다릅니다. 마케팅 일을 하는 분은 생산성, 운영 담당자는 재현성, 컨설팅 일을 하는 분은 자산화를 먼저 본다는 식이에요.

메타 흐름 — "그냥 만들어줘"는 안 통합니다

스킬을 잘 만드는 사람과 못 만드는 사람 차이는 첫 프롬프트 한 줄에서 갈립니다.

나쁜 시작: "딥리서치 스킬 만들어줘"
좋은 시작: "어떤 주제에 대해 깊이 조사해서 정리하려는데,
          어떻게 워크플로우를 구성해야 할까?"

차이가 작아 보이지만 결과는 크게 갈려요. 앞 문장은 클로드코드가 곧장 SKILL.md를 쓰기 시작합니다. 본인이 그동안 알고 있던 "딥리서치"의 한계가 그대로 반영됩니다. 뒤 문장은 클로드코드가 먼저 "딥리서치를 어떻게 하는지" 그 자체를 조사합니다. 다관점 출처 수집, 교차 검증, 종합, 출처 명시 같은 단계가 펼쳐져요. 그중에 본인이 모르던 단계가 들어옵니다.

그래서 Part 6의 모든 실습은 4단계 메타 흐름을 따릅니다.

[1단계] 워크플로우 잡기 (방법론 조사)
   "[하려는 일] 만들려는데, 어떻게 워크플로우를 구성해야 할까?"

[2단계] 보완 + 실행 가능 단계 정의
   정리된 단계들 같이 살펴보고 보완
   → AI에게 맡길 단계와 코드로 분리할 단계를 여기서 구분

[3단계] 스킬로 만들기
   정의된 흐름을 SKILL.md로 정리

[4단계] 만든 스킬로 테스트·검증
   실제로 호출해서 description 매칭 + 결과 확인 + 부족한 부분 손보기

이 흐름이 9개 실습 모두에 들어 있습니다. 같은 흐름을 9번 반복하는 이유는 단순해요. Part 6을 마친 뒤 본인 일에 새 스킬을 만들 때, 이 4단계가 손에 익어야 하기 때문입니다. SKILL.md 작성 자체는 클로드코드가 합니다. 본인이 가져가야 할 건 "어떻게 시작 프롬프트를 던질까"입니다.

Part 6 로드맵 — 9개 실습

3개 챕터로 묶여 있어요. 챕터마다 결이 다릅니다.

CH 01 — 스킬 입문 (3 실습)

스킬 만들기 자체를 익히는 구간입니다. 처음엔 정석으로 손수 만들어보고, 그다음 본인이 만든 v1을 잘 짜여진 풀스펙 스킬과 비교해 개선해보고, 마지막엔 도구를 써서도 만들어봅니다.

Clip 2가 가장 중요해요. 손으로 한 번 만들어봐야 다음부터 어떤 사이클로 디벨롭할지 감이 잡힙니다.

CH 02 — API 활용 (2 실습)

외부 API를 스킬에 끼우는 구간입니다. 여기서 스크립트 분리 패턴을 처음 다뤄요. SKILL.md 본문은 AI가 매번 해석하는 영역이고, API 호출 같은 결정론 단계는 Python/Bash 스크립트로 따로 빼는 방식입니다.

키는 강의 워크스페이스 루트 ~/fastcampus-cc/.env에 한 줄씩 보관합니다. .gitignore에 등록돼 있고, Part 5에서 만든 trash-guard hook이 안전장치예요.

CH 03 — 업무 자동화 (4 실습)

본인 업무에 그대로 가져갈 가능성이 가장 높은 4개 실습입니다.

이 4개는 본인 일에 가까운 1~2개만 골라 만들어도 충분합니다. 9개 모두 만드는 게 목표가 아니에요.

Part 5 → Part 6 자산 사슬

Part 5에서 만든 자산이 Part 6 어디서 어떻게 다시 쓰이는지 미리 봅니다. 같은 재료를 다시 만들 필요 없이 가져다 쓰면 됩니다.

Part 5를 한 번 거친 분은 이 사슬이 그대로 손에 잡혀요. 건너뛴 분도 Part 6은 따라올 수 있습니다. 다만 GWS CLI가 필요한 Clip 9는 Part 5 실습 20을 먼저 보고 오는 게 매끄럽습니다.

결과물 저장 규칙

Part 5와 같은 규칙입니다. 두 곳에 나눠 저장됩니다.

강의 워크스페이스 (활성 스킬)
└── ~/fastcampus-cc/.claude/skills/{스킬이름}/SKILL.md
    → 호출 즉시 동작하는 본체

학습 결과물 (진도 + 원본 사본)
└── ~/fastcampus-cc/50-my-work/Part06-스킬만들기/실습{NN}-{제목}/
    ├── README.md                  ← 진도 메타 (자동 작성)
    └── skill-source/SKILL.md      ← 만든 스킬의 원본 사본

활성 스킬은 .claude/skills/ 하위에 있어야 클로드코드가 발견합니다. 50-my-work/ 안의 사본은 진도 기록용이에요. 두 곳에 같은 파일이 있다고 헷갈리지 않으셔도 됩니다. 한쪽은 동작용, 한쪽은 기록용입니다.

각 클립을 끝낼 때 완료 또는 /wrap을 입력하면 스킬이 알아서 정리합니다. README.md 생성, progress.json 업데이트, 다음 클립 안내까지 한 번에 챙겨줘요.

자주 막히는 포인트

이론 챕터라 만지는 게 없어서 막힐 일은 적지만, 다음 클립으로 가기 전에 미리 짚어둘 게 있어요.

다음 클립

→ Part 6 / Clip 2: 딥리서치 스킬 직접 만들기

다음 클립부터 진짜로 만집니다. 첫 스킬은 deep-research예요. 메타 흐름 4단계를 손으로 한 번 굴려보면서 본인 첫 스킬을 만들고, 김밥 맛집 주제로 호출해서 결과까지 확인합니다.

이 클립에서 만드는 것

본인 손으로 처음 만드는 스킬이에요. 이름은 deep-research. 어떤 주제를 입력하면 여러 출처에서 자료를 모아 한 장으로 정리해주는 워크플로우입니다.

다만 결과물만 보고 끝나면 의미가 적어요. 메타 흐름 4단계를 손으로 한 바퀴 굴려보는 게 진짜 목적입니다. Part 6의 9개 실습이 모두 같은 4단계를 반복하므로, Clip 2에서 손에 익혀두면 나머지 8개는 같은 박자로 따라옵니다.

전과 후의 차이는 이렇습니다.

• 새 스킬을 만들 때 "딥리서치 스킬 만들어줘" 같은 명령형 대신, "워크플로우를 어떻게 구성해야 할까?"로 시작하는 습관이 생깁니다.
• AI에게 맡길 단계와 본인이 정해야 할 단계를 구분하는 감이 잡힙니다.
• 강의 워크스페이스 안에 본인 자산 스킬 폴더 하나가 처음 생깁니다 — 이름은 deep-research.

이번 클립에서 할 일은 네 단계입니다. 워크플로우 조사 → 단계 보완 → SKILL.md 작성 → 호출 테스트. 마지막에 김밥 맛집 주제로 호출해서 결과까지 확인합니다.

핵심 개념

메타 흐름 4단계 — 왜 "그냥 만들어줘"가 안 통하나

스킬을 만들 때 첫 프롬프트를 어떻게 던지느냐에 따라 결과의 깊이가 갈립니다. 두 가지를 비교해 보세요.

