toolx blog
2026.08 · 초보자 대상 강좌

AI 용어 최신 지도
프롬프트에서 루프로

"AI에게 말 잘 거는 법"에서 "AI에게 일 시키고 감독하는 법"으로. 지금 초보자가 반드시 아는 5개 키워드와 주변 용어 24개.

루프 엔지니어링하네스 엔지니어링에이전틱 워크플로우종료 조건동적 컨텍스트90분
시작 전 — 대상 확인 토큰 · 컨텍스트 윈도우 · 할루시네이션을 설명 없이 써도 되는 사람들인가? 아니라면 「AI 기초」 탭을 먼저 30분 하고 여기로 돌아온다. 그 순서를 지키지 않으면 나머지가 전부 헛돈다.

한 문장으로

프롬프트도 컨텍스트도 사라지지 않았다. 사람이 손으로 하던 그 일이 루프(Loop)라는 자동 공장 안으로 들어갔을 뿐이다.

지금 AI 생태계는 '대화하는 상대(Chatbot)'를 만드는 단계에서 '일하는 시스템(Agent System)'을 만드는 단계로 넘어가는 중이다. 용어가 갑자기 늘어난 게 아니라, 계층이 하나 더 생긴 것이다.

엔지니어링 4층 구조

아래로 갈수록 오래된 개념. 위로 갈수록 2026년에 새로 생긴 층. 아래층이 없어진 게 아니라 위층에 흡수됐다.

루프 엔지니어링 2026~ 언제 다시 돌릴지, 언제 멈출지 — 반복 자체를 설계 하네스 엔지니어링 2025~ 도구·권한·출력 형식·평가자 — 에이전트 1대가 사는 작업 환경 컨텍스트 엔지니어링 2024~ 이번 턴에 무엇을 먹일지 — 문서·코드·기억 프롬프트 엔지니어링 2023~ 이번 턴에 뭐라고 말할지 여전히 필요하다. 다만 이제 사람이 아니라 바깥 층이 자동으로 쓴다.

바깥이 안을 감싼다. 아래층은 사라진 게 아니라 위층 안으로 들어갔다.

계층 관계 한 줄 하네스는 에이전트 한 대가 일하는 작업장이고, 루프는 그 작업장을 타이머로 계속 돌리고 인력을 더 뽑는 공장 관리 시스템이다. (Addy Osmani: "Loop engineering sits one floor above the harness.")

2024 vs 2026

구분2024년 (과거)2026년 (현재)
주체사람 (Human-in-the-loop)
사람이 루프 안에서 매번 개입
시스템/AI (Agent-in-the-loop)
사람은 루프 에서 설계·검수
행동사람이 매번 프롬프트를 고쳐서 입력시스템(Loop)이 상황에 맞춰 프롬프트를 자동 생성
핵심 질문"어떻게 질문해야 잘 대답할까?""어떻게 반복시켜야 스스로 고칠까?"
성공 기준답변의 퀄리티작업의 완수 여부
단위대화 1턴작업 1건 (수십~수백 턴)
실패 원인프롬프트가 부실종료 조건이 없음 / 검증자가 없음
비용 감각토큰 몇천 개작업 1건에 $10~$200 (하네스 사례)
2024 · HUMAN-IN-THE-LOOP 루프 사람 AI 사람 AI 사람이 매 턴 안에서 개입한다 2026 · AGENT-IN-THE-LOOP 사람 루프 계획 실행 검증 ↺ 반복 설계 검수 사람은 루프 밖에 있다

용어가 늘어난 게 아니라 사람의 자리가 옮겨간 것이다. 안에서 밖으로.

초보자에게 이렇게 설명하세요 "이제는 AI한테 말 잘 거는 법(프롬프트)을 배우는 게 아니라, AI에게 일을 맡기고 관리·감독하는 법(루프·하네스)을 배우는 시대입니다."

이 강의의 목표

출처 — Addy Osmani, "Loop Engineering" (2026-06-07) · Anthropic, "Harness design for long-running application development" · 사내 세미나 Part 7·8 노트

관통하는 관점 하나: "AI에게 정답을 한 번에 묻지 말고, 정답을 찾을 때까지 고치게 시켜라." 아래 5개는 전부 이 문장의 부품이다.

01루프 엔지니어링Loop Engineering

"AI가 일을 끝낼 때까지 뺑뺑이 돌리는 규칙 만들기"

예전
사람이 질문 → AI가 답변 → 끝. 마음에 안 들면 사람이 또 질문.
지금
"목표를 달성할 때까지 계획 → 실행 → 검토 → 수정을 반복해"라고 시스템을 짜 둔다.
핵심
AI가 한 번에 완벽한 답을 못 낸다는 걸 인정하고, 스스로 고칠 기회를 구조로 만들어 주는 기술.
목표 투입 계획 실행 검토 수정 ↺ 종료 조건이 거짓인 동안 계속 돈다 정지 종료 조건 참 사람이 손대는 곳 ← 여기 한 번. 그 다음부터는 안 만진다.

사람은 목표와 종료 조건만 넣는다. 가운데 네 칸은 시스템이 돌린다.

