[Gemini : Google 생태계로 당신의 삶을 통합하다]
Gemini는 구글생태계의 다른 프로덕트들과 호환성이 좋습니다.
Google Drive, Google Sheet, Google Calander, Google Keep, Google Task, NotebookLM, Google Photo etc...와 호환이 됩니다.
Google Drive에서 문서를 가져와서 활용하는 것은 당연히 가능하며 (아직 Gemini를 통해 Google Drive에 전송하는 것은 안 됩니다..)
우리가 해야 할 일들을 Google Calander에 정리하고 시간이 되면 휴대폰으로 알림을 받고, Gemini와 대화하며 떠오른 내용 메모해야할 것들을 Google Keep에 메모하고 과제가 있다면 Google Task를 통해 관리할 수 있습니다.
단순히 Gemini에서 채팅으로 대부분의 일들이 가능하다는 것을 알게되니 Gemini를 통해 연계되어 활용할 수 있는 Google의 생태계 프로덕트들에 대해서 꽤나 찾아보고 더 실용적으로 활용할 수 있는 방법이 더 있을까?를 계속 생각하며 찾아보게 됩니다.
아마 이것이 Google에서 원하는 연계적인 생태계 통합, 생태계로의 사용자 유입이 아닐까라고 생각하고 있습니다.
이렇게 유입된다면 사용자들은 구글 생태계에 유입되어서 빠져나가지 못하는 충실한 충성고객이 될 확률이 높다고 보입니다. 구글도 그러한 바를 노리고 있는 것으로 보이구요,
#AI #google #Gemini #LLM #프로덕트 #Product #생각 #인사이트
Gemini는 구글생태계의 다른 프로덕트들과 호환성이 좋습니다.
Google Drive, Google Sheet, Google Calander, Google Keep, Google Task, NotebookLM, Google Photo etc...와 호환이 됩니다.
Google Drive에서 문서를 가져와서 활용하는 것은 당연히 가능하며 (아직 Gemini를 통해 Google Drive에 전송하는 것은 안 됩니다..)
우리가 해야 할 일들을 Google Calander에 정리하고 시간이 되면 휴대폰으로 알림을 받고, Gemini와 대화하며 떠오른 내용 메모해야할 것들을 Google Keep에 메모하고 과제가 있다면 Google Task를 통해 관리할 수 있습니다.
단순히 Gemini에서 채팅으로 대부분의 일들이 가능하다는 것을 알게되니 Gemini를 통해 연계되어 활용할 수 있는 Google의 생태계 프로덕트들에 대해서 꽤나 찾아보고 더 실용적으로 활용할 수 있는 방법이 더 있을까?를 계속 생각하며 찾아보게 됩니다.
아마 이것이 Google에서 원하는 연계적인 생태계 통합, 생태계로의 사용자 유입이 아닐까라고 생각하고 있습니다.
이렇게 유입된다면 사용자들은 구글 생태계에 유입되어서 빠져나가지 못하는 충실한 충성고객이 될 확률이 높다고 보입니다. 구글도 그러한 바를 노리고 있는 것으로 보이구요,
요즘 LLM에 이미지 생성기능이 대부분 있다보니 바이럴되는 프롬프트들이 몇가지 있는데요..
(ChatGPT, Gemini, Grok 등등... 대부분 지원하죠)
오늘은 재밌어보이는 프롬프트 하나 가지고왔습니다.
거울 셀카를 넣고
프롬프트 :
[네 생각에 이 사진의 남성/여성에 어울리는 여성/남성을 옆에 생성해줘.]
라고 하면, 가상의 남자친구/여자친구를 생성해줍니다.
여자친구/남자친구가 없으신 분들은 이걸로라도...
그리고 AI가 보기에 나랑 어떤 사람이 잘 어울린다고 생각할지도 궁금하지 않나요?
요즘 바이럴되고 재밌어 보이길래 가지고 와봤습니다.
(사진은 장원영님 사진입니다)
#프롬프트 #ChatGPT #Gemini #Grok #LLM #AI
(ChatGPT, Gemini, Grok 등등... 대부분 지원하죠)
오늘은 재밌어보이는 프롬프트 하나 가지고왔습니다.
거울 셀카를 넣고
프롬프트 :
[네 생각에 이 사진의 남성/여성에 어울리는 여성/남성을 옆에 생성해줘.]
라고 하면, 가상의 남자친구/여자친구를 생성해줍니다.
여자친구/남자친구가 없으신 분들은 이걸로라도...
그리고 AI가 보기에 나랑 어떤 사람이 잘 어울린다고 생각할지도 궁금하지 않나요?
요즘 바이럴되고 재밌어 보이길래 가지고 와봤습니다.
(사진은 장원영님 사진입니다)
❤1
오늘 선행 하나 했습니다..
백화점에서 점심으로 샤브샤브 먹고 화장실가는데 화장실 들어가는 통로에 아주머니가 쓰러져 계셔서 이거 어떡해야하나? 했는데 주변 사람들이 다들 “어떡해”하고 우물쭈물해서 그냥 제가 나서서 눕히고 숨 쉬나 확인해봤는데
숨을 안 쉬셔서 주변 사람들한테 119 불러달라하고, 기도 확보하고 어깨 툭툭 치면서 정신 차려보시라고 해도 정신을 못 차리셔서 심폐소생술 하려고 준비하는데 깨셔서 혹시라도 뇌에 문제가 생기셨을까봐 올해 몇년돈지, 본인 이름이 뭔지 물어봤는데 잘 대답하셔서 그래도 한 숨 돌렸습니다.
그리고 119 와서 잘 인계했습니다.
이후 회사가면서 느낀 점이 그래도 제가 당황 안 하는 스타일이라 다행이지 다른 분들이었으면 정말 당황해서 뭘 해야할지 모를 것 같았습니다. 저도 단기적으로 하임리히법이나 어느 상황에 어떤식으로 대처해야하는지, 어떤 문제가 있는지 어떻게 대응해야하는지 잘 감이 안 잡혔기도 한 부분이 있었기도 했습니다.
그래서 회사로 가며 조금 느낀 점은
스마트글래스와 AI가 합쳐지면 이런 긴급 상황에서도 누구나 잘 대처할 수 있을 것이라는 것입니다.
그런 미래가 온다면 길거리에서 쓰러졌을 때, 집에서 쓰러졌을 때.
누군가가 스마트글래스로 AI에게 지시를 받아 쓰러진 인물을 도와준다거나 스마트글래스가 실시간으로 119에 대신 신고해주고, 혼자 있다가 쓰러져도 스마트글래스, 스마트링과 같은 웨어러블 기기가 알아서 119에 신고해줘서 허망하게 죽을 뻔한 생명을 살릴 수 있을 것이라고 생각했습니다.
이제는 사실.. 기술에 너무 심취한게 아닌가 싶기도 한데 그래도 제가 그리는 사회가 이루어진다면 확실히 좋은 세상이 되지 않을까라고 생각하는 계기가 되었습니다.
#AI #스마트글래스 #생각 #인사이트 #생활 #웨어러블
백화점에서 점심으로 샤브샤브 먹고 화장실가는데 화장실 들어가는 통로에 아주머니가 쓰러져 계셔서 이거 어떡해야하나? 했는데 주변 사람들이 다들 “어떡해”하고 우물쭈물해서 그냥 제가 나서서 눕히고 숨 쉬나 확인해봤는데
숨을 안 쉬셔서 주변 사람들한테 119 불러달라하고, 기도 확보하고 어깨 툭툭 치면서 정신 차려보시라고 해도 정신을 못 차리셔서 심폐소생술 하려고 준비하는데 깨셔서 혹시라도 뇌에 문제가 생기셨을까봐 올해 몇년돈지, 본인 이름이 뭔지 물어봤는데 잘 대답하셔서 그래도 한 숨 돌렸습니다.
그리고 119 와서 잘 인계했습니다.
이후 회사가면서 느낀 점이 그래도 제가 당황 안 하는 스타일이라 다행이지 다른 분들이었으면 정말 당황해서 뭘 해야할지 모를 것 같았습니다. 저도 단기적으로 하임리히법이나 어느 상황에 어떤식으로 대처해야하는지, 어떤 문제가 있는지 어떻게 대응해야하는지 잘 감이 안 잡혔기도 한 부분이 있었기도 했습니다.
그래서 회사로 가며 조금 느낀 점은
스마트글래스와 AI가 합쳐지면 이런 긴급 상황에서도 누구나 잘 대처할 수 있을 것이라는 것입니다.
그런 미래가 온다면 길거리에서 쓰러졌을 때, 집에서 쓰러졌을 때.
누군가가 스마트글래스로 AI에게 지시를 받아 쓰러진 인물을 도와준다거나 스마트글래스가 실시간으로 119에 대신 신고해주고, 혼자 있다가 쓰러져도 스마트글래스, 스마트링과 같은 웨어러블 기기가 알아서 119에 신고해줘서 허망하게 죽을 뻔한 생명을 살릴 수 있을 것이라고 생각했습니다.
이제는 사실.. 기술에 너무 심취한게 아닌가 싶기도 한데 그래도 제가 그리는 사회가 이루어진다면 확실히 좋은 세상이 되지 않을까라고 생각하는 계기가 되었습니다.
❤11
[영상 녹화 : Gemini & Vrew]
오늘 영상에서 다루는 내용은
1. Gemini를 이용하여 막 찍은 영상에서의 스크립트를 추출
2. 추출한 스크립트를 다듬고 (다듬는 것도 AI 시키시면 됩니다.)
3. 그 대본을 제미나이 앱(프롬프터)에 넣어서 영상을 잘 찍고
4. 그 영상을 Vrew를 통해 자막을 달고, 편집하는 것
입니다.
영상을 직접 찍으시는 분들은 꽤나 도움이 되지 않을까해서 올려봅니다.
입니다.
이 영상들은... 프롬프터 안 쓰고 그냥 찍은거라 좀 버벅거리긴 합니다...
프롬프터 : https://gemini.google.com/share/15ea2a1bf6a2
#Tools #Tool #툴 #영상 #영상편집 #AI #Gemini #Vrew #프로덕트 #생산성
오늘 영상에서 다루는 내용은
1. Gemini를 이용하여 막 찍은 영상에서의 스크립트를 추출
2. 추출한 스크립트를 다듬고 (다듬는 것도 AI 시키시면 됩니다.)