나쁜 시작
"딥리서치 스킬 만들어줘"
→ 클로드코드가 곧장 SKILL.md를 쓰기 시작
→ 본인이 그동안 알고 있던 "딥리서치"의 한계가 그대로 반영됨

좋은 시작
"어떤 주제에 대해 깊이 조사해서 정리하려는데,
 어떻게 워크플로우를 구성해야 할까?"
→ 클로드코드가 먼저 "딥리서치를 어떻게 하는지" 그 자체를 조사
→ 다관점 출처 수집, 교차 검증, 종합, 출처 명시 같은 단계가 펼쳐짐
→ 그중에 본인이 모르던 단계가 들어옴

차이는 한 문장이지만 결과는 크게 갈립니다. 좋은 시작은 본인 머릿속 한계를 넘어서는 단계를 끌어와줘요. 그래서 이번 클립부터 9개 실습 모두 같은 4단계를 따릅니다.

[1단계] 워크플로우 잡기 (방법론 조사)
   "[하려는 일] 만들려는데, 어떻게 워크플로우를 구성해야 할까?"

[2단계] 보완 + 실행 가능 단계 정의
   정리된 단계를 같이 살펴보고 보완
   → AI에게 맡길 단계와 코드로 분리할 단계를 여기서 구분

[3단계] 스킬로 만들기
   정의된 흐름을 SKILL.md로 정리

[4단계] 만든 스킬로 테스트·검증
   실제로 호출해서 description 매칭과 결과 확인 + 부족한 부분 손보기

이 4단계가 손에 익으면 Part 6을 마친 뒤에도 본인 일에 새 스킬을 만들 때 같은 박자로 시작할 수 있습니다. SKILL.md 작성 자체는 클로드코드가 합니다. 본인이 챙겨야 할 건 시작 프롬프트뿐이에요.

스킬 폴더 구조 — ~/fastcampus-cc/.claude/skills/

만들어진 스킬은 강의 워크스페이스 안에 폴더 한 장으로 떨어집니다.

~/fastcampus-cc/.claude/skills/
└── deep-research/
    └── SKILL.md         ← 본문 (description + 워크플로우 정의)

SKILL.md 맨 위에 description 한 줄이 있어야 클로드코드가 호출 시 매칭합니다. "딥리서치", "깊이 조사", "여러 출처로 종합" 같은 자연어 키워드를 description에 넉넉히 넣어두면, 사용자가 어떤 표현으로 부르든 같은 스킬이 발동돼요.

v1만 만든다 — 완성은 다음 클립에서

오늘 만들 결과물은 본인 v1입니다. 미리 만들어둔 풀스펙 스킬과는 아직 차이가 큽니다. 출처가 부족할 수도 있고, 인터랙티브 질문이 빠질 수도 있어요.

괜찮습니다. 본인 v1을 한 번 만들어야 Clip 3에서 풀스펙과 비교했을 때 본인이 놓친 단계가 보입니다. 처음부터 완벽하게 만들려고 하지 마세요.

진행 흐름

1. /part06 호출 → Clip 2 선택

강의 워크스페이스에서 클로드코드를 켜고 시작합니다.

/part06

스킬이 진도를 확인하고 클립 선택지를 띄웁니다. Clip 2를 선택하면 작업 폴더가 자동으로 준비돼요.

✓ ~/fastcampus-cc/50-my-work/Part06-스킬만들기/실습23-딥리서치스킬/ 준비 완료
✓ ~/fastcampus-cc/.claude/skills/ 준비 완료

진도 폴더는 결과물 기록용이고, .claude/skills/는 만든 스킬이 활성화될 자리입니다. 두 폴더가 분리돼 있는 이유는 Clip 1의 결과물 저장 규칙에서 짚었던 그대로예요.

2. STEP 1 — 워크플로우 잡기

클로드코드 세션에서 명령형 대신 의문문으로 시작합니다.

어떤 주제에 대해 깊이 조사해서 정리하려는데,
어떻게 워크플로우를 구성해야 할까?

클로드코드가 "딥리서치를 어떻게 하는지"를 직접 조사합니다. 1~2분 정도 걸려요. 정리된 단계는 보통 이런 모습입니다.

1. 주제 키워드 분해 (하위 키워드 — 지역·종류·후기·가격·트렌드 등)
2. 다관점 출처 수집 (블로그·SNS·뉴스)
3. 교차 검증 (충돌 정보 식별)
4. 종합 (핵심 한 줄 + 카테고리별 정리 + 한계 명시)
5. 한국어 정리 + 출처 명시

조사 결과에 따라 단계 수와 내용은 조금씩 달라집니다. 5단계가 7단계가 될 수도 있고, 항목 이름이 바뀔 수도 있어요. 그게 정상입니다.

3. STEP 2 — 보완 + 실행 가능 단계 정의

정리된 단계를 보면 한두 개는 개선할 부분이 보입니다. 예를 들어 "교차 검증"이 너무 모호하거나, "출처 명시" 단계가 빠져 있을 수 있어요.

정리된 단계들 보니까 좋은데, 두 가지만 보완하면 좋겠어.
1) 한국 사이트 가중치(블로그·디시·네이버 카페) 추가
2) 모은 자료에서 충돌 정보 발견 시 어떻게 처리할지 명시

클로드코드가 단계를 다듬어줍니다. 이때 AI에게 맡길 단계와 본인이 정해야 할 단계를 구분해두면 됩니다.

• AI에게 맡길 단계: 자료 수집, 종합, 정리 — 매번 다른 결과가 나와도 OK인 부분
• 본인이 정해야 할 단계: 키워드 분해 방식, 출처 가중치, 출력 형식 — 매번 같은 규칙으로 동작해야 하는 부분

Clip 2에서는 모든 단계를 SKILL.md 본문에 자연어로 적습니다. 결정론 코드 분리(스크립트로 빼는 패턴)는 CH02 Clip 5부터 제대로 다뤄요.

4. STEP 3 — SKILL.md로 스킬화

이제 클로드코드한테 SKILL.md 작성을 부탁합니다.

지금 정의한 워크플로우를 SKILL.md로 정리해줘.
- 위치: ~/fastcampus-cc/.claude/skills/deep-research/SKILL.md
- description에 "딥리서치", "깊이 조사", "심층 조사", "여러 출처 종합" 키워드 넣기
- 워크플로우 단계를 그대로 본문에 옮기기
- 한국어로 답변 + 결과물은 ~/fastcampus-cc/50-my-work/Part06-스킬만들기/실습23-딥리서치스킬/{주제}-{날짜}.md 에 저장

저장이 끝나면 안티그래비티 에디터에서 새로 생긴 SKILL.md를 한 번 열어보세요. description 한 줄과 본문에 단계가 그대로 들어가 있어야 합니다.

스킬은 클로드코드 세션 시작 시 로드돼요. 새 스킬을 만든 직후엔 /exit 후 다시 claude로 켜야 인식됩니다.

exit
claude

5. STEP 4 — 만든 스킬로 테스트·검증

재시작한 세션에서 자연어로 호출합니다.

전국 김밥 맛집에 대해 깊이 리서치해줘

description이 매칭되면 deep-research 스킬이 발동되면서 SKILL.md에 적힌 단계대로 작업이 시작됩니다. 진행 중에 클로드코드가 어떤 단계를 어떻게 수행하는지 보세요.

결과는 두 파일로 떨어집니다.

• 실습23-딥리서치스킬/김밥맛집-{날짜}.md — 본인 v1 스킬의 산출물
• 실습23-딥리서치스킬/김밥-검증.md — 호출이 잘 됐는지 확인 메모 (직접 작성)

검증 메모에는 두 가지를 적어두세요.

