진짜 되는 중

샤프 지수(수익곡선 커브)가 지금까지 만든 것 중에 제일 이쁘네요.

3일 후에 한번 더 리포트할게요. 😃

아직 학습이 다 된게 아니고,
추가 개선 여지가 남아서 흥분됩니다.

폴리마켓 봇 만든거 근황

운용기간 : 약 2주
투입금 : 70불
수익 및 잔고 : 200불 출금/ 잔금 800불
2주 정도 운용해서 대략 천달러 정도 수익난 상태.

펌프펀 해커톤용으로 만든건데,
1. 펌프펀 해커톤은 오픈소스가 원칙이라 퍼블릭하게 풀어야함
2. 다 같은 전략대로 운용하면 오더북 얇음 이슈
해커톤은 패스하기로 함.
이걸 어떻게 활용할지는 고민 중...

[OpenClaw 작업 WorkFlow]

Agent [Codex <> Opus <> Gemini] <> ChatGPT Pro


OpenClaw에서
비판하는 Agent (Codex, Opus, Gemini 1개씩 총 3개)
토론용 Agent (Codex, Opus, Gemini 1개씩 총 3개)

해서

[작업하기 전에 계획 수립하고 자세히 너가 어떤 작업을 할 지 계획을 짜고, 그걸 Debating/비판 > 구체적 개선안 수립 > 수립된 개선안 비판 및 Debating > 통해서 최종 계획 제공해.]

이걸로 토론/비판 시키고
내용 얻어서 그 내용 ChatGPT Pro에
'내 Agent가 이렇게 말하는데 네 생각은 어때?' 해서 넣고
나온 대답 다시 Main Agent한테 넣고, Agent가 그 내용 읽고 맞는건 맞는거, 틀린건 틀린걸로 처리해서
수용하게 하고, 그걸 또 다시 Debating/비판 돌리고

나온 결과를 다시 ChatGPT Pro에 넣어서 '내 Agent가 이렇게 말하는데 네 생각은 어때?' 해서
결과 얻은걸 얻어서 다시 Main Agent한테 넣는 식으로

이렇게 최대한 멀티모달로 돌아가게끔 해놓으니깐
시간은 오래걸려도 확실하게 만들어서
나중에 잘못돼서 들이는 비용이 줄어듭니다..

어느정도 돌리다보면 어느 한 지점으로 수렴하는데 그때부터는 작업하라고 시키는 식으로 돌리고 있어요..

저기서 뭐 Claude Agent 말고 Claude에서 확장사고도 넣고, Grok도 넣고 하는 식으로 할 수 있긴해요.

완전히 OpenClaw 내에서 자동으로 돌아가게도 할 수 있는데 ChatGPT Pro같이 높은 수준의 사고를 돌리는건 API 비용이 너무나도 비싸서
저는 일부러 사람이 조금 번거로워도 이렇게 하고있습니다...
(좀 우회하려고 노력을 해봤는데 우회했다가 밴당할 확률이 높아보여서...)

결국 어떤 엔진을 만들면
데이터 수집, 실제 돈을 버는 과정에서 나오는 데이터들을 정리(GraphRAG), 데이터 기반 문제 확인, 해결법 구성, 해결법에 대한 리뷰
이런 것들이 계속해서 반복되면서 최선의 데이터베이스를 만들고, 그게 계속 개선이 되지 않으면
자율화된 수익 엔진이 나오기는 어렵지 않을까...싶습니다..
물론, 굳이 이렇게까지 필요한가?
싶기도 한데
최대한 안정적으로, 계속해서 개선되는 측면에서는 필요하다고 봅니다..
지속적으로 발전이 가능한 인프라, 아키텍쳐를 짜는게 중요한 것 같아요

초등학생 수준 설명:

야, 너네 동네 떡볶이집 사장님 봐봐.

1. 그냥 장사하는 집:
떡볶이 만들어서 팔고 끝. 맛없다고 손님 끊기면 망함.
2. 천재 사장님(이 글에서 말하는 거):
• 손님이 남긴 떡볶이 개수 다 세어봄. (데이터 수집)
• "아, 매워서 남기는구나" 하고 덜 맵게 만듦. (문제 해결)
• "이번엔 떡이 너무 딱딱하대" 하면 또 고침. (무한 반복)
3. 결론:
처음엔 좀 귀찮아도, 이렇게 계속 고치는 가게가 나중에는 줄 서서 먹는 대박집 된다 이기야.
그냥 가만히 있으면 알아서 돈 벌리는 기계는 없다. 알겠노?