업계 인용 두 개면 분위기가 잡힌다. Peter Steinberger: "이제 코딩 에이전트에게 프롬프트를 쓰면 안 된다. 에이전트에게 프롬프트를 던지는 루프를 설계해야 한다." Boris Cherny(Anthropic, Claude Code 총괄): "나는 더 이상 Claude에게 프롬프트를 쓰지 않는다. Claude에게 프롬프트를 던지고 다음 할 일을 판단하는 루프를 돌린다. 내 일은 루프를 짜는 것이다."

초보자가 가장 많이 하는 오해 "루프 = for문 돌리기"가 아니다. 루프의 본질은 반복이 아니라 매 회차마다 상태를 남기고 다음 할 일을 스스로 정하는 것이다. 상태를 안 남기면 같은 실수를 100번 반복하는 기계다.
02하네스 엔지니어링Harness Engineering

"AI가 딴 길로 새지 않게 채워두는 안전벨트와 작업복"

하네스(Harness)의 원뜻은 마구(馬具) — 말을 제어하는 장비다. AI를 루프에 태우면 반드시 엉뚱한 짓을 한다. 이를 막기 위해 쓸 수 있는 도구(Tool)를 제한하고, 결과물을 특정 형식(JSON 등)으로만 뱉게 강제하고, 검사하는 별도 AI를 붙이는 기술이다.

비유
요리사(AI)에게 아무 칼이나 주는 게 아니라, 이 요리에 필요한 채소 다지기용 칼만 쥐여주는 것.
구성물
도구 권한 / 출력 스키마 / 프로젝트 규칙 파일(CLAUDE.md, AGENTS.md) / 훅(Hook) / 평가자
가장 센 것
생성자와 평가자 분리. LLM은 자기가 쓴 결과물에 비정상적으로 관대하다. "이 정도면 훌륭하다"며 스스로를 설득한다.

회의적 평가자 (Skeptical Evaluator)

모델은 남의 작업을 비판할 때 훨씬 날카롭다. 그래서 평가자에게 일부러 "의심 많은 성격"을 부여하고, 통과 기준을 하드 임계값으로 못 박는다. GAN(생성적 적대 신경망)의 생성자–판별자 구조에서 따온 발상이다.

하네스가 만드는 차이 — 레트로 게임 메이커 사례

구분Solo 실행 (하네스 없음)Full Harness
소요 시간20분6시간
비용$9$200
결과기본 UI만, 실제 작동 불가16개 기능 구현, 실제 플레이 가능
주요 결함런타임 오류, 캐릭터 이동 불가일부 물리 엔진 오차 외 정상 작동
여기서 나오는 결론 하네스는 비용을 20배로 올린다. 그러나 '동작하지 않는 쓰레기'를 '값어치 있는 제품'으로 바꾸는 방법은 지금으로선 이것뿐이다. $9로 쓰레기를 만드는 것보다 $200로 동작하는 앱을 만드는 게 싸다.
03에이전틱 워크플로우Agentic Workflow

"AI끼리 서로 일을 토스하며 협업하는 구조"

한 명의 천재 AI가 다 하는 게 아니다. 기획하는 AI · 코드 짜는 AI · 검수하는 AI를 따로 두고 결과물을 주고받게 만든다. 프롬프트 한 줄을 잘 쓰는 것보다 이 팀워크를 어떻게 짜느냐가 더 중요해졌다.

역할하는 일흔한 실패
Planner
기획자
모호한 요청을 상세 명세(Spec)로 확장. 제품 맥락과 기능 범위에 집중. 기술 세부사항을 너무 일찍 못 박아 연쇄 오류 유발
Generator
생성자
명세를 작업 단위로 나눠 구현. 단계마다 Git 커밋으로 되돌아갈 지점 확보. 자기 결과에 관대함 — 스스로 "완료" 선언
Evaluator
평가자
시작 전 "무엇이 완료인가"를 생성자와 협상하고, 끝나면 사용자 관점에서 공격하듯 테스트. 기준이 물러서 전부 통과시킴
✕ 같은 세션 — 자기 채점 AI 1대 만들고, 스스로 채점한다 "잘 만들어졌습니다" 결함이 그대로 통과한다 ✓ 분리 — Maker ≠ Checker 생성자 만들기만 평가자 깨기만 산출물 반려 "실패할 이유 3가지" 다른 지시문 · 가능하면 다른 모델

실습 4-3이 이 그림을 직접 재현하는 순서다.

원칙 한 줄 · Maker ≠ Checker 만든 놈이 검사하면 안 된다. 코드를 쓴 모델은 자기 숙제를 채점하기엔 너무 착하다. 다른 지시문, 가능하면 다른 모델을 쓴 두 번째 에이전트가 첫 번째가 스스로 납득해버린 것을 잡아낸다.
04종료 조건Termination Condition

"AI야, 이 정도면 됐으니까 그만해"

루프 엔지니어링의 진짜 핵심. "완벽할 때까지 해"라고 하면 토큰만 태우고 영원히 안 끝난다. 명확한 멈춤 신호가 필요하다. 그리고 멈춤 신호는 세 종류를 다 써야 한다.