1. description 매칭 확인 — "전국 김밥 맛집" 입력에 deep-research가 자동 발동됐나?
2. 결과물 만족도 — 어떤 단계가 약했나? 출처가 적었나? 정리가 거칠었나?

이 메모가 Clip 3의 비교·개선 사이클에서 출발점이 됩니다.

6. 본인 v1의 한계 인식 + Clip 3 예고

만든 결과물을 보면 부족한 부분이 보일 거예요. 예를 들면 이런 것들.

• 출처가 5~10개 정도로 적다 — 풀스펙 스킬은 80개+ 출처를 모음
• 멀티에이전트 패턴이 없다 — 한 번에 한 가지만 조사
• 결과물이 단일 마크다운 한 장 — 풀스펙은 세션 폴더 + 인터랙티브 질문 포함

괜찮습니다. 본인 v1의 한계를 직접 본 게 오늘의 핵심 수확입니다. Clip 3에서는 이 v1과 미리 만들어둔 풀스펙 스킬을 같은 폴더에 모아놓고 5관점에서 비교합니다. 본인이 놓친 단계가 시각적으로 드러나요.

결과물

이번 클립이 끝나면 세 가지가 남습니다.

강의 워크스페이스에서 완료 또는 /wrap을 입력하면 스킬이 정리합니다. progress.json의 practice_completed에 "실습 23"이, skills_created에 "deep-research"가 자동으로 기록돼요. README.md도 자동 생성됩니다.

학습 워크스페이스 자산은 Clip 1 — 결과물 저장 규칙과 동일한 두 곳 구조로 들어갑니다. 활성 스킬은 .claude/skills/, 진도 기록은 50-my-work/ 안.

자주 막히는 포인트

다음 클립

→ Part 6 / Clip 3: deep-research v1 분석·비교·개선 → v2

다음 클립에서는 오늘 만든 v1을 풀스펙 스킬과 같은 폴더에 모아놓고 비교합니다. 5관점(출처 수, 멀티에이전트, 세션 폴더, 산출 형식, 인터랙티브 질문)에서 차이를 분석한 뒤, 본인 SKILL.md에 손으로 1~2가지 개선을 더해 v2로 만들어요. 스킬은 한 번 만들고 끝이 아니라 라이프사이클이라는 메시지의 첫 적용입니다.

이 클립에서 만드는 것

Clip 2에서 만든 deep-research v1이 있습니다. 이번 클립에서는 그 v1을 같은 폴더에 풀스펙 스킬과 모아놓고 비교한 뒤, 부족한 부분 1~2가지를 본인 손으로 SKILL.md에 추가해 v2로 만듭니다.

여기서 중요한 건 결과물 자체가 아니라 사이클이에요. 스킬은 한 번 만들면 끝이 아니라 라이프사이클이라는 메시지를 손으로 한 번 굴려보는 거죠. v1 → v2 → v3로 이어지는 패턴이 손에 익으면, 강의를 끝낸 뒤 본인 일에 만든 스킬도 같은 방식으로 다듬을 수 있습니다.

전과 후의 차이는 이렇습니다.

• 같은 김밥 주제로 v1과 풀스펙을 같은 폴더에 펼쳐놓고 본인 눈으로 차이를 봅니다. 출처 수, 멀티에이전트, 인터랙티브 질문 같은 단계가 시각적으로 드러나요.
• 본인 SKILL.md를 직접 텍스트 에디터로 열어 한두 줄 손봅니다. Part 5에서 설정한 trash-guard hook이 자동으로 백업해줘서, 잘못 만져도 복원이 됩니다.
• 같은 주제로 v2를 호출해 Before/After를 한 화면에서 비교합니다. 5분짜리 디벨롭의 효과가 명확히 보여요.

이번 클립에서 할 일은 다섯 단계입니다. 폴더에 두 결과 모아놓기 → 본인 SKILL.md 구조 분석 → 5관점 비교 → SKILL.md 손으로 v2 작성 → v2 호출.

핵심 개념

"라이프사이클" — Clip 2가 만들기 전 사이클이면, Clip 3는 만든 후 사이클

스킬은 v1 한 번 만들고 끝이 아닙니다. 처음 만든 v1에는 아직 부족한 부분이 남아 있어서, 한 번 굴려보면 보강할 단계가 드러나요. 그 부족한 부분을 SKILL.md에 손으로 추가하면 v2가 됩니다.

[Clip 2 메타 흐름]                 [Clip 3 라이프사이클]
                                  
워크플로우 잡기                    v1 ↔ 풀스펙 폴더에 모아놓기
   ↓                                 ↓
보완 + 단계 정의                   본인 SKILL.md 구조 분석
   ↓                                 ↓
SKILL.md 작성 (v1)                 5관점 비교
   ↓                                 ↓
호출 테스트                        SKILL.md 손으로 디벨롭 (v2)
                                     ↓
                                  v2 호출 + Before/After

같은 4단계 아니냐 싶을 수 있지만 결이 다릅니다. Clip 2는 "내가 모르는 단계까지 끌어오는" 사이클이고, Clip 3는 "이미 있는 것을 개선하는" 사이클입니다. 둘 다 손에 익혀두면 본인 일에 만든 스킬도 시간이 지나면서 자연스럽게 진화합니다.

별도 폴더 패턴 — 같은 폴더에 두 결과 모아놓기

비교를 손쉽게 하려면 두 결과를 한 폴더에 펼쳐놓는 게 가장 빠릅니다. 폴더 구조는 이렇게 갑니다.

~/fastcampus-cc/50-my-work/Part06-스킬만들기/
└── 실습24-스킬분석개선/
    ├── 본인-v1-결과/
    │   └── 김밥맛집-{날짜}.md          ← Clip 2 산출이 자동 복사됨
    ├── 풀스펙-참고-결과/
    │   └── 전국_김밥_맛집_{날짜}/      ← 풀스펙 deep-research 호출 결과
    ├── 구조-분석.md
    ├── 비교-분석.md (5관점)
    ├── deep-research-v2-SKILL.md       ← v2 백업 사본
    └── 김밥맛집-v2-{날짜}.md           ← v2 호출 결과

/part06 Clip 3 자동 셋업이 위 폴더와 Clip 2 산출 복사까지 처리해줍니다. 본인이 직접 cp 같은 명령을 입력하지 않아도 됩니다.

5관점 비교 — 출처 / 멀티에이전트 / 세션 폴더 / 산출 형식 / 인터랙티브

본인 v1과 풀스펙 결과를 같은 폴더에서 본 다음, 다섯 가지 관점에서 차이를 짚습니다.

모든 5관점을 본인 v2에 다 적용할 필요는 없습니다. 본인 일에 가장 영향이 큰 1~2가지만 골라 추가하세요. 풀스펙을 그대로 베끼는 게 목표가 아닙니다. 본인이 다음에 굴릴 때 부족했던 단계를 채우는 게 목표예요.

풀스펙은 어디서 가져오나 — gptaku-plugins 마켓플레이스

비교 대상이 되는 풀스펙 deep-research 스킬은 gptaku-plugins 마켓플레이스에서 받습니다. 외부 플러그인 모음이라 한 번 등록해두면 다음 클립에서도 같이 씁니다.

/plugin marketplace add fivetaku/gptaku_plugins
/plugin install deep-research@gptaku-plugins

설치 후 클로드코드 재시작하면 /deep-research 슬래시 커맨드로 풀스펙 스킬을 호출할 수 있어요.

진행 흐름

1. /part06 호출 → Clip 3 선택

강의 워크스페이스에서 클로드코드를 시작하고 Clip 3를 선택합니다.

/part06

자동 셋업이 다음을 처리해줍니다.