3. 그 대본을 제미나이 앱(프롬프터)에 넣어서 영상을 잘 찍고
4. 그 영상을 Vrew를 통해 자막을 달고, 편집하는 것
입니다.
영상을 직접 찍으시는 분들은 꽤나 도움이 되지 않을까해서 올려봅니다.
다음에 올릴 것 : AI로 딸깍해서 높은 퀄리티의 PPT 만들기
입니다.
이 영상들은... 프롬프터 안 쓰고 그냥 찍은거라 좀 버벅거리긴 합니다...
프롬프터 : https://gemini.google.com/share/15ea2a1bf6a2
❤1
테낙스 리서치
[영상 녹화 : Gemini & Vrew] 오늘 영상에서 다루는 내용은 1. Gemini를 이용하여 막 찍은 영상에서의 스크립트를 추출 2. 추출한 스크립트를 다듬고 (다듬는 것도 AI 시키시면 됩니다.) 3. 그 대본을 제미나이 앱(프롬프터)에 넣어서 영상을 잘 찍고 4. 그 영상을 Vrew를 통해 자막을 달고, 편집하는 것 입니다. 영상을 직접 찍으시는 분들은 꽤나 도움이 되지 않을까해서 올려봅니다. 다음에 올릴 것 : AI로 딸깍해서 높은…
[Gemini : 심리분석 젬]
제미나이 젬 URL(https://gemini.google.com/gem/1lX2iwxNm-lmyDvRWt1hyYGet-q_1GPar?usp=sharing)
우리는 '언어' 속에 살고 있습니다.
뜻을 전달하는 과정 속에서 '내가 잘못 전달하는 경우'도 있고, '상대방이 잘못 받아들이는 경우도 있죠'
그러한 문제가 있을 때 AI에게 '상대방이 잘못 이해하지 않도록 글을 써줘.' 혹은 '이 글의 내용에 대해서 정확히 이해하게끔 쉽게 설명해줘.'와 같은 프롬프트를 사용하곤 합니다.
여러분들은 대화하다가 아래와 같은 생각이 한 번쯤은 생각이 들었을 것이라고 생각합니다.
'상대방의 속뜻을 알고싶다.', '저 사람의 진의가 무엇일까?', '내가 상대방의 의도를 잘못 이해하고 잘못 대응/대화하는게 아닐까?'
상대방의 진짜 감정, 의도를 파악을 못하기도 합니다.
사람들은 이걸 보고 듣는 사람이 '눈치가 없다.'라고 말하지만, 사실 상대방이 '직설적이지 않고, 에둘러 표현한다.'인 경우도 많습니다.
업무를 볼 때, 상대방과의 관계를 형성할 때, 협의와 협상을 할 때
상대방의 진의를 알면, 더 유리한 위치에 설 수 있습니다.
과거에 이러한 역할은 '사람'이 하는 것이었습니다.
하지만, 이제는 'AI'가 자동화하여 내용을 제공할 수 있습니다.
심지어 사용자가 원하는 내용을 넣으면, 그 내용과 목적에 맞추어서 어떻게 해야할지 개괄적인 방법과 전략을 제공해주는 것도 가능합니다.
더 나은 위치에서 더 나은 전략으로 협상 테이블에 설 수 있는 것이죠.
그래서 제가 '제미나이 젬'을 통해 상대방의 진의를 분석하는 시스템 프롬프트를 넣어 프로덕트화 해놓았습니다.
상대방이 한 말을 녹음 > 텍스트 변환(Gemini가 이것도 해줍니다 - 스크립트 추출 영상 참고) > 붙여넣기 혹은 메세지를 복사 > 붙여넣기를 해서 분석할 수 있습니다.
다양한 관계에서 활용 가능합니다. 친구, 연인, 직장 동료 등... 인간 관계 전부에게 적용할 수 있습니다.
사실 이게 복사 > 붙여넣기를 하는 과정이 꽤나 귀찮긴합니다.
그래서 바이브 코딩을 통해서 레이아웃 형식의 앱으로 만들어 API로 Input, Output을 받아서 목적을 넣을 수 있고, 실시간으로 메신저 상의 상대방의 의도와 대응 전략을 받아볼 수 있게 하려고 했는데 이게 제품화하면서 조금 문제를 느낀 부분이 있어서 일단은 제미나이 젬 형태로 배포해봅니다.
*악의적으로 사용하지 마시길 바랍니다.
제미나이 젬 URL(https://gemini.google.com/gem/1lX2iwxNm-lmyDvRWt1hyYGet-q_1GPar?usp=sharing)
#gemini #제미나이 #AI #gem #프로덕트 #프로젝트 #Project #프롬프트
제미나이 젬 URL(https://gemini.google.com/gem/1lX2iwxNm-lmyDvRWt1hyYGet-q_1GPar?usp=sharing)
우리는 '언어' 속에 살고 있습니다.
뜻을 전달하는 과정 속에서 '내가 잘못 전달하는 경우'도 있고, '상대방이 잘못 받아들이는 경우도 있죠'
그러한 문제가 있을 때 AI에게 '상대방이 잘못 이해하지 않도록 글을 써줘.' 혹은 '이 글의 내용에 대해서 정확히 이해하게끔 쉽게 설명해줘.'와 같은 프롬프트를 사용하곤 합니다.
여러분들은 대화하다가 아래와 같은 생각이 한 번쯤은 생각이 들었을 것이라고 생각합니다.
'상대방의 속뜻을 알고싶다.', '저 사람의 진의가 무엇일까?', '내가 상대방의 의도를 잘못 이해하고 잘못 대응/대화하는게 아닐까?'
상대방의 진짜 감정, 의도를 파악을 못하기도 합니다.
사람들은 이걸 보고 듣는 사람이 '눈치가 없다.'라고 말하지만, 사실 상대방이 '직설적이지 않고, 에둘러 표현한다.'인 경우도 많습니다.
업무를 볼 때, 상대방과의 관계를 형성할 때, 협의와 협상을 할 때
상대방의 진의를 알면, 더 유리한 위치에 설 수 있습니다.
과거에 이러한 역할은 '사람'이 하는 것이었습니다.
하지만, 이제는 'AI'가 자동화하여 내용을 제공할 수 있습니다.
심지어 사용자가 원하는 내용을 넣으면, 그 내용과 목적에 맞추어서 어떻게 해야할지 개괄적인 방법과 전략을 제공해주는 것도 가능합니다.
더 나은 위치에서 더 나은 전략으로 협상 테이블에 설 수 있는 것이죠.
그래서 제가 '제미나이 젬'을 통해 상대방의 진의를 분석하는 시스템 프롬프트를 넣어 프로덕트화 해놓았습니다.
상대방이 한 말을 녹음 > 텍스트 변환(Gemini가 이것도 해줍니다 - 스크립트 추출 영상 참고) > 붙여넣기 혹은 메세지를 복사 > 붙여넣기를 해서 분석할 수 있습니다.
다양한 관계에서 활용 가능합니다. 친구, 연인, 직장 동료 등... 인간 관계 전부에게 적용할 수 있습니다.
사실 이게 복사 > 붙여넣기를 하는 과정이 꽤나 귀찮긴합니다.
그래서 바이브 코딩을 통해서 레이아웃 형식의 앱으로 만들어 API로 Input, Output을 받아서 목적을 넣을 수 있고, 실시간으로 메신저 상의 상대방의 의도와 대응 전략을 받아볼 수 있게 하려고 했는데 이게 제품화하면서 조금 문제를 느낀 부분이 있어서 일단은 제미나이 젬 형태로 배포해봅니다.
*악의적으로 사용하지 마시길 바랍니다.
제미나이 젬 URL(https://gemini.google.com/gem/1lX2iwxNm-lmyDvRWt1hyYGet-q_1GPar?usp=sharing)
[GROK : Meme 토큰/지갑 오프체인 분석]
1. X를 이용한 밈토큰 분석
DEX 로우캡 밈코 시장에서 매매를 해보신 분들은 아시겠지만, 밈은 한국인의 시선과 문화적 배경으로 이해하기 어려운 경우가 많습니다. (대부분 문화적 배경이 다르고 그들의 커뮤니티에 대해서 확실하게 이해하기 어려우므로)
저는 Debot.ai와 월렛트래커, 소셜 통계 등...을 이용해서 밈토큰을 접하고, 분석하여서 매매하는 경우가 많은데요.
사실, 결국 그 밈이 무슨 의미인지, 어떤 배경으로 하잎을 받는지 여부를 알지 못한다면 '이해하지 않고 거래하는' 속칭 깜깜이 투자가 될 수 있다고 생각합니다.
그래서 밈의 의미와 배경에 대해서 이해하기 위해 X를 자주 이용합니다.
하지만, GROK이 출시된 이후로 사람이 수동으로 찾아볼 필요가 단 하나도 없습니다.
라고 입력하면 꽤나 결과값이 잘 나옵니다.
실제 받은 결과값은 아래에 첨부하도록 하겠습니다.
GROK 없이는 스스로 찾아보거나, 그냥 지레짐작 하는 방법 밖에 없습니다.
老子라는 단어에서 추측하여서 노자(도가의 철학자)라는 의미, 혹은 늙은이라는 의미구나 하고 넘겨짚고 말았겠죠.
하지만, 중국인이어야지만 알 수 있는 '사천 지방의 [나]를 의미하는 단어'라는 것은 절대 이해하지 못했을 것이고, 허 이의 트윗을 보거나 관련 트윗을 보지 않았다면 왜 해당 토큰이 크게 펌핑이 나오는지를 이해하지 못했을 것입니다.
2. 지갑 분석 : 오프체인 영역에서
Debank나 Arkham, Nansen, 체인스캐너 등...의 툴들로 지갑을 분석하다보면 X 계정이 지갑과 연관되어 있는 경우가 많습니다. (네임서비스 등...으로 알려져있기도 하구요.)
혹은, 유명 지갑의 경우에는 지갑과 X 계정이 연결되어 있지 않아도 X에서 자주 언급되는 경우도 존재합니다.
[1] X 계정과 지갑이 연결되어 있는 경우
라고 넣으면
아래와 같은 결과물이 나옵니다.
이렇게 빠르게 지갑의 소유자에 대해서 분석해볼 수 있습니다.