유형내용예시
성공 종료목표 달성 시 정지test/auth 전체 통과 && lint 오류 0
실패 종료더 해봐야 소용없을 때 정지같은 테스트 3회 연속 실패 시 중단
에스컬레이션사람 호출5회 시도해도 안 되면 사람 부르기 / 파일 삭제는 승인 요청
매 회차 판정 생성자가 아닌 쪽이 테스트 통과 && lint 오류 0 성공 종료 같은 실패 3회 반복 실패 종료 · 스킵 판단 애매 / 되돌릴 수 없는 작업 사람 호출 세 갈래 중 하나라도 빠지면 루프가 멈추지 못한다.

초보자는 맨 위 한 줄만 쓴다. 아래 두 줄이 없어서 요금이 터진다.

나쁜 종료 조건
  • "완벽해질 때까지"
  • "괜찮아 보이면 멈춰"
  • "충분히 좋아지면"

AI가 스스로 판정 = 자기 채점. 무한 루프 또는 조기 종료.

좋은 종료 조건
  • 기계가 판정 가능 (테스트·린트·빌드 종료코드)
  • 상한선 있음 (최대 N회, 최대 $X)
  • 판정 주체가 생성자와 다름

"done"이 주장이 아니라 증명이 된다.

도구는 이미 이걸 내장했다 Claude Code의 /goal은 조건이 참이 될 때까지 계속 돌면서, 매 턴 별도의 작은 모델이 완료 여부를 판정한다. 코드를 쓴 모델이 채점하지 않는다는 뜻이다. /loop는 주기적으로 다시 실행하는 쪽. OpenAI Codex 앱에도 같은 이름의 /goal이 있다.
05동적 컨텍스트Dynamic Context

"지금 당장 필요한 기억만 골라서 머리에 넣어주기"

컨텍스트 엔지니어링은 사라진 게 아니라 시스템 안으로 들어갔다. 사람이 매번 문서를 붙여넣던 일을, 이제 AI가 루프를 돌면서 현재 단계에 필요한 정보만 검색(RAG)해 와서 스스로 컨텍스트를 갈아끼운다.

왜 갈아끼워야 하나 — 문맥 불안 (Context Anxiety)

컨텍스트 윈도우가 차오르면 모델이 작업을 성급히 마무리하거나 지시사항을 누락한다. 이걸 '문맥 불안'이라 부른다. 대응은 모델 세대에 따라 갈린다.

전략내용언제
리셋컨텍스트를 완전히 비우고, 구조화된 산출물(파일)로만 상태를 전달문맥 불안이 강한 구세대 모델
압축대화를 요약해 눌러 담으며 연속성 유지긴 문맥 유지력이 좋아진 최신 모델
외부 메모리진행 상황을 디스크의 마크다운 파일에 기록항상. 루프의 척추.
리셋 Reset 한계 ↓ 비움 ↓ 비움 ↓ 비움 압축 Compaction ↓ 요약 ↓ 요약 ↓ 요약 외부 메모리 State file progress.md · log.md — 디스크에 남는다 회차 → 점선 = 컨텍스트 윈도우 한계

세로축은 컨텍스트 사용량. 위 두 줄은 서로 대안이고, 세 번째 줄은 항상 같이 쓴다.

📸 이미지 요청 #1 — 컨텍스트 윈도우 실물 Claude Code 세션에서 컨텍스트가 절반 이상 찼을 때의 잔량 표시.
위 다이어그램이 추상이라, 실제 숫자가 붙은 화면이 하나 있으면 초보자가 바로 이해한다.
캡처 대상: 하단 상태줄의 context 잔량 표시 / /context 출력
외워야 할 한 문장 "에이전트는 잊어버리지만, 저장소는 잊지 않는다." 모델은 실행과 실행 사이에 전부 까먹는다. 그래서 기억은 컨텍스트가 아니라 디스크에 있어야 한다. 너무 단순해서 안 중요해 보이지만, 장기 실행 에이전트는 전부 이 트릭 위에 서 있다.

루프 = 5개 부품 + 기억 1개

2025년까지는 루프를 만들려면 bash 스크립트 더미를 직접 짜고 평생 관리해야 했다. 지금은 부품이 제품 안에 그냥 들어 있다. 그래서 "어느 도구를 쓸까"를 싸울 필요가 없다 — 어느 쪽에 앉아도 같은 모양의 루프를 설계하면 된다.

① 오토메이션 매일 09:00 발동 · CI 실패 · 열린 이슈 · 최근 커밋을 스스로 훑는다 트리아지 — 할 일 목록 ③ 스킬 프로젝트 지식을 매 실행 주입 — 없으면 매번 맨바닥에서 재추론 ② 워크트리 A 생성자 평가자 ⑤ 만든 놈 ≠ 검사한 놈 ② 워크트리 B 생성자 평가자 ⑤ 서로 파일을 못 건드린다 ④ 커넥터 — PR 생성 · 티켓 갱신 · 알림 ⑥ 상태 progress.md — 내일 아침 실행이 여기서 이어받는다. 이게 없으면 루프가 아니다.

왼쪽 점선 = 다음 실행이 상태 파일에서 이어받는 경로. 여기가 끊기면 매번 처음부터 시작한다.