✓ clip-02 deep-research v1 확인됨
✓ 실습23 v1 산출 1개 → 본인-v1-결과/ 복사 (원본 보존)
✓ 풀스펙 deep-research 플러그인 확인됨 — 비교 대상
✓ trash-guard hook 확인됨
✓ 진도 폴더 + 비교 폴더 패턴 (본인-v1-결과 / 풀스펙-참고-결과) 준비 완료

풀스펙 플러그인이 미설치 상태면 안내가 뜹니다. 한 줄 명령으로 설치 후 다시 /part06 Clip 3를 호출하세요.

2. STEP 1 — 풀스펙 결과를 같은 폴더에 모아놓기

풀스펙 deep-research를 호출하면서 출력 경로를 같은 비교 폴더로 지정합니다.

전국 김밥 맛집 주제로 딥리서치 해줘.
결과는 ~/fastcampus-cc/50-my-work/Part06-스킬만들기/실습24-스킬분석개선/풀스펙-참고-결과/
에 저장해줘.

5~10분 정도 걸려요. 진행 중에 어떤 단계가 풀스펙에서 실행되는지 화면을 한 번 봐두세요. 키워드 분해, 병렬 출처 수집, 인터랙티브 질문 같은 단계가 보입니다.

완료 후 안티그래비티에서 비교 폴더를 열면 두 결과가 나란히 보입니다.

실습24-스킬분석개선/
├── 본인-v1-결과/김밥맛집-{날짜}.md
└── 풀스펙-참고-결과/전국_김밥_맛집_{날짜}/

3. STEP 2 — 본인 SKILL.md 구조 분석

본인이 Clip 2에서 만든 ~/fastcampus-cc/.claude/skills/deep-research/SKILL.md를 클로드코드한테 분석시킵니다.

내가 만든 ~/fastcampus-cc/.claude/skills/deep-research/SKILL.md
구조를 분석해서 약점을 지적해줘.
결과는 ~/fastcampus-cc/50-my-work/Part06-스킬만들기/실습24-스킬분석개선/구조-분석.md
에 저장해줘.

구조-분석.md에는 description, 워크플로우 단계 수, 결과물 저장 규칙 같은 항목별 평가가 한 장으로 정리됩니다.

4. STEP 3 — 5관점 비교

이제 v1 결과와 풀스펙 결과를 5관점에서 비교합니다.

본인-v1-결과/김밥맛집-{날짜}.md 와
풀스펙-참고-결과/전국_김밥_맛집_{날짜}/ 산출물을
다섯 관점에서 비교해줘.

관점:
1) 출처 수와 출처 다양성
2) 멀티에이전트 / 병렬 처리 여부
3) 세션 폴더 vs 단일 파일
4) 산출 형식 (마크다운만? HTML 추가?)
5) 호출 시 인터랙티브 질문 여부

결과는 비교-분석.md 에 표 형식으로 저장.

비교-분석.md를 보면 본인 v1에서 어느 칸이 비어 있는지 한눈에 들어와요. 다섯 칸 중 부족한 게 34개일 텐데, 다 채우려고 하지 마세요. **본인 일에 가장 영향이 큰 12가지만** 다음 단계로 가져갑니다.

5. STEP 4 — SKILL.md 손으로 디벨롭 → v2

가져갈 개선 1~2가지를 정했으면, 클로드코드한테 SKILL.md를 손봐달라고 요청합니다.

~/fastcampus-cc/.claude/skills/deep-research/SKILL.md를 다음 두 가지 개선과 함께 v2로 디벨롭해줘.

1) 호출 시 인터랙티브 질문 추가
   - 정렬 기준 (최신순/관련도순)
   - 출처 가중치 (한국 블로그 위주 / 글로벌 위주 / 둘 다)

2) 결과물에 출처 카테고리 헤더 추가
   - 블로그 / 뉴스 / SNS / 커뮤니티 별로 묶기

수정 전에 백업 떠두기 — trash-guard hook이 자동으로 떠줘.
디벨롭한 SKILL.md 사본을 ~/fastcampus-cc/50-my-work/Part06-스킬만들기/실습24-스킬분석개선/deep-research-v2-SKILL.md 에 저장.

trash-guard hook이 SKILL.md를 수정하기 전에 자동으로 .bak.YYYYMMDD-HHMMSS 백업을 떠줍니다. 만약 v2가 더 안 좋아지면 백업으로 되돌리면 돼요.

6. STEP 5 — v2 호출 + Before/After

스킬이 수정됐으니 클로드코드를 재시작한 뒤 같은 주제로 v2를 호출합니다.

exit
claude

전국 김밥 맛집에 대해 깊이 리서치해줘

이번엔 인터랙티브 질문이 먼저 뜨고, 답변에 따라 결과물이 달라집니다. 출처 카테고리 헤더도 들어가요.

결과를 실습24-스킬분석개선/김밥맛집-v2-{날짜}.md로 저장하고, Clip 2의 v1 결과(본인-v1-결과/김밥맛집-{날짜}.md)와 같은 화면에 펼쳐서 차이를 봅니다.

5분짜리 디벨롭으로 결과물의 깊이가 얼마나 바뀌는지 한눈에 들어와요. 이게 라이프사이클의 첫 한 바퀴입니다.

결과물

이번 클립이 끝나면 아래가 남습니다.

완료 또는 /wrap을 입력하면 progress.json의 practice_completed에 "실습 24"가 추가됩니다. 비교·개선 사이클은 메타 작업이라 skills_created에는 새 항목이 들어가지 않아요. deep-research는 그대로 v2로 진화한 상태입니다.

자주 막히는 포인트

다음 클립

→ Part 6 / Clip 4: skillers-suda — 스킬 만들기 자체를 자동화한 도구

다음 클립에서는 손으로 SKILL.md를 짜는 대신, 인터뷰 한 번으로 스킬을 자동 생성해주는 도구를 써봅니다. Clip 2의 메타 흐름을 손으로 한 번, Clip 4의 자동화 도구로 한 번. 두 방식을 다 익혀두면 새 아이디어가 떠올랐을 때 어느 쪽으로 갈지 본인이 선택할 수 있어요.

이 클립에서 만드는 것

Clip 2에서는 메타 흐름 4단계를 손으로 굴려서 deep-research v1을 만들었어요. 이번엔 그 4단계를 인터뷰 흐름으로 자동화한 도구를 써봅니다. 이름은 skillers-suda — 네 명의 전문가 AI가 아이디어 분석가·스킬 작가·검증자·통합자 역할로 수다를 떨면서 SKILL.md를 자동 생성해줍니다.

이 클립은 두 부분으로 갈라집니다.

• 1부 도구 설명 — skillers-suda가 어떻게 동작하는지, 왜 만들어졌는지, 어떤 상황에 적합한지 살펴봅니다.
• 2부 활용 — 본인 업무에 가까운 주제 한 줄을 정해서, skillers-suda로 두 번째 스킬을 직접 생성합니다.

2부에서 어떤 스킬을 만들지는 본인이 정합니다. 예를 들어 영업 일을 하는 분이라면 "고객사 미팅 전 사전 조사 정리", 마케팅 일을 하는 분이라면 "경쟁사 신제품 모니터링" 같은 식이에요. 김밥 맛집 같은 시연 주제 말고, 본인 일에 바로 가져갈 만한 걸 골라야 마지막에 호출했을 때 가치가 보입니다.

이번 클립에서 할 일은 여섯 단계입니다. 1부 도구 설명 → 본인 아이디어 정하기 → skillers-suda 호출 → 인터뷰 답변 → 자동 생성된 스킬 호출 → 다듬기.