이렇게 봇이 적었는데

정확히 말하자면, 매워서 남기는 군 > 안 맵게했는데도 왜 안되지? > 아 매운맛/순한맛을 나누자.
어 이번에는 왜 또 안 팔리지 > 아 쌀떡이라 안 팔리는구나 > 밀떡/쌀떡 선택지를 추가하자

뭐 이런 느낌으로 데이터가 계속 개선되는...
그런느낌... 그리고, 그 데이터는 관련 데이터들과 연결되고 연계돼서
AI가 정리하고, 정리된 데이터를 AI가 나중에 쉽게 꺼내서 참고하여 답변/집행/시행 할 수 있게 해주는 그런 구조가 필요하지 않나 싶어요..
그게 GraphRAG 쪽 개념

정확히 말하자면, 매워서 남기는 군 > 안 맵게했는데도 왜 안되지? > 아 매운맛/순한맛을 나누자.
어 이번에는 왜 또 안 팔리지 > 아 쌀떡이라 안 팔리는구나 > 밀떡/쌀떡 선택지를 추가하자

그런데 이 수준의 사고를 AI가 자율적으로 하게하려면, AI로 다각도로 사고하도록 만들고, 그 사고하는 아키텍쳐(구조)의 세부사항을 잘 짜내야하는데
이러한 능력이 이 시대에서 엄청나게 중요하다고 생각하고 있습니다..

이런걸 계속해서 하다보면, 사람보다 더 나은 판단을 자율적으로 하는 시스템이 수립되지 않을까라고 생각해요

[VisionClaw : SmartGlass의 현재와 미래]

스마트글래스가 대중화된 시대에서는 우리는 어떤 삶을 살게 될까요?

우리는 이미 AI Agent를 24시간 야외에서도 텔레그램을 통해서 많은 일들을 명령하고, 작업하고 있습니다.

하지만, 이것이 스마트글래스로 옮겨간다면 엄청나지 않을까 싶습니다.

항상 이런건 먼저 빠르게 이루어내는 사람들이 있죠.

며칠전 텔레그램을 보다가 VisionClaw라는 것이 이미 존재한다는 것을 알게되었습니다.
VisionClaw는 스마트글래스에서 AI Agent들을 이용하며 다양한 작업들을 할 수 있게 해주는 도구입니다.
물론, 미래에 우리가 스마트글래스를 일반적으로 사용할 때 콕 집어 이것을 사용할지 여부는 잘 모르겠습니다.
다른 AI Agent 툴을 사용할 수도 있을 것이라고 생각합니다.

그래도, 어떤 것을 사용하건 AI Agent와 Smart Glasses가 합쳐진다면 아래와 같은 일들, 그리고 더 많은 일들이 가능해집니다.

안경을 쓰면, 내 앞의 사람이 하는 말과 실시간으로 내가 보는 시각을 AI가 분석하고 내 목적에 맞춰서 어떻게 말하고 행동해야할지..
협상을 해야할 때는 어떤 전략을 실시간으로 취해야할지 알려주고, 상대방의 표정이나 동작 등...을 분석하고
또, 동시에 코딩, 배달음식도 시키고, 메일도 보내고, 알아서 알람-알림도 주고, 필요한 작업들도 다 하는...
정말 일상에서의 밀접한 AI의 활용이 가능해질 것으로 보입니다.

AI Agent로 인해서 생산력이 말도 안 되게 증대되는 것을 항상 느끼고 있습니다...
상상하는 것이 며칠, 몇 달이면 출시되는 것을 느끼고 있다보니 매일매일이 새롭습니다..
앞으로가 기대될 수 밖에 없는 것 같습니다.

#AI #AI_Agent #VisionClaw #스마트글래스 #Smartglasses

[ 스마트글래스에 OpenClaw를 넣으면? ]

열흘정도된 소식이라 그냥 지나갈까 하다가 소통방에서의 요청도 있었고 오늘 오전 OpenClaw 대표의 OpenAI 합류 소식을 보면서 이 이야기를 한 번 다뤄야겠다는 생각이 들더라고요😉😉

✅ 영상 내용 간략 정리
- 메타의 Ray-Ban 글라스는 Gemini와 연결되어 있는데
- 여기에 OpenClaw까지 연동해서 활용하는 영상
- 내가 보는 제품을 AI가 같이 보고 있음
- '이 제품을 아마존 장바구니에 넣어줘'
- 하면 Gemini가 상황을 인식 한뒤 해당 호출을 OpenClaw가 실행하는 역할을 맡게 됨
- 사람이 검색하고 수량 넣고 클릭하는 행위를 에이전트가 하게 되는 셈

사실 저는 스마트폰이 점점 필요없는 세상이 올꺼라는 생각을 많이 하고 있는데 그 생각이 더 확실해지고 있습니다🚀

그리고 중국은 알리바바의 스마트글래스 Quark로 결제가 이뤄지는 상황까지 왔으며 여기에 에이전트까지 붙이면 뭐...🔥🔥

👉 원문 보기 👈

프롬프트 :

[프로덕트 설명] 을 만들고 싶은데 어떻게 구상해야할지 나한테 원하는 바들을 물어봐줘서 내가 선택하는 바를 따라서, 설계/구조를 설계해줘.