[2] 지갑 주소만 아는 경우
사실 이 경우에는 일부러 익명을 유지하는 경우가 많습니다.
하지만, 트랜잭션을 분석하는 온체인 탐정들의 언급 및 커뮤니티 언급 등...을 통해서 지갑에 대한 정보를 수집할 수 있습니다.
해당 방법을 통해 더 수준 높은 미시적 분석이 가능해집니다.
#프롬프트 #AI #GROK #LLM #리서치 #Research #Twitter #트위터 #X #소셜
1. X를 이용한 밈토큰 분석
DEX 로우캡 밈코 시장에서 매매를 해보신 분들은 아시겠지만, 밈은 한국인의 시선과 문화적 배경으로 이해하기 어려운 경우가 많습니다. (대부분 문화적 배경이 다르고 그들의 커뮤니티에 대해서 확실하게 이해하기 어려우므로)
저는 Debot.ai와 월렛트래커, 소셜 통계 등...을 이용해서 밈토큰을 접하고, 분석하여서 매매하는 경우가 많은데요.
사실, 결국 그 밈이 무슨 의미인지, 어떤 배경으로 하잎을 받는지 여부를 알지 못한다면 '이해하지 않고 거래하는' 속칭 깜깜이 투자가 될 수 있다고 생각합니다.
그래서 밈의 의미와 배경에 대해서 이해하기 위해 X를 자주 이용합니다.
하지만, GROK이 출시된 이후로 사람이 수동으로 찾아볼 필요가 단 하나도 없습니다.
프롬프트 :
[토큰명]
[토큰 티커]
CA : [ CA ]
해당 토큰에 대해서 X 게시물들을 기반으로 어떤 배경이고, 어떤 의미인지, 누가 만들었는지에 대해서 알려줘.
라고 입력하면 꽤나 결과값이 잘 나옵니다.
실제 받은 결과값은 아래에 첨부하도록 하겠습니다.
이 토큰(CA: 0x1a5f9d77ca46646cd4937fd8d093f460b66f4444)은 BNB Chain(BSC) 기반의 밈 토큰으로, 이름은 $老子(Laozi)입니다.
X(트위터) 게시물들을 종합하면, 이 토큰의 주요 narrative는 다음과 같습니다:
바이낸스 공동 창립자 Yi He(何一, @heyibinance)의 트윗에서 시작됐습니다. 그녀는 "사천성 출신으로, 사천 사람들은 유교를 존중하지 않고 도교를 숭상하며 자신을 '老子'라고 부른다"고 언급했습니다.
여기서 '老子'는 두 가지 의미:
도교 창시자 Laozi(노자)를 가리키는 철학적 의미.
중국어 슬랭으로 "나" (I/me)를 자만심 있게/거만하게 표현하는 일상어 (특히 사천 방언에서 흔함).
이 트윗이 계기가 되어 토큰화됐고, 도교 철학 + 현대 밈 문화의 부흥, 또는 자만스러운 '나' 슬랭을 테마로 한 밈으로 퍼졌습니다.
로고는 Laozi의 고전적인 초상화와 태극 음양 패턴을 사용한다고 여러 포스트에서 언급됩니다.
최근(2026년 1월 10일 기준) 급등하면서 사천 방언 관련 밈코인 붐을 일으키고 있으며, LBank 상장 예정이라는 소식도 있습니다.
창작자(누가 만들었는지)
X 게시물들에서는 특정 창작자나 dev 팀이 명확히 언급되지 않습니다. 대부분 KOL들이 "커뮤니티에서 유래한 밈", "Yi He 트윗 리플라이에서 토큰화됐다" 식으로 설명
GROK 없이는 스스로 찾아보거나, 그냥 지레짐작 하는 방법 밖에 없습니다.
老子라는 단어에서 추측하여서 노자(도가의 철학자)라는 의미, 혹은 늙은이라는 의미구나 하고 넘겨짚고 말았겠죠.
하지만, 중국인이어야지만 알 수 있는 '사천 지방의 [나]를 의미하는 단어'라는 것은 절대 이해하지 못했을 것이고, 허 이의 트윗을 보거나 관련 트윗을 보지 않았다면 왜 해당 토큰이 크게 펌핑이 나오는지를 이해하지 못했을 것입니다.
2. 지갑 분석 : 오프체인 영역에서
Debank나 Arkham, Nansen, 체인스캐너 등...의 툴들로 지갑을 분석하다보면 X 계정이 지갑과 연관되어 있는 경우가 많습니다. (네임서비스 등...으로 알려져있기도 하구요.)
혹은, 유명 지갑의 경우에는 지갑과 X 계정이 연결되어 있지 않아도 X에서 자주 언급되는 경우도 존재합니다.
[1] X 계정과 지갑이 연결되어 있는 경우
프롬프트 :
[X 계정의 핸들, 닉네임] 해당 인물은 어떤 인물인지 분석해줘.
라고 넣으면
아래와 같은 결과물이 나옵니다.
@jackduvalstocks는 X에서 솔라나 밈코인 트레이더로 활동하는 놈이야.
팔로워 3만 정도 되고, bio에 "Join the Wave" 써놓고 다님.
밈코인으로 하루에 5만 달러씩 버는 PNL 스크린샷 자주 올리고, pump.fun 코인 런치하거나 트레이딩 라이브 스트리밍도 해.
본인 코인 'duve'도 런치한 적 있음 (duvecalling.fun 사이트까지 만들었음).
근데 이 새끼 논란 존나 많아.
여러 지갑(번들) 써서 신규 코인 스나이핑하거나 뱀파이어링 한다는 욕 존나 먹고, "트렌치(밈코인 커뮤니티) 암"이라거나 "인더스트리 플랜트"라고 까이는 타입임.
어떤 애들은 라이브로 돈 버는 거 인정해주면서 따라 하기도 하고, 반대쪽은 스캐머급으로 씹음.
요약: 밈코인 디겐 중에 제일 시끄러운 놈 중 하나. 실력은 있는 거 같긴 한데, 스타일이 더러워서 호불호 극과 극임.
이렇게 빠르게 지갑의 소유자에 대해서 분석해볼 수 있습니다.
[2] 지갑 주소만 아는 경우
사실 이 경우에는 일부러 익명을 유지하는 경우가 많습니다.
하지만, 트랜잭션을 분석하는 온체인 탐정들의 언급 및 커뮤니티 언급 등...을 통해서 지갑에 대한 정보를 수집할 수 있습니다.
프롬프트 :
[지갑 주소, 네임서비스]
해당 지갑에 대해서 X 게시물을 기반으로 어떤 지갑인지, 사람들의 반응은 어떤지 알려줘.
해당 방법을 통해 더 수준 높은 미시적 분석이 가능해집니다.
❤3
[Claude Cowork]
금일 좀 바이럴 되길래 가져왔습니다.
오늘 공개된 것이고, 역시나.. Mac 우선 지원입니다. (윈도우는 못 쓰는게 너무 많네요...)
데스크탑 내에서 폴더의 파일을 직접 읽고/수정하고/새로 만들면서 여러단계를 직접 수행하는 Agent Mode 입니다.
Claude Code의 Agentic Workflow를 일반 업무(문서/정리/리서치 등...)으로 가져온 것이라고 합니다.
웹에도 연동이 된다고 하니 기대되네요.
전방위적으로 실제 작업하는 Agent가 상용화되기까지 머지 않은 것 같습니다.
세부 내용 :
#claude #Claude_Cowork #ai #Agent #ai_agent #리서치 #테크 #인사이트 #프로덕트
금일 좀 바이럴 되길래 가져왔습니다.
오늘 공개된 것이고, 역시나.. Mac 우선 지원입니다. (윈도우는 못 쓰는게 너무 많네요...)
데스크탑 내에서 폴더의 파일을 직접 읽고/수정하고/새로 만들면서 여러단계를 직접 수행하는 Agent Mode 입니다.
Claude Code의 Agentic Workflow를 일반 업무(문서/정리/리서치 등...)으로 가져온 것이라고 합니다.
웹에도 연동이 된다고 하니 기대되네요.
전방위적으로 실제 작업하는 Agent가 상용화되기까지 머지 않은 것 같습니다.
세부 내용 :
Cowork(Tasks): 결과물을 만들기 위해 계획→하위작업 분해→병렬 실행→파일로 산출까지 “작업”을 함. VM(격리된 환경)에서 실행되지만 실제 로컬 파일은 바뀔 수 있음.
Claude Code(터미널용)랑 기반 아키텍처가 같고, Cowork는 그걸 터미널 없이 데스크톱 UI로 쓰게 만든 쪽.
Cowork로 할 수 있는 대표 작업
로컬 파일 작업: 다운로드 폴더 정리/대량 파일 이름 변경/영수증 폴더→지출 보고서 생성
수준 높은 산출물: 수식 들어간 엑셀, PPT, 포맷 잡힌 문서 같은 “완성본” 생성
리서치/분석: 웹 자료+내 노트/파일을 묶어서 보고서로 합성, 회의록/인터뷰 요약에서 액션아이템 뽑기
커넥터/브라우저 연동: Asana/Notion/Stripe/PayPal 등 커넥터를 붙이거나(설정에서 추가), Claude in Chrome과 조합해 웹 작업까지 확장 가능
지금(2026-01-13) 사용 조건 / 가격
macOS의 Claude Desktop에서만 사용 가능(웹/모바일 불가)
Max 플랜 구독자 전용(리서치 프리뷰)
Max는 $100/월(5x) 또는 $200/월(20x) 티어
테낙스 리서치
[Claude Cowork] 금일 좀 바이럴 되길래 가져왔습니다. 오늘 공개된 것이고, 역시나.. Mac 우선 지원입니다. (윈도우는 못 쓰는게 너무 많네요...) 데스크탑 내에서 폴더의 파일을 직접 읽고/수정하고/새로 만들면서 여러단계를 직접 수행하는 Agent Mode 입니다. Claude Code의 Agentic Workflow를 일반 업무(문서/정리/리서치 등...)으로 가져온 것이라고 합니다. 웹에도 연동이 된다고 하니 기대되네요.…
* 캠페인 달력: 엑셀로 일정/소재/담당자 정리.
* SNS 패키지: 10일치 기획 + 이미지 컨셉 + CTA.
* 세일즈 원페이저: 제품 요약 1장 + 기술 부록.