핵심 개념

정석 vs 자동 — 두 방식의 비교

같은 일을 두 가지 방법으로 할 수 있을 때, 둘 다 익혀두면 상황에 따라 골라 쓸 수 있어요. Clip 2의 정석 방식과 Clip 4의 자동 방식이 그런 관계입니다.

Clip 2 정석은 구조를 이해하는 용도, Clip 4 skillers-suda는 평생 쓰는 도구입니다. 새 스킬 아이디어가 떠오를 때마다 손으로 SKILL.md를 짜기엔 부담이 크니까, 메타 흐름을 한 번 익힌 뒤로는 이 도구를 부르는 게 일상 패턴이 됩니다.

4명 전문가 AI — 누가 무엇을 하나

skillers-suda를 호출하면 한 명의 AI가 답하는 게 아니라 네 명의 역할이 순서대로 나옵니다.

[아이디어 분석가]  → 본인 한 줄 아이디어 듣고 "정확히 뭘 하고 싶은가?" 질문
       ↓
[스킬 작가]       → 분석된 의도 기반으로 워크플로우 단계 초안
       ↓
[검증자]         → 단계에 빠진 게 있는지, 모호한 표현이 있는지 검토
       ↓
[통합자]         → 최종 SKILL.md 형태로 묶어 저장

각 단계마다 본인에게 한두 가지 짧은 질문이 돌아옵니다. 답이 길 필요 없어요. 한 줄씩 답하면서 자연스럽게 메타 흐름이 인터뷰 형태로 흘러갑니다.

자동 생성된 스킬도 다듬어야 한다 — Clip 3 사이클 재사용

skillers-suda가 만든 SKILL.md가 본인 일에 100% 맞지는 않아요. 처음 호출해서 결과를 본 다음, 부족하거나 본인 일과 안 맞는 부분 1~2가지를 손으로 손봅니다. 이 단계가 Clip 3 — 라이프사이클에서 익힌 비교·개선 사이클의 재적용이에요.

자동 생성 → 다듬기로 이어지는 흐름이 손에 익으면, 본인 일에 새 스킬 만들 때마다 같은 박자로 굴릴 수 있습니다.

진행 흐름

1. /part06 호출 → Clip 4 선택

강의 워크스페이스에서 클로드코드를 시작합니다.

/part06

자동 셋업이 skillers-suda 플러그인 설치 여부를 확인합니다.

✓ skillers-suda 플러그인 확인됨
✓ 진도 폴더 준비 완료

미설치 상태면 안내가 뜹니다. 한 줄 명령으로 설치한 뒤 다시 진행하세요.

/plugin marketplace add fivetaku/gptaku_plugins
/plugin install skillers-suda@gptaku-plugins

설치 후 클로드코드 재시작이 필요합니다.

2. STEP 1 — 1부 도구 설명 (~2분)

스킬이 처음에 1부 도구 설명을 한 화면으로 띄워줍니다. 위의 "정석 vs 자동" 표와 "4명 전문가 AI" 흐름이 한 번에 보입니다.

여기서 본인에게 맞을지 판단해보세요. 만약 새 스킬 아이디어가 아직 없다면, Clip 4는 일단 도구 설명만 보고 넘어가도 됩니다. 본인 아이디어가 떠올랐을 때 다시 호출해도 결과는 같아요.

3. STEP 2 — 본인 아이디어 한 줄 정하기 (~1.5분)

어떤 스킬을 만들지 정합니다. 한 줄로 짧게 적어두면 좋아요. 예시.

- 마케팅: "경쟁사 신제품 모니터링 — 매주 출시 정보 정리"
- 영업: "고객사 미팅 전 사전 조사 — 회사 동향 + 최근 보도"
- 운영: "주간 보고용 데이터 요약 — 지표 5개 한 페이지"
- 학습: "관심 분야 새 논문 정리 — 매월 핵심 5편"

본인 일에 가장 자주 반복하는 작업 중 하나를 고르세요. 머릿속에 막연한 아이디어 상태로 적어도 괜찮습니다. 다음 단계에서 skillers-suda가 구체화를 도와줍니다.

4. STEP 3 — skillers-suda 호출 + 4명 인터뷰 시작

자연어로 호출합니다.

경쟁사 신제품 모니터링 스킬 만들고 싶어. skillers-suda 호출.

또는 슬래시 커맨드로.

/skillers-suda

호출되면 첫 번째 역할인 아이디어 분석가가 나와서 한두 가지 질문을 던집니다. 예를 들면.

[아이디어 분석가]
"경쟁사 신제품 모니터링"에서 두 가지 확인할게요.

1) 경쟁사는 미리 정해진 회사 목록입니까, 매번 자유 입력입니까?
2) 모니터링 결과는 어떻게 받고 싶으세요? (이메일 / 슬랙 / 마크다운 파일)

한 줄씩 답하면 됩니다.

5. STEP 4 — 인터뷰 답변 + 자동 생성

답변을 이어가면 스킬 작가 → 검증자 → 통합자 순서로 역할이 바뀝니다. 5~7분 동안 두세 번 정도 짧은 질문이 더 돌아오고, 마지막에 SKILL.md가 자동으로 저장돼요.

✓ ~/fastcampus-cc/.claude/skills/competitor-monitor/SKILL.md 생성 완료
✓ 실습25/skill-source/SKILL.md 사본 저장

스킬 이름은 인터뷰 답변에 따라 자동으로 정해집니다. 영문 kebab-case로 떨어져요. 마음에 안 들면 통합자 단계에서 "이름을 ~로 바꿔줘"라고 요청할 수 있습니다.

6. STEP 5 — 첫 호출 시연

스킬이 새로 생겼으니 클로드코드를 재시작한 뒤 자연어로 호출합니다.

exit
claude

이번 주 경쟁사 신제품 모니터링 돌려줘

description이 매칭되면 새 스킬이 발동되면서 SKILL.md에 적힌 단계대로 작업이 시작됩니다. 5~7분짜리 인터뷰로 만들어진 스킬이 실제 결과물까지 한 번에 굴러가는 걸 한 화면에서 보세요.

7. STEP 6 — 다듬기 (Clip 3 사이클 재사용)

첫 호출 결과를 보고 부족한 부분 1~2가지를 손으로 손봅니다. SKILL.md를 직접 열어 한두 줄 추가하거나, 클로드코드한테 부탁해도 됩니다.

방금 만든 competitor-monitor SKILL.md에서 출처 카테고리를
"공식 보도 / 외부 매체 / 커뮤니티"로 분리하는 단계 추가해줘.

Part 5에서 설정한 trash-guard hook이 SKILL.md 백업을 자동으로 떠줘서 잘못 만져도 복원이 됩니다. Clip 3 — 라이프사이클에서 익힌 비교·개선 사이클을 그대로 한 번 더 굴리는 거예요.

결과물

이번 클립이 끝나면 아래가 남습니다.

완료 또는 /wrap을 입력하면 progress.json의 practice_completed에 "실습 25"가 추가되고, skills_created에 생성된 스킬명이 들어갑니다. 이름은 본인 인터뷰 답변에 따라 가변이라 미리 정해져 있지 않아요.

자주 막히는 포인트

다음 클립

→ Part 6 / Clip 5: 공공 API 스킬 — TourAPI 여행 가이드

여기까지가 CH01 — 스킬 입문입니다. 정석 한 번, 비교·개선 한 번, 자동 도구 한 번 — 세 가지 방식으로 스킬을 만들어봤어요. 다음 클립부터는 CH02 — API 활용입니다. 외부 공공 API를 스킬에 끼우면서, SKILL.md 본문과 결정론 단계를 코드 스크립트로 분리하는 패턴을 익힙니다.