아이디어 넣고 구체화할 때 쓸만한듯합니다

OpenClaw 보안 관련해서든 뭐든 그냥 부정적으로 바라보는 시선에 대한 개인적인 생각

1. 일단 본인이 찾아보고 판단해야됨.
남들이 하는 말 듣고 판단하면 아무 의미가 없음.
카더라...를 믿는건 안 좋다...싶음

2. OpenClaw 보안적으로 위험할 수 있다는 말은 옳음.
하지만, 위험하니깐 그걸 개선하기 위해 노력해야하지 않나 싶음.
그걸 생각하고 개선해야...
본인이 할 생각 없고 다른 사람이 다 해결해놓으면 하겠다라는 생각은 우유부단하다고 생각함.

3. 사실 위험이라는 것은 항상 있음.
아예 위험이 0인 것은 존재하지 않음..
당장 밖에 나가는 것도 일종의 위험을 감수하는 일인데...
걸어다니다가 차에 치이거나, 전봇대가 넘어지거나, 번개 맞거나
하면 죽을 수 있는거임...

4. 너무 위험을 과대평가한다고 생각함.
격리해서 실행시키면 안전하게 좋은 도구로 활용할 수 있는데
너무 위험을 크게 본다고 봄.

5. 앞서나가기 위해.
위험을 감수해야지만, 앞서나갈 수 있는 기회를 얻을 수 있다고 생각함.

되게 우려가 많은 어떤 글들을 보면

인력거에서 자동차 시대로 넘어가는 과도기에
자동차 이거 시속 100키로로 달리다가 사고나서 죽으면 어떡하냐?
하는 그런 걱정을 보는 것 같음...

사실 그러면 걸어다녀야지... 인력거를 타던가

안 따라가고 도태되거나, 사고나서 죽거나...
사실 안 따라가고 도태되는건 서서히 안락사 당하는게 아닐까...
그럼 어차피 죽을거라면 사고날 위험을 감수하고라도 일단 해보는게
살 확률이 더 높지 않을까

근데 심지어 살 확률 + 성공할 확률까지 덤으로 주어짐..

이 흐름을 못 따라간다면
지금 기준으로 키오스크 잘 못다뤄서 밖에서 밥도 못 먹고, 스마트폰 잘 못 다루는 그런 어르신들처럼 되는게 아닐까 싶음..

도태되면 사는게 사는게 아니게 될듯한데...

일단 앞서나가고 싶으면, OpenClaw든 바이브코딩이든 AI든 일단 하는게 맞다라고 생각함.
앞서나가고 싶은 욕구가 없고, 그냥 도태되는게 아무런 상관이 없으면 굳이 할 필요가 없는 것도 사실임...

근데, 사실 당당하게 '나는 앞서나가고 싶지 않고, 도태되는 것을 의욕하는 중입니다.'라고 말하기는 어려우니 '이건 위험하니깐 안 쓰는게 좋습니다.', '이건 안 좋아요.' , '이렇게 쓰이면 위험하고, 불가능하고, 이건 안 좋고...' 이런 부정적인 얘기들을 늘여놓게 되는듯..

사실 따라가고 뭔가를 바꾸고 하는 일은 꽤나 노력이 들고, 힘겹고 적응해야하는 문제라 현실에 안주하고 노력하기 싫어하는 사람들은 어쩔 수 없이 도태될 수 밖에 없는 것 같음. 그러니 불평, 불만하게 되는 것 같음.. 자기 자신을 정당화하는 과정으로써...

근데 과연 인력거를 계속 타는게 좋은가...?
평생 인력거 타고, 평생 걸어만 다닐 수 있는가?

불가능하다는걸 인정하고, 바뀌려고 노력해야...
바뀌는 그 흐름에 적어도 맞춰서 움직여야...

살아남고, 앞서 나갈 수 있다고 생각함

근데 과연, AI나 이런 분야에서만 그런가...?
자율주행, 미래 기술, 생명공학 등등....

그냥 테크라고 불리는 어떤 진보적인 변화...
다들 이런 비관적이고, 불가능하다.