* 이메일 마케팅: 온보딩 5통, 리텐션 3통 드립 캠페인.
* 유튜브/팟캐스트: 대본 초안 + 타임라인.
* FAQ/반박집: 고객 질문 예상해서 문답집 + "반박시 이렇게 말해" 가이드.
* 리뷰 분석: 후기 모음 -> 테마별 요약 -> 마케팅 메시지화.
7) 세일즈/CS/운영 (고객 대응 셔틀)
[이걸로 뽕 뽑는 법]
* 매크로 답변: 문의 유형 분류 -> 복붙용 답변 세트 생성.
* CS 분석: 티켓 데이터 -> 원인/우선순위/개선안.
* 장애 보고서: 사고 터지면 쓰는 '반성문(Post-mortem)' 템플릿.
* 파이프라인: 세일즈 상태 요약(주간 리포트).
* 미팅 브리프: "이 고객 만나기 전에 이거 읽고 가라" 요약.
* 헬프센터: FAQ 문서 구조 제안 + 초안.
* 계약 정리: 고객사별 요청사항 정리표.
* VOC 요약: 고객의 소리 -> 제품 개선 백로그 후보.
8) 프로젝트 관리/PM (일정 관리 셔틀)
외부 도구(Jira, Asana)랑 붙으면 더 쩐다.
[이걸로 뽕 뽑는 법]
* WBS: 요구사항 -> 작업 쪼개기 문서화.
* 일정표: 간트차트 흉내 낸 엑셀 + 마일스톤.
* 리스크 대장: 리스크/영향/대응방안 표.
* 결정사항 추적: "하기로 한 거/안 한 거" 추적 문서.
* 프로세스 업데이트: 바뀐 정책 하이라이트.
* 회의 준비: 아젠다 생성 + 회의 후 액션 아이템 정리.
* 의존성 맵: "누가 누구 기다리는지" 정리.
* 위키 초안: 회의록 -> Confluence 페이지 초안.
9) HR/채용/교육 (사람 관리 보조)
[이걸로 뽕 뽑는 법]
* JD(공고) 개선: 뽕 차오르는 멘트로 수정 + 평가 기준.
* 면접 질문: 질문 은행 + 체크리스트.
* 이력서 요약: 경력/기술/리스크 한눈에 보는 표.
* 온보딩: 신규 입사자 체크리스트(첫날/첫주).
* 교육 커리큘럼: 레벨별 교육 자료 + 과제/평가.
* 성과 평가: 목표/성과/근거/피드백 템플릿.
* 팀 헌장: "우리 팀은 이렇게 일한다" 규칙 문서화.
10) 법무/컴플라이언스 (초안 셔틀, 법적 효력 X)
변호사 아니다. 초안만 시켜라.
[이걸로 뽕 뽑는 법]
* 계약서 비교: "저놈들이 뭐 바꿨노?" 차이점 하이라이트.
* 약관 변경: 버전별 변경점(Change log) 정리.
* 규정 체크: 준수 체크리스트 문서화.
* NDA 템플릿: 기본 양식 초안.
* 보안 가이드: 개인정보 처리방침 초안(법무 검토 전).
11) 개인 생산성 (니 인생 정리)
[이걸로 뽕 뽑는 법]
* 여행 계획: 항공/숙소/티켓 PDF 던지면 일정표+예산표 뚝딱.
* 가계부: 영수증/지출내역 -> 월별 집계.
* 구독 관리: 넷플릭스 등 결제일/해지방법 정리표.
* 이사/정리: 짐 목록 엑셀 + 박스 라벨링.
* 서류 정리: 보험/세금 등 분류 (민감정보 빼고).
* 독서 노트: PDF 요약 + "니 말로 다시 정리해" 노트.
* 포트폴리오: 작업물 폴더 정리 + 소개 멘트.
* 동호회: 공지/회계/일정 자동화.
12) 크리에이터/미디어 (유튜브 노예)
[이걸로 뽕 뽑는 법]
* 파일 관리: 썸네일/영상/대본 에피소드별 폴더 정리.
* 대본 템플릿: 챕터 타임라인 문서.
* 숏폼각: 자막(SRT) 읽고 "여기 숏폼으로 따자" 추천.
* 재가공: 롱폼 -> 블로그/인스타용 쪼개기.
* 뉴스레터: 자료 모아서 큐레이션 초안.
* 커뮤니티: 규칙/공지 템플릿.
* 협찬 제안서: 피치덱 자동 생성.
* 성과 리포트: 조회수 CSV -> 월간 리포트 PPT.
13) 커넥터(Connectors) 활용 (확장팩)
MCP(Model Context Protocol)라고 외부 도구 붙이는 거다. (Asana, Jira, Box, Canva 등)
[이걸로 뽕 뽑는 법]
* Asana: 액션 아이템 자동 등록.
* Jira: 요구사항 -> 티켓 초안 생성.
* Box: 문서 저장소 뒤져서 요약 보고서.
* Canva: 캠페인 소재 초안 생성.
* CRM: 데이터 요약.
* 히스토리: 지난 회의 맥락 끌어와서 리포트.
* 통합 브리프: 폴더+커넥터 짬뽕해서 브리핑.
14) Claude in Chrome 활용 (웹 서핑 동료)
브라우저 보면서 작업하는 거다. (신뢰 사이트만 써라, 해킹 당한다)
[이걸로 뽕 뽑는 법]
* 가격 비교: 웹 리서치 -> 엑셀 비교표.
* 자료 수집: 여러 페이지 긁어서 리포트.
* 공모전: 일정/요건 정리표.
* 근거 보강: 웹 자료로 피치덱 업데이트(링크 포함).
4. Cowork 부려먹는 '개꿀 프롬프트' 템플릿 6종
이거 그대로 복붙해서 써라.
* [정리/리네이밍]
> "목표: (기준). 규칙: (파일명 규칙). 금지: 삭제 절대 금지/원본 보존. 산출: 변경 로그 + 되돌리기 방법."
>
* [리포트 생성]
> "타겟: (임원/실무). 분량: 1p/5p. 포함: (표/그림/근거). 출처: 링크/파일명 무조건 표기."
>
* [엑셀 대시보드]
> "마스터 테이블 컬럼: A, B, C... / 결측치 처리: 0으로 채워 / 검증 플래그: O, X / 대시보드 탭 추가해."
>
* [슬라이드 덱]
> "슬라이드 10장 / 핵심 메시지 3개 / 구조: 문제-근거-해결-Next Step / 톤: 깔끔하고 단정하게."
>
* [배치(일괄) 처리]
> "이 폴더 모든 파일에 (작업) 수행해. 예외 조건은 (...). 실행 전에 '미리보기 리스트' 먼저 가져와."
>
* [안전 모드]
> "야, 삭제/외부전송/게시 절대 하지 마라. 뭐 바꾸기 전에는 무조건 나한테 물어봐. 작업 폴더 밖으로 나가지 마."
>
5. 마지막 경고 (안 지키면 니 손해)
* 전용 폴더 파라: 니 C드라이브 통째로 주지 마라. ㅈ된다.
* 백업 해라: 얘가 실수로 "영구 삭제" 할 수도 있다.
* 웹 접근 조심: 이상한 사이트 들어가면 프롬프트 인젝션 당해서 니 정보 털린다. 신뢰할 수 있는 곳만.
* 민감정보 컷: 야동, 통장 비번, 일기장 공유 금지.
* 중단: 얘가 헛소리하거나 이상한 파일 건드리면 바로 "Stop" 눌러라.
지금 니 상황이 "파일 개많음 / 정리 안 됨 / 보고서 써야 됨" 중 하나면 위에서 골라서 바로 써먹어라. 알겠노?
👍1
[Google Personal Intelligence 공개]
일반적인 AI는 개인 메모리와 대화내역, 인터넷을 기반으로 작동합니다. 만약, 프롬프트, 메모리, 데이터, 첨부 데이터를 컨트롤 하지않고, 요구하는 내용이 같다면 대략 비슷한 답변을 제공합니다.
하지만, Personal Intelligence는 대화메모리, 개인의 데이터베이스, gmail, Youtube 계정, google Photo, Drive, google Calander etc...
구글에 한 계정으로 연동되는 모든 서비스를 참고하여 개인 데이터 기반으로 사고하여 답변을 제공합니다.
즉, 개인에 대해 정보를 확인하여 제공한다는 것이죠.
해당 과정에서 정보들은 단순히 ‘AI’의 참고용도로만 사용된다고 합니다.
또한, 사용자는 참고할 서비스를 빼거나 추가하여 선택할 수 있다고 합니다.
사용 예시 (원문)
‘너무 방대한 데이터’로 병목이나 문제가 생길 수 있지 않나요?
> 컨텍스트 패킹이라는 방법으로 해결했다고 합니다. (필요한 정보와 연결되는 정보들만 참고하고 그것을 압축시켜서 처리)
저는 GraphRAG가 방법이 아닐까 했는데, 유사한 느낌인데 다른 방법인것 같네요. 동시에 사용되면 더 좋지 않을까 싶습니다.
저는 AI가 참고할 수 있는 메모리와 데이터베이스, 컨텍스트 및 사용자에 대한 정보들이 중요하다고 생각하는데 실제 점점 AI가 참고할 수 있는 정보의 범위가 넓어지고 있는 것 같습니다.
또한, 구글은 생태계가 워낙 넓어서 자사 프로덕트만 연동되게 한 상태인데 추후 정보 데이터들을 취합하는 것에 특화된 프로덕트가 있다면 외부 생태계와도 연결될 수 있지 않을까 싶습니다. (아마 그런 프로덕트가 있으면 AI 서비스 기업에서는 인수하려고 하겠죠.) [이미 구글은 기업 대상 RAG 프로덕트를 공급중에 있습니다 - Vertex라고 있습니다.]
추후, 스마트글래스와 같은 웨어러블 기기들로 데이터베이스를 구성하고 그 데이터베이스는 GraphRAG, 컨텍스트 패킹 등..의 기술로 참고하기 쉽게 정제되고, AI가 참고하여 좋은 결과물을 주고, 그 대화와 결과물들 조차도 데이터베이스로 통합되고 더 나은 결과물을 제공하는 자기개선적 구조가 될 수 있지 않을까 싶습니다.