부품루프에서의 역할Claude CodeOpenAI Codex 앱
① 오토메이션 정해진 주기로 할 일을 발굴·분류 (루프의 심장박동) 스케줄 작업·cron, /loop, /goal, 훅, GitHub Actions Automations 탭, Triage 인박스, /goal
② 워크트리 병렬 작업 충돌 방지 git worktree, --worktree, isolation: worktree 스레드마다 워크트리 내장
③ 스킬 프로젝트 지식을 글로 박제 Agent Skills (SKILL.md) Agent Skills (SKILL.md), $name 호출
④ 플러그인
커넥터
내가 실제로 쓰는 도구에 연결 MCP 서버 + 플러그인 Connectors(MCP) + 플러그인
⑤ 서브에이전트 한 놈이 제안, 다른 놈이 검사 .claude/agents/, 에이전트 팀 .codex/agents/ TOML
⑥ 상태(기억) 뭘 했고 뭐가 남았는지 — 대화 밖에 사는 파일 마크다운(CLAUDE.md, progress) 또는 Linear(MCP) 마크다운(AGENTS.md) 또는 Linear

부품별 해설

① 오토메이션 — 루프를 '루프'로 만드는 것

이게 없으면 그냥 한 번 돌린 실행이지 루프가 아니다. 주기를 정해 두면 AI가 어제의 CI 실패, 열린 이슈, 최근 커밋을 스스로 훑어서 할 일을 트리아지 인박스에 쌓아둔다. 찾은 게 없는 실행은 알아서 사라진다.

/loop/goal의 차이 — 시험에 나온다:

/loop — 주기 반복

정해진 간격으로 다시 실행한다. "5분마다 배포 상태 확인해."
끝이 정해져 있지 않음.

/goal — 조건 달성까지

조건이 참이 될 때까지 계속 간다. "test/auth 전부 통과하고 lint 깨끗해질 때까지."
매 턴 별도 모델이 완료 판정 → 자기 채점 방지.

/loop 주기 반복 5분 5분 끝이 정해져 있지 않다. 사람이 멈출 때까지 계속. /goal 조건 달성까지 정지 조건이 참이 됐다 매 턴 별도 모델이 판정

/loop주기가 있고, /goal이 있다. 초보자가 가장 많이 헷갈리는 한 쌍.

📸 이미지 요청 #2·#3 — 두 명령의 실제 화면 #2 /loop 실행 중 화면 (반복 회차가 보이는 상태)
#3 /goal 실행 후 완료 판정이 뜨는 순간 — 이게 "다른 모델이 채점한다"의 증거라 제일 중요하다.
캡처 대상: 명령 입력 직후 + 종료 시점 2컷

② 워크트리 — 병렬이 아수라장이 되지 않게

에이전트를 두 대 이상 돌리는 순간 파일이 충돌한다. 두 사람이 같은 줄을 서로 말없이 고치는 것과 정확히 같은 문제다. git worktree는 같은 저장소 히스토리를 공유하면서 별도 작업 디렉터리 + 별도 브랜치를 주기 때문에, 한쪽 에이전트의 수정이 다른 쪽 체크아웃을 물리적으로 건드릴 수 없다.

오케스트레이션 세금 · Orchestration Tax 워크트리는 기계적 충돌만 없앤다. 병렬 개수의 진짜 상한은 도구가 아니라 당신의 리뷰 대역폭이다. 에이전트 10대를 돌려도 결과를 볼 수 있는 사람은 하나다.

③ 스킬 — 매번 프로젝트를 다시 설명하지 않으려고

에이전트는 모든 세션을 차가운 상태로 시작하고, 의도에 구멍이 있으면 자신 있게 추측으로 메운다. 이게 의도 부채(Intent Debt)다. 스킬은 그 의도를 바깥에 한 번 적어 두는 것 — 관례, 빌드 절차, "그 사건 때문에 우리는 이렇게 안 한다" 같은 것. 스킬이 없으면 루프는 매 사이클마다 프로젝트를 맨바닥에서 재추론한다. 있으면 누적된다.

스킬 vs 플러그인: 스킬은 작성 형식, 플러그인은 배포 방법. 저장소 여러 곳에 나눠주고 싶으면 스킬을 플러그인으로 묶는다.

④ 플러그인·커넥터 — 루프가 실제 세계를 만진다

파일 시스템밖에 못 보는 루프는 작은 루프다. MCP 위에 세워진 커넥터가 이슈트래커를 읽고, DB에 질의하고, 스테이징 API를 치고, 슬랙에 메시지를 남긴다. "여기 고치는 법입니다"라고 말하는 에이전트PR을 열고 티켓을 연결하고 CI 초록불 뜨면 채널에 알리는 루프의 차이가 여기서 갈린다.

⑤ 서브에이전트 — 만든 놈과 검사하는 놈 떼어놓기

루프에서 구조적으로 가장 쓸모 있는 한 수. 루프는 당신이 안 보는 동안 돈다. 그래서 자리를 뜰 수 있는 유일한 근거는 믿을 만한 검증자다. 서브에이전트는 각자 모델과 도구를 돌리므로 토큰을 더 태운다 — 두 번째 의견이 값어치 있는 곳에만 쓴다.

⑥ 상태 — 루프의 척추

마크다운 파일 하나, 또는 이슈 보드. 대화 밖에 살면서 뭐가 끝났고 뭐가 남았는지 붙잡고 있는 것. 이게 있어야 내일 아침 실행이 오늘 멈춘 자리에서 이어진다.