일반인들 기준에서는 뭐 그런 말이 자연스럽게 나오는듯
바뀌는게 두려운 것...아닐까 싶음..
지금과는 다른 상태에 있어야하고, 또 새로 적응해야하는 그게 두려운...

그래서, 항상 보면 내 눈에는 대단하고 이게 제대로 쓰이고 상용화되면
엄청날 것 같다고 생각하는데

사람들은 안 좋은 면을 먼저 보는 것 같음...

자율주행도...

사실 도입되면 엄청 좋은 기술인데
많은 사람들이

아예 사고 안 나는거 아니지 않냐
오류 날 수 있는거 아니냐
이거 사고나면 책임은 누가 지냐...
아예 완벽한 자율주행 체계는 불가능하다.

이런 부정적인 말을 너무 많이 늘여놨는데
이미 도입되는 흐름이라는건 다들 알거임...
미국에서는 이미 웨이모나 테슬라나 등등...
잘 쓰고 있으니..

심지어, 아직 완벽한 자율주행 체계가 된 것도 아닌데 잘 돌아가고 있음...

이런 것만 봐도 사람들의 비관론적 생각은 좋아보이진 않는듯..

그렇다고 비판적인 사고가 불필요한가?
그건 또 아니라고 생각함..

당연히 진보되고 문제를 해결하기 위해서는 필요한데
단순히 '비관적인 생각'만 하고
아 이건 나쁘니깐 외면해야지. 회피해야지. 하는 생각은

문제가 많은 것 같음..

AGI에 대한 개인적인 생각

AGI를 위해서는, 아니 적어도 장기적으로 안정적인 자기 개선적 구조를 가진 AI를 위해서는

1. 광범위한 데이터 수집 및 데이터 관리, 정제, 데이터 저장 및 활용
2. AI 모델의 context 증가
3. AI 모델 비용의 감소

이런게 필요하다고 생각하는데 아직은 멀었다고 생각합니다.
지금도 구현할 순 있지만, 문제가 좀 많다고 보입니다.

돈이 무한으로 있다면, 에이전트를 무한대로 병렬적으로 돌리면 사실상 무한 Context에 비슷하겠지만 그것도 어느정도 한계가 있고, 비효율이 있어서 개선은 필요하다고 생각합니다.

또한, AI를 위한 대도서관(모든 정보를 효율적으로 저장하고, 효율적으로 활용이 가능한 구조)와 실시간 현실의 시각, 청각 데이터가 실시간으로 데이터화 돼서 DB에 업데이트가 되어야한다고 생각합니다.

그 기반이 스마트 웨어러블이라고 생각하구요.

즉, 아직은 LLM은 웹에 있는 정보들만 파악해서 말합니다.

‘삼산동의 생활맥주 영업해?‘ 라고 말하면 인터넷 상의 정보를 확인해서 폐업 정보가 없다면 영업한다고 대답합니다.

하지만, 실제 데이터는 이와 상이합니다. AI는 실제 실시간 현실 데이터를 확인하지 못하기 때문에 폐업한 매장을 영업하는 매장이라고 말합니다.

하지만, 다른 사람이 스마트글래스를 끼고 그 주변을 지나갔다고 합시다.
그 데이터는 db에 저장됩니다.

AI는 위치정보와 시각정보를 기반으로 정보를 제공합니다. 해당 위치에서 시각정보들을 확인하여 폐업 여부를 확인합니다. 폐업한 것으로 보이면, 영업하지 않는다고 대답합니다.

즉, 현실과는 격리되어 인터넷에서만 사는 AI라는 한계를 극복하는 것입니다.

로보틱스와 결합하면 현실에 상호작용까지 가능합니다.
Physical AI의 미래를 생각해봅니다.

저는 꽤 중요하다고 생각하는 것이 DB와 physical AI, AI Agent, Personalized AI, Smart Device(wit AI) [스마트 글래스, 스마트 이어버즈 등...] 라고 생각합니다.

어쩌다보니 구글 프로덕트를 구글보다 조금 빠르게 공유드렸습니다. 구글 공식 홍보 영상과 참고 사항입니다.

- lyria 3 최신 모델 기반으로 생성한 음악임.

- 30초 캡은 유지한다

- 모든 노래에는 synthID 있을 예정

- 단순 텍스트 투 뮤직을 넘어서 이미지 또는 비디오를 넣으면 그 상황에 맞는 음악이 나옴.

- 현재 제공 되는 음악 언어는 8개, 한글이 그중 하나!

- 모바일 버전 커밍쑨! 지금은 웹만 가능

원본 링크