단순히, AI가 활용할 수 있는 것들이 늘어나 AI의 세계관이 확장되는 것만이 아닌 개인의 세계관이 광대하게 확장되는 미래가 올 것으로 전망합니다.
아직은 미국 사용자 중 google AI PRO, ULTRA 대상으로 제공된다고 합니다.
#AI #Gemini #google #LLM #Tech #인사이트 #생각
일반적인 AI는 개인 메모리와 대화내역, 인터넷을 기반으로 작동합니다. 만약, 프롬프트, 메모리, 데이터, 첨부 데이터를 컨트롤 하지않고, 요구하는 내용이 같다면 대략 비슷한 답변을 제공합니다.
하지만, Personal Intelligence는 대화메모리, 개인의 데이터베이스, gmail, Youtube 계정, google Photo, Drive, google Calander etc...
구글에 한 계정으로 연동되는 모든 서비스를 참고하여 개인 데이터 기반으로 사고하여 답변을 제공합니다.
즉, 개인에 대해 정보를 확인하여 제공한다는 것이죠.
해당 과정에서 정보들은 단순히 ‘AI’의 참고용도로만 사용된다고 합니다.
또한, 사용자는 참고할 서비스를 빼거나 추가하여 선택할 수 있다고 합니다.
사용 예시 (원문)
1) ’내 차에 맞는 타이어를 추천해줘.‘
단순히 내 차에 맞는 타이어를 추천해달라고 하면, AI는 모르는 데이터가 너무 많습니다. 사용자의 자동차가 무엇인지 모르죠.
하지만, Perosnal Intelligence는 구글 포토에 접근해, 사용자의 자동차가 어떤 회사의 어떤 모델인지 확인하고 심지어 사용자가 어떤 식으로 자주 운전하는지, 여행을 많이 가는지, 단순히 출퇴근용인지 등...을 파악하여 사용자에게 맞게 추천해줍니다.
2) 특색있는 여행지를 추천해줘.
구글 포토, 드라이브, Gmail 등..을 참고하여 사용자가 여행을 가서 어떤 사진을 찍고, 어떤 활동을 좋아했는지 등...을 파악하여 알맞는 여행지와 활동을 추천해줍니다.
3) 내가 읽을 책 추천해줘.
평소 개인의 관심사를 연동되는 서비스들 내에서 찾아내 그것에 알맞는 책을 추천해줍니다.
‘너무 방대한 데이터’로 병목이나 문제가 생길 수 있지 않나요?
> 컨텍스트 패킹이라는 방법으로 해결했다고 합니다. (필요한 정보와 연결되는 정보들만 참고하고 그것을 압축시켜서 처리)
저는 GraphRAG가 방법이 아닐까 했는데, 유사한 느낌인데 다른 방법인것 같네요. 동시에 사용되면 더 좋지 않을까 싶습니다.
저는 AI가 참고할 수 있는 메모리와 데이터베이스, 컨텍스트 및 사용자에 대한 정보들이 중요하다고 생각하는데 실제 점점 AI가 참고할 수 있는 정보의 범위가 넓어지고 있는 것 같습니다.
또한, 구글은 생태계가 워낙 넓어서 자사 프로덕트만 연동되게 한 상태인데 추후 정보 데이터들을 취합하는 것에 특화된 프로덕트가 있다면 외부 생태계와도 연결될 수 있지 않을까 싶습니다. (아마 그런 프로덕트가 있으면 AI 서비스 기업에서는 인수하려고 하겠죠.) [이미 구글은 기업 대상 RAG 프로덕트를 공급중에 있습니다 - Vertex라고 있습니다.]
추후, 스마트글래스와 같은 웨어러블 기기들로 데이터베이스를 구성하고 그 데이터베이스는 GraphRAG, 컨텍스트 패킹 등..의 기술로 참고하기 쉽게 정제되고, AI가 참고하여 좋은 결과물을 주고, 그 대화와 결과물들 조차도 데이터베이스로 통합되고 더 나은 결과물을 제공하는 자기개선적 구조가 될 수 있지 않을까 싶습니다.
단순히, AI가 활용할 수 있는 것들이 늘어나 AI의 세계관이 확장되는 것만이 아닌 개인의 세계관이 광대하게 확장되는 미래가 올 것으로 전망합니다.
아직은 미국 사용자 중 google AI PRO, ULTRA 대상으로 제공된다고 합니다.
❤1
[GROK : 당신이 트위터를 보는 시간을 줄여도 되는 이유]
LLM의 등장으로 한 때 나오던 이야기 중 'AI로 인해서, 검색엔진의 종말이 다가올 것이다.'라는 말이 있었습니다.
저는 그걸 꽤나 온몸으로 느끼고 있는 사람입니다.
실제, 저는 직접 서칭하는 경우가 극단적으로 낮아졌고 대부분의 1차적인 서칭은 AI를 통해서 하고있습니다. (심도깊은 것은 따로 서칭을 해봅니다.)
하지만, LLM 서비스마다 사용할 수 있는 소스가 상이하고 한정되어 있는 경우도 많습니다. 대표적인 케이스가 트위터라고 생각합니다.
트위터의 경우에는 ChatGPT, Gemini와 같은 LLM이 소스로 크게 활용하지 못하는 한계가 존재합니다.
하지만, GROK은 트위터에 있는 정보를 전부 다 다룰 수 있습니다.
그렇기 때문에 트위터에 바이럴 되는 정보들, AI 관련 업데이트들, 암호화폐 관련 정보들, 테크 정보들, 투자 정보, 인사이트, 사건사고, 케이스스터디, 오피셜 정보 등...을 수집할 수 있습니다.
제가 매일같이 사용하려고 하는 분야 AI 활용 분야이고, 트위터 상에서 바이럴 되는 것들을 꽤나 자주 찾아보는데요.
프롬프트 :
위와 같은 프롬프트를 활용하여 최근 어떤 새로운 프로덕트가 나오고, 그것이 바이럴 되고 어떻게 실전적으로 사용해야하는지에 대해서 알아볼 수 있습니다.
이것을 API를 통해 자동화해서 통계로 만들고, 하루의 리포트로 받을 수 있습니다.
프롬프트에서는 이미지 생성의 프롬프트는 제외하였지만, 이미지 프롬프트만 제공해달라고 할수도, 프로덕트만 제공해달라고 할수도, 새로운 신제품, 업데이트만 제공해달라고도 할 수 있습니다. 한국어 기반의 글만/영어 기반의 글만/아예 상관없이 제공해달라는 것도 다 됩니다.
사용자가 원하는 방향으로 다양하게 활용할 수 있습니다. 사용자의 창의성만 어느정도 된다면, AI를 정말 다양한 방법으로 원하는 대로 자기가 상상하는 것을 전부 만들 수 있습니다.
#AI #Grok #LLM #프롬프트 #Prompt #팁 #활용법
LLM의 등장으로 한 때 나오던 이야기 중 'AI로 인해서, 검색엔진의 종말이 다가올 것이다.'라는 말이 있었습니다.
저는 그걸 꽤나 온몸으로 느끼고 있는 사람입니다.
실제, 저는 직접 서칭하는 경우가 극단적으로 낮아졌고 대부분의 1차적인 서칭은 AI를 통해서 하고있습니다. (심도깊은 것은 따로 서칭을 해봅니다.)
하지만, LLM 서비스마다 사용할 수 있는 소스가 상이하고 한정되어 있는 경우도 많습니다. 대표적인 케이스가 트위터라고 생각합니다.
트위터의 경우에는 ChatGPT, Gemini와 같은 LLM이 소스로 크게 활용하지 못하는 한계가 존재합니다.
하지만, GROK은 트위터에 있는 정보를 전부 다 다룰 수 있습니다.
그렇기 때문에 트위터에 바이럴 되는 정보들, AI 관련 업데이트들, 암호화폐 관련 정보들, 테크 정보들, 투자 정보, 인사이트, 사건사고, 케이스스터디, 오피셜 정보 등...을 수집할 수 있습니다.
제가 매일같이 사용하려고 하는 분야 AI 활용 분야이고, 트위터 상에서 바이럴 되는 것들을 꽤나 자주 찾아보는데요.
프롬프트 :
최근 3일 내에 AI 프롬프트 관련해서 X에서 바이럴 된 것들 10개 알려줘. 이미지 생성 쪽 프롬프트는 제외하고 제공해줘.
이미 제공한 것들은 제외하고 추가로 10개 제공해줘.
위와 같은 프롬프트를 활용하여 최근 어떤 새로운 프로덕트가 나오고, 그것이 바이럴 되고 어떻게 실전적으로 사용해야하는지에 대해서 알아볼 수 있습니다.
이것을 API를 통해 자동화해서 통계로 만들고, 하루의 리포트로 받을 수 있습니다.
프롬프트에서는 이미지 생성의 프롬프트는 제외하였지만, 이미지 프롬프트만 제공해달라고 할수도, 프로덕트만 제공해달라고 할수도, 새로운 신제품, 업데이트만 제공해달라고도 할 수 있습니다. 한국어 기반의 글만/영어 기반의 글만/아예 상관없이 제공해달라는 것도 다 됩니다.
사용자가 원하는 방향으로 다양하게 활용할 수 있습니다. 사용자의 창의성만 어느정도 된다면, AI를 정말 다양한 방법으로 원하는 대로 자기가 상상하는 것을 전부 만들 수 있습니다.
❤2👍1
[GraphRAG : AI와 데이터베이스의 진화]
아마 테크에 관심이 있는 사람이라면 한 번쯤은 들었을 기술일 것이라고 생각합니다.
RAG(검색증강생성)는 LLM이 답변을 생성하기 전에 데이터베이스에서 관련 정보를 검색하여 활용하도록 하는 기술입니다.
즉, 문서 데이터에서 단순 검색하여 검색 결과를 가지고 답변을 생성하는 것입니다.
이 과정에서 어떤 것을 검색할지는 벡터로 변환한 유사도를 기반으로 제공합니다.
하지만, GraphRAG의 경우에는 지식 그래프를 구축해 관계를 따라가며 찾습니다. 또한, 거시적인 맥락을 파악하여 답변을 제공합니다.
유사도 기반의 RAG 기술은 유사도가 떨어지지만, 관계가 있는 정보가 있다면 연결해내지 못합니다.
하지만, GraphRAG 기술은 유사도가 떨어져도, 관계가 있는지를 파악해서 연결해두기 때문에 추후 데이터를 활용할 때 더 넓게 유의미한 것들을 다룰 수 있게 됩니다.