루프 하나의 실제 모양

매일 아침 09:00  [오토메이션 발동]
  └─ 트리아지 스킬 호출
       ├─ 어제 CI 실패 읽기
       ├─ 열린 이슈 읽기
       └─ 최근 커밋 읽기
  └─ 발견 사항을 progress.md 에 기록          ← ⑥ 상태

  각 항목마다:
    ├─ 격리된 워크트리 생성                    ← ② 충돌 방지
    ├─ 서브에이전트 A: 수정안 작성             ← ⑤ 생성자
    └─ 서브에이전트 B: 프로젝트 스킬 + 기존 테스트 기준으로 검수  ← ⑤ 평가자

  통과 시 → 커넥터가 PR 생성 + 티켓 갱신 + 슬랙 알림   ← ④
  실패 시 → 트리아지 인박스에 남겨 사람에게              ← 에스컬레이션

  [종료] 내일 아침 실행이 progress.md 부터 이어받음

여기서 당신이 프롬프트를 친 단계가 하나도 없다. 한 번 설계했을 뿐이다. 그게 루프 엔지니어링이다.

출처 — Addy Osmani, "Loop Engineering" (2026-06-07, addyosmani.com): 5 primitives + state 표 및 도구 매핑
이 탭이 필요한 신호 수강생이 "토큰이 뭐예요?" "컨텍스트 윈도우가 뭐예요?"를 물으면 앞 탭은 통하지 않는다. 앞 탭을 반복 설명하지 말고 여기서 30분 먼저 하고 넘어간다. 순서를 뒤집으면 나머지 90분이 전부 헛돈다.

0. 지도 먼저 — AI · 머신러닝 · LLM의 관계

초보자가 가장 먼저 헷갈리는 것은 새 용어가 아니라 낡은 용어들끼리의 관계다. 포함 관계 하나면 정리된다.

인공지능 (AI) 사람이 하던 판단을 기계가 하는 것 전부 — 1950년대부터 머신러닝 (ML) 규칙을 사람이 안 짜고 데이터에서 스스로 찾는 방식 딥러닝 (DL) 신경망을 깊게 쌓은 머신러닝. 2010년대 이후 주류 생성형 AI 분류·예측이 아니라 새로 만들어내는 딥러닝 (글·그림·소리) LLM — 대규모 언어 모델 글을 다루는 생성형 AI. ChatGPT·Claude·Gemini가 전부 여기. 우리가 "AI"라고 부를 때 실제로 가리키는 것은 대부분 이 칸이다.

"AI가 발전했다"는 말의 99%는 맨 안쪽 칸 이야기다.

1강. LLM은 무엇인가 — "다음 단어를 맞히는 기계"

LLM의 본질은 하나다. 지금까지의 글 다음에 올 단어를 확률로 고르는 것. 그게 전부다.

"오늘 날씨가 참 ___" 다음에 뭐가 올까? '좋다'가 높은 확률, '자동차'는 낮은 확률. 이걸 한 단어씩 반복하면 문장이 되고 문서가 된다. 이 한 줄을 이해하면 아래 세 가지 문제가 전부 자동으로 설명된다.

학습(Training) vs 추론(Inference) — 초보자가 가장 많이 섞는 둘

학습 · TRAINING 인터넷 규모 텍스트 모델 만들기 가중치가 정해진다 수개월 · 수천억 원 · 딱 한 번 끝나면 모델은 더 이상 안 변한다 → 내가 대화한 내용은 모델에 저장되지 않는다 추론 · INFERENCE 내 질문 모델 몇 초 · 쓸 때마다 매번 · 요금은 여기서 발생 우리가 하는 건 전부 이쪽이다 → "AI를 학습시킨다"는 말은 대개 틀린 표현이다

"제가 AI를 학습시켰어요"라고 말하는 사람의 99%는 추론 단계에서 프롬프트를 잘 준 것이다.

여기서 파생되는 3가지 — 전부 같은 뿌리

현상왜 생기나대응
할루시네이션
환각
모르는 걸 모른다고 표시하는 기능이 없다. 그냥 "그럴듯한 다음 단어"를 계속 이어 쓴다. 거짓말이 아니라 구조상 그렇게 생겨먹은 것이다. 근거·출처를 같이 요구 / 검색 붙이기(RAG) / 기계로 검증
지식 컷오프
knowledge cutoff
학습이 끝난 시점 이후의 일은 존재 자체를 모른다. 학습은 한 번뿐이니까. 최신 정보는 검색 도구를 붙이거나 직접 붙여넣기
계산·세기 실수 계산기가 아니라 글자 예측기다. 숫자도 "그럴듯한 다음 글자"로 뱉는다. 계산은 코드 실행 도구에 시킨다
파라미터 (매개변수) "700억 파라미터 모델" 같은 말의 그 숫자. 학습으로 정해진 내부 조절 손잡이의 개수다. 많을수록 대체로 똑똑하고 비싸고 느리다. 초보자는 이 숫자를 신경 쓸 필요가 없다 — 요즘은 크기보다 훈련 방식이 성능을 가른다.