이 클립에서 만드는 것

CH01에서는 스킬 만들기 자체를 익혔어요. CH02부터는 외부 API를 스킬과 연결하는 작업이에요. 첫 번째는 공공데이터포털 TourAPI — 한국관광공사가 제공하는 무료 공공 API입니다.

만드는 스킬은 trip-advisor. "부산 여행 코스 짜줘" 같은 자연어 한 마디로 호출하면, 관광지·축제·숙박 정보를 자동으로 모아 종합 여행 가이드 한 장을 만들어줍니다. 시연은 부산 2박3일로 진행합니다.

이번 클립은 두 가지 새로운 패턴을 동시에 익혀요.

• 외부 API 키 관리 — .env 파일에 API 키 한 줄 보관. .gitignore 등록 + Part 5 trash-guard hook이 안전장치예요.
• 스크립트 분리 패턴 — SKILL.md 본문(AI 해석 영역)과 결정론 단계(API 호출, JSON 파싱)를 분리합니다. 결정론 단계는 scripts/tour_api.py로 빼서, 같은 입력에 같은 결과가 매번 나오게 보장해요.

이번 클립에서 할 일은 다섯 단계입니다. TourAPI 활용신청 → 워크플로우 잡기 → 단계 정의(AI vs 결정론) → 스킬화 + 스크립트 분리 → 부산 여행으로 호출 테스트.

핵심 개념

스크립트 분리 패턴 — AI에게 맡길 단계 vs 코드로 빼야 할 단계

SKILL.md 본문은 클로드코드가 매번 해석합니다. 단어 선택, 출력 형식, 정렬 순서가 매번 미세하게 달라져요. 자유도가 필요한 단계엔 좋지만, API 호출이나 JSON 파싱처럼 답이 정해진 단계까지 AI에 맡기면 결과가 흔들립니다.

[AI에게 맡길 단계 — SKILL.md 본문]
- 어떤 관광지를 고를지 판단
- 일정 순서 배치
- 한국어 가이드 톤으로 정리

[코드로 빼야 할 단계 — scripts/tour_api.py]
- TourAPI 엔드포인트 호출 (HTTP GET)
- 응답 JSON 파싱
- 필드명 매핑 + 빈 값 처리

같은 입력 → 같은 결과가 필요한 부분은 Python 스크립트로, 매번 다른 해석이 필요한 부분은 SKILL.md 본문으로. 이 구분은 CH02부터 CH03까지 5개 스킬에서 계속 반복돼요. Clip 5에서 손에 익혀두면 나머지 스킬들이 같은 패턴으로 따라옵니다.

TourAPI 5 액션 — 한 스크립트가 다섯 가지 일을 함

tour_api.py는 다섯 가지 액션을 처리합니다.

스크립트 하나에 다섯 함수를 다 넣어도 되고, 액션별 파일로 분리해도 됩니다. 클로드코드한테 부탁할 때 "5 액션을 하나의 tour_api.py에 담아줘"라고 명시하면 됩니다.

API 키는 .env에 — 절대 SKILL.md에 박지 마세요

TourAPI 키처럼 비밀번호 격인 값은 SKILL.md나 스크립트에 직접 박으면 위험해요. 깃에 올라가는 순간 노출됩니다. 강의 워크스페이스에선 다음 위치에 한 줄로 보관합니다.

~/fastcampus-cc/.env
─────────────────────────
TOURAPI_SERVICE_KEY=발급받은_키_여기에

.gitignore에 이미 .env가 등록돼 있어서 깃엔 안 올라가요. Part 5 Clip 4에서 만든 trash-guard hook이 추가 안전장치 역할을 합니다 — .env를 실수로 삭제·덮어쓰기 하려고 하면 자동 차단됩니다.

Python 스크립트는 os.getenv("TOURAPI_SERVICE_KEY")로 값을 읽어 씁니다.

사전 준비 — TourAPI 활용신청 10분 대기

TourAPI는 무료지만 키 발급에 약 10분 대기가 있어요. 이번 클립 시작할 때 신청부터 넣어두고 다른 일을 하는 게 효율적입니다.

1. https://www.data.go.kr 접속 → 회원가입
2. "TourAPI" 검색 → "한국관광공사_국문관광정보" 활용신청
3. 활용 목적 한 줄 입력 (예: 학습용)
4. 신청 후 약 10분 대기 → 자동 승인 메일 도착
5. 마이페이지 → 인증키(Encoding) 복사

대기하는 동안 본 챕터의 핵심 개념 부분을 미리 읽거나, Clip 4에서 만든 다른 스킬을 다듬어도 됩니다.

진행 흐름

1. /part06 호출 → Clip 5 선택 + TourAPI 신청

강의 워크스페이스에서 시작합니다.

/part06

자동 셋업이 진도 폴더와 스크립트 폴더를 준비합니다.

✓ ~/fastcampus-cc/50-my-work/Part06-스킬만들기/실습26-공공API스킬/ 준비 완료
✓ ~/fastcampus-cc/.claude/skills/trip-advisor/scripts/ 준비 완료
✓ Python requests OK

여기서 TourAPI 활용신청부터 넣어두세요. 위 "사전 준비" 안내대로 진행한 뒤, 10분 대기 동안 STEP 1로 넘어가 워크플로우를 잡습니다.

2. STEP 1 — 워크플로우 잡기

클로드코드 세션에서 의문문으로 시작합니다.

공공 API로 여행 정보 가져와서 여행 가이드 만들려는데,
어떻게 워크플로우를 구성해야 할까?

클로드코드가 단계별 워크플로우를 정리해줍니다. 보통 이런 모습이에요.

1. 지역·기간·관심사 입력 받기
2. 관광지 검색 (TourAPI keyword 액션)
3. 같은 기간 축제 조회 (TourAPI festival 액션)
4. 숙박 후보 조회 (TourAPI stay 액션)
5. 일정 순서 배치 (1일차·2일차·3일차)
6. 한국어 가이드로 종합 정리 + 출처 명시

3. STEP 2 — 보완 + AI vs 결정론 분리

이 단계에서 갈리는 건 하나예요. 어느 단계를 코드로 빼고, 어느 단계를 AI에게 맡길지 구분하는 거죠.

정리된 단계 좋은데 두 가지 보완하자.

1) TourAPI 호출 단계 2~4는 매번 같은 입력에 같은 결과가 필요해.
   Python 스크립트로 빼두자. scripts/tour_api.py에 5 액션 모두 담자.

2) 일정 배치, 한국어 정리는 매번 미세하게 다르게 나와도 OK.
   SKILL.md 본문에 자연어로 둬도 충분.

이렇게 분리하는 게 맞나?

클로드코드가 분리 안을 정리해줍니다. 다음과 같은 모습이 됩니다.

[scripts/tour_api.py] — 결정론
- keyword(query)      → 관광지 검색
- festival(area, ym)  → 축제 조회
- area(area_code)     → 지역 묶음
- stay(area_code)     → 숙박 조회
- detail(content_id)  → 상세 정보

[SKILL.md 본문] — 자유도
- 입력 받기 + 액션 호출 결정
- 결과 묶기 + 일정 배치
- 한국어 가이드 정리
- 결과물 저장 위치 명시

4. STEP 3 — 스킬화 + 스크립트 분리

이제 클로드코드한테 스킬과 스크립트를 함께 만들어달라고 요청합니다.

지금 정의한 분리 안대로 trip-advisor 스킬을 만들어줘.