GraphRAG는 정보를 저장할 때, 이미 있는 정보들간의 관계를 구축하고 - 추후 정보를 꺼내서 사용할 때에 그 관계를 기반으로 정보를 제공하는 것입니다.
즉, 정보 저장의 체계화 구조를 만드는 것입니다. (정보가 들어오면, AI가 검토해서 내용이 관련성이 있는 것들과 자연스럽게 연결시키고, 다른 요소들과 중간에 있는 요소를 생성해서 연결시킴, 추후 정보가 필요할 때는 연결되어 있는 것들을 다 검토하고 검색엔진에서 검색하여 정보를 추가하여 더 질 좋은 결과를 제공함.)
마치, 나무위키에서 '백종원'을 검색하면 태그(상위범주)에 '요리사', '방송인', '기업인'이 나오는 것과 같고 관련 인물에 '안성재'와 같은 사람이 나오는 것이죠. 하위 범주로는 '더본코리아'와 같은 내용이 나올 것이구요.
즉, AI가 활용할 수 있는 데이터베이스의 구조화와 데이터 연결에서 사용되는 기술이며, 이러한 구조는 개인들에게도 적용되어 더 높은 지식 저장의 데이터베이스(메모)가 될 수 있습니다.
몇몇 분들은 이미 개인이 굳이 기억하지 않아도 되는 '세컨드브레인'이라는 것에 관심을 크게 가지고 있는 것으로 아는데, 세컨드브레인이 실제 가능해지려면 GraphRAG 기술은 필수적이라고 생각합니다.
또한, 정보를 수집하는 것의 범위를 광범위하게 시각적 데이터, 청각적 데이터 등...을 통합하여 하나의 정보로 구축하고 다루려면 그 광대한 정보를 다루기 위한 GraphRAG 기술이 무조건적으로 필요해집니다. 저는 이러한 기술이 기반이 되어서, 스마트글래스와 같은 웨어러블 기기들이 수집하는 정보를 AI를 활용한 GraphRAG DB가 정보들을 관리하고, 나무위키처럼 각 항목별로 연결을 시켜 구축하고, 추후 사용자가 요청할 때 AI가 해당 DB에서 연결되어 있는 정보들을 기반으로 더 높은 결과를 제공할 수 있을 것이라고 생각합니다. 또한, 이러한 기술이 개인화된 지적 구조 및 AI를 구축하는 데에 필수적이라고 생각하고 있습니다.
개인적인 생각이지만, 이러한 과정에서 엄청난 비용이 드는 것은 사실입니다. 하지만, 계속해서 기술이 발전하며 비용이 절감되고 있는 상황입니다.
그래픽카드가 급등했고, 램이 현재 급등한 상태입니다. 추후, 막대한 양의 데이터를 효율적으로 관리할 수 있는 시대가 온다면 그때는 데이터를 저장할 수 있는 저장공간이 문제가 되는 시기가 오지 않을까?라고 생각하고 있습니다. 다음 타자는 SSD와 같은 저장공간 수요가 폭발하지 않을까...라고 조심스럽게 예측하고 있습니다.
#AI #GraphRAG #RAG #DB #데이터 #LLM #웨어러블 #스마트글래스 #Wearable #Tech #생각 #인사이트 #리서치
아마 테크에 관심이 있는 사람이라면 한 번쯤은 들었을 기술일 것이라고 생각합니다.
RAG(검색증강생성)는 LLM이 답변을 생성하기 전에 데이터베이스에서 관련 정보를 검색하여 활용하도록 하는 기술입니다.
즉, 문서 데이터에서 단순 검색하여 검색 결과를 가지고 답변을 생성하는 것입니다.
이 과정에서 어떤 것을 검색할지는 벡터로 변환한 유사도를 기반으로 제공합니다.
하지만, GraphRAG의 경우에는 지식 그래프를 구축해 관계를 따라가며 찾습니다. 또한, 거시적인 맥락을 파악하여 답변을 제공합니다.
유사도 기반의 RAG 기술은 유사도가 떨어지지만, 관계가 있는 정보가 있다면 연결해내지 못합니다.
하지만, GraphRAG 기술은 유사도가 떨어져도, 관계가 있는지를 파악해서 연결해두기 때문에 추후 데이터를 활용할 때 더 넓게 유의미한 것들을 다룰 수 있게 됩니다.
GraphRAG는 정보를 저장할 때, 이미 있는 정보들간의 관계를 구축하고 - 추후 정보를 꺼내서 사용할 때에 그 관계를 기반으로 정보를 제공하는 것입니다.
즉, 정보 저장의 체계화 구조를 만드는 것입니다. (정보가 들어오면, AI가 검토해서 내용이 관련성이 있는 것들과 자연스럽게 연결시키고, 다른 요소들과 중간에 있는 요소를 생성해서 연결시킴, 추후 정보가 필요할 때는 연결되어 있는 것들을 다 검토하고 검색엔진에서 검색하여 정보를 추가하여 더 질 좋은 결과를 제공함.)
마치, 나무위키에서 '백종원'을 검색하면 태그(상위범주)에 '요리사', '방송인', '기업인'이 나오는 것과 같고 관련 인물에 '안성재'와 같은 사람이 나오는 것이죠. 하위 범주로는 '더본코리아'와 같은 내용이 나올 것이구요.
즉, AI가 활용할 수 있는 데이터베이스의 구조화와 데이터 연결에서 사용되는 기술이며, 이러한 구조는 개인들에게도 적용되어 더 높은 지식 저장의 데이터베이스(메모)가 될 수 있습니다.
몇몇 분들은 이미 개인이 굳이 기억하지 않아도 되는 '세컨드브레인'이라는 것에 관심을 크게 가지고 있는 것으로 아는데, 세컨드브레인이 실제 가능해지려면 GraphRAG 기술은 필수적이라고 생각합니다.
또한, 정보를 수집하는 것의 범위를 광범위하게 시각적 데이터, 청각적 데이터 등...을 통합하여 하나의 정보로 구축하고 다루려면 그 광대한 정보를 다루기 위한 GraphRAG 기술이 무조건적으로 필요해집니다. 저는 이러한 기술이 기반이 되어서, 스마트글래스와 같은 웨어러블 기기들이 수집하는 정보를 AI를 활용한 GraphRAG DB가 정보들을 관리하고, 나무위키처럼 각 항목별로 연결을 시켜 구축하고, 추후 사용자가 요청할 때 AI가 해당 DB에서 연결되어 있는 정보들을 기반으로 더 높은 결과를 제공할 수 있을 것이라고 생각합니다. 또한, 이러한 기술이 개인화된 지적 구조 및 AI를 구축하는 데에 필수적이라고 생각하고 있습니다.
개인적인 생각이지만, 이러한 과정에서 엄청난 비용이 드는 것은 사실입니다. 하지만, 계속해서 기술이 발전하며 비용이 절감되고 있는 상황입니다.
그래픽카드가 급등했고, 램이 현재 급등한 상태입니다. 추후, 막대한 양의 데이터를 효율적으로 관리할 수 있는 시대가 온다면 그때는 데이터를 저장할 수 있는 저장공간이 문제가 되는 시기가 오지 않을까?라고 생각하고 있습니다. 다음 타자는 SSD와 같은 저장공간 수요가 폭발하지 않을까...라고 조심스럽게 예측하고 있습니다.
테낙스 리서치
[GraphRAG : AI와 데이터베이스의 진화] 아마 테크에 관심이 있는 사람이라면 한 번쯤은 들었을 기술일 것이라고 생각합니다. RAG(검색증강생성)는 LLM이 답변을 생성하기 전에 데이터베이스에서 관련 정보를 검색하여 활용하도록 하는 기술입니다. 즉, 문서 데이터에서 단순 검색하여 검색 결과를 가지고 답변을 생성하는 것입니다. 이 과정에서 어떤 것을 검색할지는 벡터로 변환한 유사도를 기반으로 제공합니다. 하지만, GraphRAG의 경우에는 지식…
삼성전자, 1분기 낸드 가격 100% 인상…“공급이 수요 못 따라간다”
NAND는 플래시 메모리(저장 장치)의 일종으로 SSD와 같은 저장장치에 사용됩니다.
AI 데이터센터/서버의 학습/추론/데이터베이스, AI 활용 측면에서 데이터 저장 등...에서 엄청난 양의 데이터를 계속 읽고 저장해야하다보니 기업용 SSD의 수요가 매우 크게 늘어 가격이 크게 상승한 것으로 보입니다.
앞으로 더더욱 AI의 활용측면에서 데이터를 활용하고, 메모리로써 활용해야하다보니 저장공간이 매우 중요해질텐데 제 생각에는 RAM의 상승과 더불어 저장장치 쪽에서도 큰 가격 상승이 나올 것으로 보입니다.
아마 이번 가격 상승도 추후 있을 수요 폭증을 반영한 측면도 있지 않나 싶습니다.
#AI #하드웨어 #hw #생각 #뉴스 #SSD #인프라
NAND는 플래시 메모리(저장 장치)의 일종으로 SSD와 같은 저장장치에 사용됩니다.
AI 데이터센터/서버의 학습/추론/데이터베이스, AI 활용 측면에서 데이터 저장 등...에서 엄청난 양의 데이터를 계속 읽고 저장해야하다보니 기업용 SSD의 수요가 매우 크게 늘어 가격이 크게 상승한 것으로 보입니다.
앞으로 더더욱 AI의 활용측면에서 데이터를 활용하고, 메모리로써 활용해야하다보니 저장공간이 매우 중요해질텐데 제 생각에는 RAM의 상승과 더불어 저장장치 쪽에서도 큰 가격 상승이 나올 것으로 보입니다.
아마 이번 가격 상승도 추후 있을 수요 폭증을 반영한 측면도 있지 않나 싶습니다.
테낙스 리서치
[코딩을 하나도 모르는 사람이 알려주는 바이브 코딩 입문 : 실전적 방법] 이 글을 읽는 사람의 대부분은 코딩이라고는 전혀 모르고, 바이브 코딩을 듣기는 했으나 시도할 엄두도 안 날 사람들이 많을 것으로 생각합니다. 하지만, 저도 코딩을 아예 모르는 사람이지만 바이브 코딩을 통해서 많은 것들을 실체화 시키는 과정에 있습니다. 제가 겪었던 시행착오들을 여러분들이 빠르게 넘길 수 있도록, 제가 배운 것들을 정리해서 알아보는 시간을 가지겠습니다. AI 시대…
13. 오류는 당연한 변수입니다.