2강. 토큰과 컨텍스트 윈도우 — 기억력이자 요금

토큰 (Token)

AI가 글을 세는 단위. 글자도 단어도 아닌 그 중간이다. 영어는 대략 4글자 ≈ 1토큰, 한글은 1글자 ≈ 1~2토큰이라 같은 내용이라도 한글이 더 많이 든다. 요금은 글자 수가 아니라 토큰 수로 계산된다.

컨텍스트 윈도우 (Context Window)

한 번에 책상 위에 펼칠 수 있는 종이의 양. 이걸 넘으면 오래된 종이부터 책상에서 밀려난다. "아까 말했잖아"가 안 통하는 순간이 바로 이때다. AI가 까먹은 게 아니라 애초에 안 보이는 상태가 된 것이다.

1턴 2턴 3턴 4턴 이전 대화 전체 새로 친 질문 AI에게는 매 턴이 첫 대화다. 이전 내용을 통째로 다시 읽고 나서 답한다.

대화가 길어질수록 같은 질문도 요금이 비싸진다. 파란 칸(새 질문)은 그대로인데 회색 칸이 계속 자라기 때문.

초보자가 오늘 바로 쓸 규칙 3개

📸 이미지 요청 #9 — 토큰·요금 실물 사용량 화면 또는 대화 하단의 토큰 표시. 위 막대그래프가 추상이라, 실제 숫자가 붙은 한 장이 있으면 초보자가 즉시 납득한다.
캡처 대상: 사용량 대시보드 또는 세션 토큰 표시

3강. 프롬프트 — 말 거는 법의 기본

종류누가 쓰나언제 적용되나
시스템 프롬프트서비스 만든 쪽 (또는 나, 설정에서)대화 전체에 계속 적용. "너는 ~다" 류의 성격·규칙
유저 프롬프트이번 한 턴. 지금 시키는 일

좋은 프롬프트 4요소

요소질문
역할누구처럼 답하나너는 10년차 회계사다
목표무엇을 얻고 싶나이 거래 내역에서 이상 항목을 찾아라
제약하지 말아야 할 것추측 금지. 근거 행 번호를 반드시 인용
출력 형식어떤 모양으로표로. 열은 행번호·금액·의심 사유
나쁜 프롬프트

"엑셀 분석해줘"

역할·목표·제약·형식 전부 없음. AI는 빈칸을 자신 있는 추측으로 메운다.

좋은 프롬프트

"너는 10년차 회계사다. 붙여넣은 거래 내역에서 이상 항목을 찾아라. 추측 금지, 근거 행 번호 인용. 표로 출력하고 열은 행번호·금액·의심 사유."

# 프롬프트 기본 틀

역할:   너는 ______________ 다.
목표:   ______________ 를 해라.
제약:   ______________ 는 하지 마라. 모르면 모른다고 해라.
형식:   ______________ 형태로 출력해라.

[자료 붙여넣기]
예시 2개의 힘 — Few-shot 설명을 세 문단 쓰는 것보다 원하는 결과의 예시를 2개 보여주는 것이 훨씬 잘 먹는다. "이런 식으로 나오면 돼" + 예시 2개 → 형식이 즉시 잡힌다.

4강. 모델 이름 읽는 법

모델 이름은 대체로 [제품군] + [등급] + [세대] 구조다. Claude의 Opus·Sonnet·Haiku, 다른 회사의 Pro·Flash·mini 같은 이름이 등급이고, 붙은 숫자가 세대다.

고르는 기준
등급큰 모델일수록 어려운 추론에 강하고, 느리고, 비싸다어려운 설계·긴 코드 → 상위 등급 / 요약·분류·번역 → 하위 등급
세대숫자가 클수록 최신. 같은 등급이면 신세대가 대체로 더 낫다특별한 이유 없으면 최신 세대
추론 모드
thinking
답하기 전에 스스로 길게 생각하는 단계를 거친다. 느리고 비싸지만 정확도가 오른다수학·디버깅·다단계 계획 → 켠다 / 잡담·요약 → 끈다
멀티모달글 말고 이미지·소리·영상도 입력으로 받는다스크린샷·도면·사진을 다룰 일이 있으면 필수
공개 방식오픈웨이트 = 모델 파일을 받아 내 컴퓨터에서 돌릴 수 있음 / 비공개 = API로만보안·오프라인 요구 → 오픈웨이트 / 성능 우선 → 비공개 상위 모델
초보자 함정 "제일 비싼 모델 = 항상 정답"이 아니다. 분류·요약 같은 단순 작업에 상위 모델을 쓰면 결과는 똑같은데 요금만 몇 배 나온다. 작업 난이도에 등급을 맞추는 게 실력이다.

5강. 내 정보를 AI에 넣는 3가지 방법

초보자 질문 1순위: "우리 회사 문서를 AI가 알게 하려면요?" 답은 셋 중 하나다.

내 문서 ① 그냥 붙여넣기 ② 검색해서 넣기 (RAG) ③ 파인튜닝 모델 컨텍스트 매번 새로 채운다 · 대화 끝나면 사라진다 가중치 학습으로만 바뀐다 · 영구적 · 비싸다

①②는 컨텍스트에 들어간다(임시). ③만 가중치를 건드린다(영구). 대부분의 문제는 ①②로 끝난다.