위치:
- ~/fastcampus-cc/.claude/skills/trip-advisor/SKILL.md
- ~/fastcampus-cc/.claude/skills/trip-advisor/scripts/tour_api.py

SKILL.md description: "여행 가이드·여행 코스·관광지 추천·축제·숙박" 키워드 포함

tour_api.py 요건:
- 5 액션 함수 (keyword/festival/area/stay/detail)
- API 키는 os.getenv("TOURAPI_SERVICE_KEY")로 .env에서 읽기
- http:// 프로토콜 사용 (TourAPI 공식 스펙)
- 응답 JSON 파싱 + 빈 값 처리
- 액션별 CLI 호출 가능하게 argparse 추가

결과물 저장 위치: ~/fastcampus-cc/50-my-work/Part06-스킬만들기/실습26-공공API스킬/{지역}-여행가이드-{날짜}.md

생성된 파일을 안티그래비티에서 한 번 열어보세요. 스킬 폴더 안에 두 파일이 들어가 있어야 합니다.

~/fastcampus-cc/.claude/skills/trip-advisor/
├── SKILL.md
└── scripts/
    └── tour_api.py

.env에 TourAPI 키도 등록하세요. 메일로 받은 인증키를 한 줄로.

~/fastcampus-cc/.env
─────────────────────
TOURAPI_SERVICE_KEY=받은_인증키_여기에

5. STEP 4 — 부산 여행으로 호출 테스트

새 스킬을 인식시키기 위해 클로드코드를 재시작합니다.

exit
claude

부산 여행 코스 짜줘. 2박 3일 일정으로.

description이 매칭되면 trip-advisor가 발동돼요. 진행 화면에서 다음 단계가 보입니다.

1. tour_api.py keyword 호출 (부산 + 관광지)
2. tour_api.py festival 호출 (부산 + 2026년 5월)
3. tour_api.py stay 호출 (부산 숙박)
4. 일정 1·2·3일차 배치
5. 한국어 가이드 정리 → 부산-여행가이드-{날짜}.md 저장

결과 파일을 안티그래비티에서 열어보세요. 관광지 목록, 같은 기간 축제, 숙박 후보, 일정 표가 한 장에 정리돼 있어야 합니다.

6. STEP 5 — 본인 업계 공공 API 응용

TourAPI 외에도 공공데이터포털에는 같은 패턴으로 쓸 수 있는 API가 많아요.

본인 업계에 맞는 API 하나를 골라보세요. 같은 스크립트 분리 패턴으로 본인 일에 맞는 스킬을 만들 수 있습니다.

결과물

이번 클립이 끝나면 아래가 남습니다.

완료 또는 /wrap을 입력하면 progress.json의 practice_completed에 "실습 26"이, skills_created에 "trip-advisor"가 추가됩니다.

자주 막히는 포인트

다음 클립

→ Part 6 / Clip 6: 검색 API — 네이버 뉴스 → 뉴스레터 HTML

다음 클립에서는 같은 분리 패턴(scripts/)을 한 번 더 굴립니다. 이번엔 네이버 검색 API를 써서 관심 키워드 뉴스를 모은 뒤, HTML 뉴스레터 한 장으로 자동 정리해요. AskUserQuestion으로 호출 시점에 사용자에게 옵션을 물어보는 인터랙티브 패턴도 추가됩니다.

이 클립에서 만드는 것

Clip 5의 패턴을 한 번 더 굴리면서 한 단계 더 나갑니다. 외부 API + 스크립트 분리는 이미 익혔어요. 이번엔 거기에 두 가지를 얹습니다.

• AskUserQuestion 인터랙티브 — 호출 시점에 사용자에게 옵션을 물어보는 패턴. 정렬 기준(최신순/관련도순)과 시간 범위(6h/24h/48h)를 답변받아 결과를 다르게 만듭니다.
• HTML 출력 — 마크다운 한 장이 아니라 카테고리 헤더 + 모바일 반응형 디자인이 들어간 뉴스레터 한 페이지를 자동으로 만듭니다.

만드는 스킬은 naver-news. "클로드코드 뉴스레터 만들어줘" 같은 자연어 한 마디로 호출하면, 네이버 검색 API에서 관심 키워드 뉴스를 모으고 HTML 뉴스레터로 정리해줍니다.

전과 후의 차이는 이렇습니다.

• 매일 아침 네이버에 키워드 검색하던 작업이 한 마디 호출로 끝납니다.
• 본인 일에 그대로 가져가요. 마케팅은 브랜드 모니터링, PO는 경쟁 키워드, 영업은 고객사 동향. 키워드만 바꾸면 됩니다.
• (선택) 매일 자동 발행까지 가면 GitHub Pages에 누적 뉴스레터가 쌓입니다. 본인 도메인 뉴스 아카이브가 되어요.

이번 클립에서 할 일은 다섯 단계입니다 (선택 1단계 추가). 네이버 API 키 발급 → 워크플로우 잡기 → 분리 정의 → 스킬 + 스크립트 작성 → 호출 테스트 → (선택) 매일 자동 발행.

핵심 개념

Clip 5와의 공통 패턴 + 새 두 가지

같은 분리 흐름을 한 번 더 굴려보면 패턴이 손에 더 잡힙니다.

뼈대는 같습니다. 키는 .env에, 결정론 호출은 Python으로, 자유도는 SKILL.md 본문에. 새로 들어오는 두 가지(인터랙티브 + HTML)도 같은 분리 원칙을 따라요. 인터랙티브 답변 받는 단계는 SKILL.md 본문(자유도), 받은 답변으로 API 파라미터 만드는 부분은 fetch_news.py(결정론).

AskUserQuestion 2단 — 정렬과 시간 범위

뉴스 모음은 사람마다 원하는 결이 다릅니다. 최신 뉴스만 좁게 보고 싶을 수도 있고, 한 주 치 흐름을 보고 싶을 수도 있어요. 호출 시점에 두 가지를 묻습니다.

Q1: 정렬 기준?
   - 최신순 (시간 우선)
   - 관련도순 (정확도 우선)

Q2: 시간 범위? (최신순 선택 시만)
   - 6시간 이내 (속보 위주)
   - 24시간 이내 (오늘)
   - 48시간 이내 (이틀)

답변에 따라 fetch_news.py에 넘기는 파라미터가 달라집니다. 자동 모드(매일 무인 발행)에서는 AskUserQuestion이 못 뜨니까 "최신순 + 24h" 고정값으로 떨어지게 분기를 둡니다.

HTML 뉴스레터 — 카테고리 그룹핑 + 모바일 반응형

검색 결과 5개를 그냥 던지면 그건 검색이지 뉴스레터가 아니에요. 뉴스레터는 같은 키워드에 묶인 기사를 카테고리로 그룹핑하고, 트렌드 인사이트 한 줄을 곁들여야 의미가 생깁니다.

[뉴스레터 구조]
- 헤더: 키워드 + 발행일 + 통계 한 줄
- 카테고리 1: 공식 발표 / 보도자료
- 카테고리 2: 외부 매체 보도
- 카테고리 3: 커뮤니티 반응
- 푸터: 다음 호 예고 + 출처 링크

HTML 출력은 모바일 화면에서도 깨지지 않게 단순 CSS로. 클로드코드한테 "모바일 반응형, 가독성 우선"이라고만 명시하면 무난하게 떨어집니다.

사전 준비 — 네이버 개발자센터 키 발급

키 발급은 5분 정도면 끝납니다.

1. https://developers.naver.com 접속 → 로그인
2. "Application" → "애플리케이션 등록"
3. 사용 API: "검색"
4. 비로그인 오픈 API: "WEB 설정"
5. URL: http://localhost
6. 등록 → Client ID + Client Secret 복사

받은 두 값을 .env에 한 줄씩 보관합니다.