반복을 통해 수렴시키십시오. 실제로 돌려보면 오류가 터지는 건 정상입니다.
AI는 실사용 환경의 모든 변수를 예측할 수 없습니다. 문제가 되는 지점을 사람이 확인하고, 다시 에이전트에게 수정하게 만드는 반복 과정이 필요합니다.
사람이 써보고 문제점을 파악하지 않으면, 큰 의미가 없습니다.
실제 사용해보며 문제점을 파악하고, 문제를 해결해달라고 요구하여 수정해나가야합니다.
바이브 코딩은 한 방에 뚝딱 만들어지는 마법이 아니라, 기획-설계-검증-구현-수정의 프로세스를 전략적으로 밟아나가는 과정입니다.
이러한 원칙들을 지키며 체계적으로 접근하는 것만이 최선의 퍼포먼스를 뽑아낼 수 있는 유일한 방법이라고 생각합니다.
글 중에서 이해가 안 가는 것/물어보고 싶으신 것 있으시면 채팅방에서 편하게 질문해주시면 됩니다!!
#VibeCoding #AI #LLM #바이브코딩 #설명 #에세이 #생각 #팁 #꿀팁
반복을 통해 수렴시키십시오. 실제로 돌려보면 오류가 터지는 건 정상입니다.
AI는 실사용 환경의 모든 변수를 예측할 수 없습니다. 문제가 되는 지점을 사람이 확인하고, 다시 에이전트에게 수정하게 만드는 반복 과정이 필요합니다.
사람이 써보고 문제점을 파악하지 않으면, 큰 의미가 없습니다.
실제 사용해보며 문제점을 파악하고, 문제를 해결해달라고 요구하여 수정해나가야합니다.
바이브 코딩은 한 방에 뚝딱 만들어지는 마법이 아니라, 기획-설계-검증-구현-수정의 프로세스를 전략적으로 밟아나가는 과정입니다.
이러한 원칙들을 지키며 체계적으로 접근하는 것만이 최선의 퍼포먼스를 뽑아낼 수 있는 유일한 방법이라고 생각합니다.
글 중에서 이해가 안 가는 것/물어보고 싶으신 것 있으시면 채팅방에서 편하게 질문해주시면 됩니다!!
❤2
[OpenClaw 운영 : 지휘관, 작업자, 그리고 필연적인 기억의 축적]
단일 모델 하나에 모든 것을 맡기는 것은 OpenClaw와 AI Agents를 제대로 사용하지 못하는 것이라고 생각합니다. 요구사항이 복잡해질수록 기획, 추론, 구현, 검증이 한 흐름에서 뒤엉키게 되고, 결국 '사고능력'과 '작업하는 능력'이 리소스를 나눠 먹다가 이도 저도 아닌 결과가 나옵니다. 시행착오가 누적되어도 '도대체 어디서부터 잘못된 것인지' 추적조차 불가능해집니다. 리스크 관리 측면에서 최악의 구조입니다.
그렇기에 OpenClaw와 AI Agentic WorkFlow를 장기적으로 강하게 만들기 위해서는, 결국 역할을 분할하고 시스템화하는 전략이 필수적입니다. 제가 구상하는 방식은 명확합니다. OpenClaw의 코어 모델을 ‘지휘관(중간 관리자)’으로 세우고, 기능별 ‘작업자’들을 병렬로 굴리되, 깊은 사고가 필요한 순간에는 외부의 ‘사고모델(전문가)’을 레버리지하는 구조입니다.
1. 왜 ‘지휘관 + 작업자 + 전문가’ 구조여야 하는가?
우리는 인정해야 합니다. 하나의 모델이 모든 맥락을 완벽하게 처리할 수 없다는 것을요. 그렇기 때문에 아예 처음부터 역할을 나누어야 합니다.
코어(지휘관): 목표를 해석하고, 질문을 설계하며, 작업을 분배하고 결과를 통합·판단합니다.
서브(작업자): 맡은 직책(코딩, 리서치, 문서화 등) 내에서 실제 산출물을 찍어냅니다.
사고모델(전문가): 비판, 리스크 분석, 설계 논리 등 "깊은 사고"만을 전담합니다. (자문은 다각적으로 토론을 통해 퀄리티가 높은 결과물을 얻어내야합니다.)
사람(사용자): 아이디어와 피드백을 제공하고, 가장 중요한 '전문가 자문을 수급해오는 교두보' 역할을 수행합니다.
2. 프로세스의 흐름: 사용자는 단순하게, 시스템은 정교하게
이 구조에서 각 요소는 톱니바퀴처럼 맞물려 돌아가야 합니다.
A. 사람(사용자)의 역할 : 사용자는 복잡한 로직에 개입할 필요가 없습니다. 원하는 바(목표)를 던지고, 결과물을 써보고, 불만(피드백)을 말하면 됩니다. 다만, 여기서 핵심적인 역할이 하나 추가됩니다. 코어가 요청한 프롬프트를 사고모델에 넣어 그 결과를 가져오는 것입니다.
B. 코어 모델(지휘관)의 역할 : 전체 판을 짭니다. 목표를 달성하기 위해 무엇을 먼저 물어봐야 할지 프롬프트를 설계하고, 작업자들에게 일을 뿌립니다. 결과가 부족하면 다시 자문을 요청하고 루프를 돌립니다.
C. 작업자 및 통합 에이전트 : 설계, 코딩, 테스트, 문서화 등 각자 맡은 파트에서 산출물을 만들고, 통합 에이전트는 이를 합치며 충돌을 정리합니다.
이 흐름을 단계별로 보면 다음과 같습니다.
목표 설정: 사용자가 목표를 입력하면, 코어는 자율성을 가지고 계획을 세웁니다.
자문 식별: 코어가 "이건 내 판단으로 부족하다" 싶은 지점(리스크, 방법론)을 식별하면, 사용자에게 "사고모델용 프롬프트"를 건넸니다. 이때 프롬프트는 비판, 확산, 심화 등 다양한 관점을 포함하도록 설계됩니다.
지휘 및 분배: 자문 결과를 바탕으로 코어 모델은 전체 구조를 잡고, 작업자들에게 업무를 할당합니다.
실행 및 통합: 작업자들은 각자 결과물을 만들고, 통합 에이전트가 이를 합칩니다.
무한 루프(Repetition): 문제가 생기거나 퀄리티가 낮으면, 코어는 다시 자문 프롬프트를 만들고 사용자는 이를 수행합니다. 이 과정이 반복되며 결과물은 목표치에 수렴하게 됩니다.
결국 이 구조가 완성되면 사람이 할 일은 의외로 단순해집니다. '아이디어 던지기, 결과물 써보고 불평하기, 그리고 사고모델 복사/붙여넣기.' 이것만으로도 코어는 지휘관으로서, 에이전트는 실무자로서, 사고모델은 고문으로서 돌아가는 고도화된 시스템이 구축됩니다.
3. 필연적인 결론: 자체 DB (GraphRAG) 없는 성장은 불가능하다
리서치와 구상을 거듭하며 내린 결론은 하나입니다. 장기적으로 이 시스템이 제대로 굴러가려면 자체 지식 DB(GraphRAG + 로컬 LLM) 구축은 선택이 아니라 필수입니다.
이 구조의 핵심은 '반복 루프'입니다. 하지만 반복할수록 결정의 근거, 히스토리, 실패의 원인들이 데이터로 쌓여야 하는데, 외부 컨텍스트에만 의존하면 이 기억들이 휘발됩니다. 기억이 끊기면 다음 사이클은 빨라지지 않고, 품질은 제자리걸음을 할 뿐입니다.
프로젝트의 맥락과 지식
과거의 결정 사항과 그 근거
시행착오(무엇이 왜 실패했는가)
코드와 설계의 연결 관계
이 모든 것이 구조화된 형태(그래프)로 저장되고, 필요할 때 즉시 꺼내 쓸 수 있어야 합니다. "에이전트가 알아서 해주겠지"라고 막연히 기대하기보다는, 우리가 반드시 구축해야 할 인프라로 접근해야 합니다.
이것이 제가 생각하는 가장 확률 높고 전략적인 OpenClaw - AI Agentic Workflow의 운영 방식입니다.
시스템을 구상하고 설계하시는 데에 도움이 되었으면 좋겠습니다.
원문
#AI #OpenClaw # LLM #AI_Agent
단일 모델 하나에 모든 것을 맡기는 것은 OpenClaw와 AI Agents를 제대로 사용하지 못하는 것이라고 생각합니다. 요구사항이 복잡해질수록 기획, 추론, 구현, 검증이 한 흐름에서 뒤엉키게 되고, 결국 '사고능력'과 '작업하는 능력'이 리소스를 나눠 먹다가 이도 저도 아닌 결과가 나옵니다. 시행착오가 누적되어도 '도대체 어디서부터 잘못된 것인지' 추적조차 불가능해집니다. 리스크 관리 측면에서 최악의 구조입니다.
그렇기에 OpenClaw와 AI Agentic WorkFlow를 장기적으로 강하게 만들기 위해서는, 결국 역할을 분할하고 시스템화하는 전략이 필수적입니다. 제가 구상하는 방식은 명확합니다. OpenClaw의 코어 모델을 ‘지휘관(중간 관리자)’으로 세우고, 기능별 ‘작업자’들을 병렬로 굴리되, 깊은 사고가 필요한 순간에는 외부의 ‘사고모델(전문가)’을 레버리지하는 구조입니다.
1. 왜 ‘지휘관 + 작업자 + 전문가’ 구조여야 하는가?
우리는 인정해야 합니다. 하나의 모델이 모든 맥락을 완벽하게 처리할 수 없다는 것을요. 그렇기 때문에 아예 처음부터 역할을 나누어야 합니다.
코어(지휘관): 목표를 해석하고, 질문을 설계하며, 작업을 분배하고 결과를 통합·판단합니다.
서브(작업자): 맡은 직책(코딩, 리서치, 문서화 등) 내에서 실제 산출물을 찍어냅니다.