방법이럴 때비용·난이도주의
① 붙여넣기 문서 몇 개, 지금 한 번만 공짜에 가까움 / 즉시 컨텍스트 윈도우를 넘으면 못 넣는다
② RAG 문서 수백~수만 개. 대부분 여기 중간 / 며칠 검색이 엉뚱한 걸 물어오면 답도 엉뚱해진다
③ 파인튜닝 말투·형식을 모델 자체에 새겨야 할 때 높음 / 몇 주 지식 주입 용도로는 대개 잘못된 선택. 최신 정보를 넣으려면 매번 다시 학습해야 한다
한 줄 판단법 "내용이 자주 바뀌나?" → 예: RAG. 아니오 + 말투 문제: 파인튜닝. 대부분의 회사는 RAG면 끝난다. 파인튜닝부터 검토하는 건 거의 항상 과잉이다.

6강. 챗봇에서 에이전트로 — 앞 탭과 이어지는 지점

여기까지가 "AI와 대화하기"다. 그런데 2026년의 주제는 "AI에게 일 시키기"다. 둘을 가르는 선은 딱 하나 — 도구를 쓸 수 있는가.

챗봇 — 말만 한다 사람 LLM 텍스트 답변 "이렇게 고치시면 됩니다" → 실제로 고치는 건 사람 에이전트 — 실제로 한다 사람 LLM 파일 읽기·쓰기 웹 검색 코드 실행 "고쳤습니다. 테스트도 통과했습니다" → 결과물이 실제로 바뀌어 있다 → 그래서 틀렸을 때 피해도 실제로 생긴다

도구를 쥐여준 순간 AI는 말하는 존재에서 행동하는 존재가 된다. 하네스와 루프가 필요해진 이유가 정확히 이것이다 — 행동에는 안전벨트와 정지 버튼이 필요하니까.

여기서 앞 탭으로 넘어간다 이 6강이 끝나면 「핵심 키워드 5」 탭이 그대로 읽힌다. 순서: AI 기초(이 탭) → 왜 헷갈리는가 → 핵심 키워드 5 → 실습.

기초 용어 30 — 한 줄 사전

위 6강에 나온 것들의 요약. 수강생 배포용으로 이 표만 잘라 써도 된다.

모델·구조

인공지능 AI
사람이 하던 판단을 기계가 하는 것 전부. 가장 넓은 말.
머신러닝 ML
규칙을 사람이 안 짜고 데이터에서 스스로 찾는 방식.
딥러닝 DL
신경망을 깊게 쌓은 머신러닝. 지금 AI 붐의 기반.
생성형 AI Generative AI
분류·예측이 아니라 새로 만들어내는 AI. 글·그림·소리.
LLM 대규모 언어 모델
글을 다루는 생성형 AI. 다음 단어를 확률로 고르는 게 전부.
파운데이션 모델 Foundation Model
특정 용도가 아니라 바탕으로 쓰라고 만든 범용 대형 모델.
파라미터 Parameter
학습으로 정해진 내부 조절 손잡이 개수. "700억 파라미터"의 그 숫자.
추론 모델 Reasoning / Thinking
답하기 전에 스스로 길게 생각하는 단계를 거치는 모드. 느리고 비싸고 정확하다.
멀티모달 Multimodal
글 말고 이미지·소리·영상도 입력으로 받는 것.
오픈웨이트 Open-weight
모델 파일을 받아 내 컴퓨터에서 돌릴 수 있는 것. 반대는 API 전용.

동작·한계

학습 Training
모델을 만드는 단계. 수개월·수천억 원. 딱 한 번. 내 대화는 여기 안 들어간다.
추론 Inference
만들어진 모델을 쓰는 단계. 우리가 하는 건 전부 이쪽. 요금도 여기서 발생.
토큰 Token
AI가 글을 세는 단위. 영어 4자≈1, 한글 1자≈1~2. 요금의 단위.
컨텍스트 윈도우 Context Window
한 번에 책상에 펼칠 수 있는 종이 양. 넘으면 오래된 것부터 밀려난다.
할루시네이션 Hallucination
모르는 걸 그럴듯하게 지어내는 것. 거짓말이 아니라 구조상 그렇게 생긴 것.
지식 컷오프 Knowledge cutoff
학습이 끝난 시점. 그 이후 일은 존재 자체를 모른다.
온도 Temperature
답의 무작위성 조절값. 낮으면 딱딱하고 일관되게, 높으면 다양하고 창의적으로.
세션 · 스레드 Session
대화 한 뭉치. 새 세션 = 백지 상태. AI는 세션 사이를 기억하지 못한다.