~/fastcampus-cc/.env
─────────────────────
TOURAPI_SERVICE_KEY=...        ← Clip 5에서 등록한 것
NAVER_CLIENT_ID=...
NAVER_CLIENT_SECRET=...

.gitignore에 등록돼 있어 깃엔 안 올라가요. Clip 5와 같은 위치, 같은 패턴입니다.

진행 흐름

1. /part06 호출 → Clip 6 선택 + 네이버 키 발급

강의 워크스페이스에서 시작합니다.

/part06

자동 셋업이 진도 폴더와 스크립트 폴더를 준비합니다.

✓ ~/fastcampus-cc/50-my-work/Part06-스킬만들기/실습27-검색API스킬/newsletter/ 준비 완료
✓ ~/fastcampus-cc/.claude/skills/naver-news/scripts/ 준비 완료

여기서 네이버 키 발급부터 넣어두세요. 위 "사전 준비" 안내대로 5분 정도면 끝납니다. 발급된 ID/Secret을 .env에 등록한 다음 STEP 1로.

2. STEP 1 — 워크플로우 잡기

네이버 검색 API로 키워드 뉴스 모아서 뉴스레터 만들려는데,
어떻게 워크플로우를 구성해야 할까?

정리되는 단계는 보통 이런 모습이에요.

1. 키워드 + 정렬 + 시간 범위 입력 받기
2. 네이버 검색 API 호출 (뉴스 카테고리)
3. 결과 클린업 (HTML 태그 제거, 중복 제거)
4. 시간 범위 필터 (지정 시간 이내만)
5. 카테고리 그룹핑 (공식/외부/커뮤니티)
6. HTML 뉴스레터 한 장 생성
7. 결과물 저장 (newsletter/{날짜}-{키워드}.html)

3. STEP 2 — AI vs 결정론 분리 + 인터랙티브 위치 결정

이번엔 분리 안이 한 단계 더 들어가요. AskUserQuestion 위치를 명시합니다.

정리된 단계 좋은데 분리 안 보완하자.

[fetch_news.py — 결정론]
- 네이버 API 호출
- HTML 태그 제거 (<b>, &quot; 같은 entity)
- 24h/48h/6h 시간 범위 필터링

[SKILL.md 본문 — 자유도]
- AskUserQuestion으로 정렬·시간 질문 (2단)
- 카테고리 그룹핑 판단
- 트렌드 인사이트 한 줄 정리

자동 모드 분기:
- AskUserQuestion 응답이 없는 경우 (무인 자동 모드)
  → 정렬=최신순, 시간=24h 고정값

4. STEP 3 — 스킬화 + fetch_news.py 분리

지금 정의한 분리 안대로 naver-news 스킬을 만들어줘.

위치:
- ~/fastcampus-cc/.claude/skills/naver-news/SKILL.md
- ~/fastcampus-cc/.claude/skills/naver-news/scripts/fetch_news.py

SKILL.md description: "네이버 뉴스·뉴스레터·키워드 모니터링·트렌드 정리" 키워드

fetch_news.py 요건:
- 네이버 검색 API 호출 (https://openapi.naver.com/v1/search/news.json)
- 헤더: X-Naver-Client-Id, X-Naver-Client-Secret (.env 에서 읽기)
- 파라미터: query, sort (date/sim), display (50)
- 응답 클린업: <b> 태그 제거, &quot; 같은 entity 디코드
- 시간 범위 필터링: pubDate 기준 6h/24h/48h
- JSON 형태로 결과 반환

SKILL.md 본문 요건:
- AskUserQuestion 2단 (정렬 → 시간 범위, 정렬이 관련도면 시간 질문 생략)
- 무인 모드 분기 (응답 없으면 최신순 + 24h 고정)
- 카테고리 그룹핑 (공식 보도자료 / 외부 매체 / 커뮤니티)
- HTML 뉴스레터 생성 (모바일 반응형, 가독성 우선)
- 결과물: ~/fastcampus-cc/50-my-work/Part06-스킬만들기/실습27-검색API스킬/newsletter/{YYYYMMDD}-{키워드}.html

생성된 파일을 안티그래비티에서 열어보세요. 스킬 폴더와 스크립트가 함께 들어가 있어야 합니다.

~/fastcampus-cc/.claude/skills/naver-news/
├── SKILL.md
└── scripts/
    └── fetch_news.py

5. STEP 4 — 호출 테스트 + AskUserQuestion 2단

클로드코드 재시작 후 자연어로 호출합니다.

exit
claude

클로드코드 뉴스레터 만들어줘

description이 매칭되면 첫 질문이 떠요.

Q1. 정렬 기준?
1) 최신순
2) 관련도순

답하면 두 번째 질문 (최신순일 때만).

Q2. 시간 범위?
1) 6시간 이내
2) 24시간 이내
3) 48시간 이내

답하면 스크립트가 굴러가면서 newsletter/{YYYYMMDD}-클로드코드.html 파일이 떨어집니다. 브라우저에서 열어 결과를 봅니다.

open ~/fastcampus-cc/50-my-work/Part06-스킬만들기/실습27-검색API스킬/newsletter/{YYYYMMDD}-클로드코드.html

카테고리 헤더, 모바일 가독성, 인사이트 한 줄이 다 들어가 있어야 합니다.

6. STEP 5 — 본인 키워드로 응용

클로드코드 키워드는 시연용. 본인 일에 가져갈 키워드를 한 번 더 호출해보세요.

[마케팅] "본인 브랜드명" 또는 경쟁사명
[PO]    "본인 제품 카테고리" + "트렌드"
[영업]   "고객사명" 또는 "업계 키워드"
[학습]   "관심 분야" + "최신"

같은 스킬에 키워드만 바꾸면 됩니다. 매번 새로 만들 필요가 없어요.

7. (선택) STEP 6 — 매일 자동 발행 + GitHub Pages

여기까지가 이번 클립의 핵심이고, 더 응용하고 싶은 분만 STEP 6으로 갑니다.

자동 발행 흐름은 네 가지로 나뉩니다.

① index.html 누적 로직 — 매일 새 HTML 한 장이 떨어지면, newsletter/index.html에 그 날짜 링크 한 줄을 맨 위에 추가합니다. 시간이 지나면 자연스럽게 누적 목록이 쌓여요.

② GitHub Pages 켜기 — 강의 워크스페이스 GitHub repo(Part 5 Clip 5에서 만든)의 Settings → Pages → Source = main 으로 설정. newsletter/ 폴더가 웹에서 보이게 됩니다.

https://{본인-깃허브-아이디}.github.io/{repo}/newsletter/index.html

③ 클라우드 환경변수 — /schedule로 등록하는 루틴은 로컬 .env를 못 봅니다. 클라우드 환경변수로 NAVER_CLIENT_ID, NAVER_CLIENT_SECRET을 따로 등록해야 해요.

④ /schedule 루틴 등록 — 매일 정해진 시간에 자동 호출.

/schedule 매일 오전 8시에 "클로드코드 뉴스레터 만들어줘. 결과 newsletter/에 저장하고 깃허브에 푸시" 실행

루틴이 등록되면 매일 아침 자동으로 HTML이 생성되고, GitHub Pages에 푸시까지 됩니다. 브라우저에서 본인 도메인 뉴스 아카이브를 매일 받아볼 수 있어요.

결과물

이번 클립이 끝나면 아래가 남습니다.

완료 또는 /wrap을 입력하면 progress.json의 practice_completed에 "실습 27"이, skills_created에 "naver-news"가 추가됩니다.

자주 막히는 포인트