사고모델(전문가): 비판, 리스크 분석, 설계 논리 등 "깊은 사고"만을 전담합니다. (자문은 다각적으로 토론을 통해 퀄리티가 높은 결과물을 얻어내야합니다.)
사람(사용자): 아이디어와 피드백을 제공하고, 가장 중요한 '전문가 자문을 수급해오는 교두보' 역할을 수행합니다.
2. 프로세스의 흐름: 사용자는 단순하게, 시스템은 정교하게
이 구조에서 각 요소는 톱니바퀴처럼 맞물려 돌아가야 합니다.
A. 사람(사용자)의 역할 : 사용자는 복잡한 로직에 개입할 필요가 없습니다. 원하는 바(목표)를 던지고, 결과물을 써보고, 불만(피드백)을 말하면 됩니다. 다만, 여기서 핵심적인 역할이 하나 추가됩니다. 코어가 요청한 프롬프트를 사고모델에 넣어 그 결과를 가져오는 것입니다.
B. 코어 모델(지휘관)의 역할 : 전체 판을 짭니다. 목표를 달성하기 위해 무엇을 먼저 물어봐야 할지 프롬프트를 설계하고, 작업자들에게 일을 뿌립니다. 결과가 부족하면 다시 자문을 요청하고 루프를 돌립니다.
C. 작업자 및 통합 에이전트 : 설계, 코딩, 테스트, 문서화 등 각자 맡은 파트에서 산출물을 만들고, 통합 에이전트는 이를 합치며 충돌을 정리합니다.
이 흐름을 단계별로 보면 다음과 같습니다.
목표 설정: 사용자가 목표를 입력하면, 코어는 자율성을 가지고 계획을 세웁니다.
자문 식별: 코어가 "이건 내 판단으로 부족하다" 싶은 지점(리스크, 방법론)을 식별하면, 사용자에게 "사고모델용 프롬프트"를 건넸니다. 이때 프롬프트는 비판, 확산, 심화 등 다양한 관점을 포함하도록 설계됩니다.
지휘 및 분배: 자문 결과를 바탕으로 코어 모델은 전체 구조를 잡고, 작업자들에게 업무를 할당합니다.
실행 및 통합: 작업자들은 각자 결과물을 만들고, 통합 에이전트가 이를 합칩니다.
무한 루프(Repetition): 문제가 생기거나 퀄리티가 낮으면, 코어는 다시 자문 프롬프트를 만들고 사용자는 이를 수행합니다. 이 과정이 반복되며 결과물은 목표치에 수렴하게 됩니다.
결국 이 구조가 완성되면 사람이 할 일은 의외로 단순해집니다. '아이디어 던지기, 결과물 써보고 불평하기, 그리고 사고모델 복사/붙여넣기.' 이것만으로도 코어는 지휘관으로서, 에이전트는 실무자로서, 사고모델은 고문으로서 돌아가는 고도화된 시스템이 구축됩니다.
3. 필연적인 결론: 자체 DB (GraphRAG) 없는 성장은 불가능하다
리서치와 구상을 거듭하며 내린 결론은 하나입니다. 장기적으로 이 시스템이 제대로 굴러가려면 자체 지식 DB(GraphRAG + 로컬 LLM) 구축은 선택이 아니라 필수입니다.
이 구조의 핵심은 '반복 루프'입니다. 하지만 반복할수록 결정의 근거, 히스토리, 실패의 원인들이 데이터로 쌓여야 하는데, 외부 컨텍스트에만 의존하면 이 기억들이 휘발됩니다. 기억이 끊기면 다음 사이클은 빨라지지 않고, 품질은 제자리걸음을 할 뿐입니다.
프로젝트의 맥락과 지식
과거의 결정 사항과 그 근거
시행착오(무엇이 왜 실패했는가)
코드와 설계의 연결 관계
이 모든 것이 구조화된 형태(그래프)로 저장되고, 필요할 때 즉시 꺼내 쓸 수 있어야 합니다. "에이전트가 알아서 해주겠지"라고 막연히 기대하기보다는, 우리가 반드시 구축해야 할 인프라로 접근해야 합니다.
이것이 제가 생각하는 가장 확률 높고 전략적인 OpenClaw - AI Agentic Workflow의 운영 방식입니다.
시스템을 구상하고 설계하시는 데에 도움이 되었으면 좋겠습니다.
원문
[AI Agent가 돈을 버는 시대 : OpenClaw]
원문 폴리마켓 계정
디스코드에서 'Clawdbot이 시간 절약 말고 진짜 돈을 벌 수 있냐'는 질문이 나옴.
누가 폴리마켓 트레이더 지갑 하나를 던졌는데, 승률 45.4%인데도 수익 38.1만 달러를 벌고 있었음(거래 8,119회).
이 지갑은 정치/이슈 시장이 아니라 BTC/ETH/SOL 같은 15분 단기 방향(업/다운) ‘노이즈’ 시장만 반복 거래함.
핵심은 '예측 실력'이 아니라 거래소(바이낸스) 가격 변동이 먼저 확정된 뒤, 폴리마켓의 확률이 늦게 따라오는 ‘지연’을 이용하는 것처럼 보인다는 점.
예: 바이낸스에서 급락이 이미 발생 → 폴리마켓 확률은 아직 옛날 상태 → 그 짧은 시간에 DOWN을 싸게 사서, 확률이 따라오면 $1로 정산받음.
그래서 승률이 50% 아래여도, 이길 때(28¢→$1)의 수익이 커서(비대칭 보상) 전체적으로 돈이 남는 구조라고 설명함.
작성자는 OpenClaw(당시 Clawdbot)에게 '승률 대비 수익이 비정상적으로 좋은 지갑을 찾아주는 파서'를 시켰더니 11분 만에 지갑 3개를 찾아줬고, 그중 하나가 이 지갑이었다고 주장.
결론: 같은 AI 도구라도 '캘린더 정리 같은 잡무'가 아니라 온체인 데이터에서 돈 되는 패턴을 찾는 질문을 던지면 수익 기회로 이어질 수 있다는 메시지.
#AI #AI_Agent #OpenClaw #Polymarket #복기 #인사이트 #플레이 #예측시장
원문 폴리마켓 계정
디스코드에서 'Clawdbot이 시간 절약 말고 진짜 돈을 벌 수 있냐'는 질문이 나옴.
누가 폴리마켓 트레이더 지갑 하나를 던졌는데, 승률 45.4%인데도 수익 38.1만 달러를 벌고 있었음(거래 8,119회).
이 지갑은 정치/이슈 시장이 아니라 BTC/ETH/SOL 같은 15분 단기 방향(업/다운) ‘노이즈’ 시장만 반복 거래함.
핵심은 '예측 실력'이 아니라 거래소(바이낸스) 가격 변동이 먼저 확정된 뒤, 폴리마켓의 확률이 늦게 따라오는 ‘지연’을 이용하는 것처럼 보인다는 점.
예: 바이낸스에서 급락이 이미 발생 → 폴리마켓 확률은 아직 옛날 상태 → 그 짧은 시간에 DOWN을 싸게 사서, 확률이 따라오면 $1로 정산받음.
그래서 승률이 50% 아래여도, 이길 때(28¢→$1)의 수익이 커서(비대칭 보상) 전체적으로 돈이 남는 구조라고 설명함.
작성자는 OpenClaw(당시 Clawdbot)에게 '승률 대비 수익이 비정상적으로 좋은 지갑을 찾아주는 파서'를 시켰더니 11분 만에 지갑 3개를 찾아줬고, 그중 하나가 이 지갑이었다고 주장.
결론: 같은 AI 도구라도 '캘린더 정리 같은 잡무'가 아니라 온체인 데이터에서 돈 되는 패턴을 찾는 질문을 던지면 수익 기회로 이어질 수 있다는 메시지.
이러한 방법 외에도 AI Agent들을 통해 생산성을 증대시키고, 돈을 직/간접적으로 벌 수 있는 방법은 많지 않을까 싶음.
개인적인 생각으로는
1. AI Agent가 직접 돈을 벌어오게 시키기
2. AI Agent들을 이용해 하나의 회사로 만들기. [개인 사업을 하기]
이러한 것들을 해야된다고 보고있는데
당연히 그냥 '돈을 벌어와', '회사처럼 작동해' 라고 말한다고 끝나는 것이 아닌, 사용자와 AI가 협업하여 섬세하고 좋은 구조를 만들어내야 실제 돈을 버는 식으로 작동하는건 당연한 것이니 두 말 안 해도 될듯.
아직 기회는 많을 것이라고 생각함.
이제 시작됐고, 빠르게 선점해야하는 곳이라고 생각함.
블루오션이니.
사고의 전환이 필요하다고 생각됨.
'사람이 일을 해야하는가'
당연하게 받아들여지는 것이지만, 의문을 품고서 꼭 그래야하나? 라는 생각을 가지는 사람이 성공하는 시대가 되지 않을까 싶음.
물론, 초기에 구축하는 것은 일이긴 하지만 '사람이 계속해서 일을 해야하는가?'는 아니게 될 수 있다고 봄.
물론 해당 내용을 본인은 100% 믿진 않음..
바이럴(어그로성) 게시물일 수 있고, 전부 다 진실이라고 생각하진 않지만, 그렇다고 '아예 불가능한가'라는 질문을 던졌을때 그건 또 아니고, 실제 미래가 아닐까... 우리가 해야하는 길이자 필연이 아닐까 싶음.
[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
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.
❤2
Forwarded from BHI
YouTube
[단독] 메타 'AI 글라스', 7월 국내 첫 출시…가격 70만원대 / 한국경제TV뉴스
미국 메타의 AI 글라스가 오는 7월 국내에 처음 출시되는 것으로 한국경제TV 취재 결과 확인됐습니다. 메타는 출시 가격을 70만 원대로 책정한 가성비 모델로 국내 소비자를 공략한다는 전략입니다. 산업부 김인철 기자의 단독 보도입니다.
#메타 #AI #안경
[기사원문보기]
https://www.wowtv.co.kr/NewsCenter/News/Read?articleId=A202603110377
△ 대한민국의 경제를 보세요!
△ 구독과 좋아요👍…
#메타 #AI #안경
[기사원문보기]
https://www.wowtv.co.kr/NewsCenter/News/Read?articleId=A202603110377
△ 대한민국의 경제를 보세요!
△ 구독과 좋아요👍…