쓰는 법

프롬프트 Prompt
AI에게 보내는 지시. 역할·목표·제약·형식 4요소면 충분하다.
시스템 프롬프트 System prompt
대화 전체에 계속 적용되는 규칙. 유저 프롬프트는 이번 한 턴.
Few-shot
원하는 결과의 예시를 2~3개 보여주는 것. 설명 세 문단보다 잘 먹는다.
RAG 검색 증강 생성
질문에 맞는 문서를 검색해 와서 프롬프트에 넣고 답하게 하는 방식.
파인튜닝 Fine-tuning
모델 가중치를 조금 다시 학습시키는 것. 지식 주입 용도로는 대개 오답.
임베딩 Embedding
글을 숫자 배열로 바꾼 것. "뜻이 비슷하면 숫자도 가깝다" — RAG 검색의 원리.
벡터 DB Vector DB
임베딩을 저장하고 "비슷한 것"을 빠르게 찾아주는 저장소.
API
프로그램이 AI를 부르는 창구. 사람이 채팅창에서 쓰는 것과 같은 모델을 코드로 부른다.
SDK
그 API를 언어별로 쉽게 쓰게 만든 꾸러미. pip install anthropic 같은 것.
챗봇 → 에이전트
가르는 선은 도구를 쓸 수 있는가. 말만 하면 챗봇, 실제로 하면 에이전트.
프롬프트 인젝션 Prompt injection
AI가 읽는 문서·웹페이지 안에 몰래 지시문을 심어 조종하는 공격. 에이전트가 도구를 쥐면 실제 피해가 난다.
기초 확인 질문 — 이걸 못 답하면 앞 탭으로 못 넘어간다 ① LLM이 하는 일을 한 문장으로? ② 대화가 길어지면 왜 요금이 오르나? ③ 회사 문서 1만 건을 AI가 알게 하려면 셋 중 무엇? ④ 챗봇과 에이전트를 가르는 선은?

심화 용어 24 — 앞 탭에서 쓰는 말들

여기서부터는 「핵심 키워드 5」 탭을 들은 뒤 읽는다. 층별로 묶었다.

루프 층

오토메이션 Automation
일정에 따라 스스로 발동하는 실행. 루프의 심장박동.
트리아지 Triage
AI가 발굴한 할 일을 중요도별로 분류해 쌓아두는 인박스. 사람은 여기만 본다.
워크트리 git worktree
같은 저장소, 다른 작업 폴더, 다른 브랜치. 에이전트 병렬 실행의 전제 조건.
상태 파일 State / Memory
대화 밖에 사는 진행 기록. progress.md, AGENTS.md 등. 루프의 척추.
장기 실행 에이전트 Long-running agent
몇 시간~며칠에 걸쳐 하나의 목표를 붙잡는 에이전트. 기억을 디스크에 둬야 성립.
런 언틸 던 run-until-done
"검증 가능한 정지 조건이 참이 될 때까지" 계속 도는 모드. /goal이 이것.

하네스 층

툴 유즈 Tool Use
AI가 대답만 하는 게 아니라 정해진 함수를 호출하는 것. 에이전트의 손발.
MCP Model Context Protocol
AI를 외부 도구·데이터에 연결하는 표준 규격. 한 번 만들면 여러 도구에서 그대로 쓰인다.
스킬 SKILL.md
프로젝트 지식을 담은 폴더 + 지시문 파일. 설명을 지루하고 정확하게 써야 잘 불려 나온다.
플러그인 Plugin
스킬·커넥터를 묶어 배포하는 단위. 동료가 한 번에 설치.
Hook
에이전트 생애주기의 특정 시점에 자동 실행되는 셸 명령. 예: 편집 후 자동 포맷.
구조화 출력 Structured Output
결과를 반드시 JSON 스키마에 맞춰 뱉게 강제. 파싱 실패를 원천 차단.
가드레일 Guardrail
해도 되는 것과 안 되는 것의 경계. 권한·경로·비용 상한.
회의적 평가자 Skeptical Evaluator
일부러 의심 많게 튜닝한 검사 에이전트. 통과 기준을 하드 임계값으로 고정.
스프린트 계약 Sprint Contract
작업 시작 전에 생성자와 평가자가 "무엇이 완료인가"를 합의하는 절차.

컨텍스트 층

컨텍스트 윈도우 Context Window
AI가 한 번에 볼 수 있는 텍스트 총량. 토큰 단위로 센다.
토큰 Token
AI가 글을 세는 단위. 한글은 대략 1자 = 1~2토큰. 비용의 단위이기도 하다.
컴팩션 Compaction
대화가 길어질 때 자동 요약해 눌러 담기. 연속성 유지 전략.
컨텍스트 리셋 Reset
컨텍스트를 완전히 비우고 파일로만 상태를 넘기기. 압축의 반대 전략.
문맥 불안 Context Anxiety
윈도우가 차오를 때 모델이 급하게 마무리하거나 지시를 빠뜨리는 현상.
Lost in the Middle
긴 입력의 가운데 정보를 모델이 잘 놓치는 현상. 중요한 건 앞뒤에.
RAG Retrieval-Augmented Generation
필요한 문서를 검색해 와 컨텍스트에 넣고 답하게 하는 방식. 동적 컨텍스트의 엔진.
의도 부채 Intent Debt
적어두지 않은 의도. 에이전트는 구멍을 자신 있는 추측으로 메운다.

사람 쪽 용어 — 사실 이게 제일 중요하다

Human-in-the-loop → Agent-in-the-loop
사람이 루프 에 있던 시대 → 사람은 루프 에서 설계·검수하는 시대.
이해 부채 Comprehension Debt
내가 안 쓴 코드가 쌓일수록 존재하는 것과 내가 이해한 것의 격차가 벌어진다. 루프가 매끄러울수록 빨리 자란다.
인지적 항복 Cognitive Surrender
루프가 알아서 도니까 의견 갖기를 그만두고 나오는 대로 받는 상태. 가장 편한 자세가 가장 위험하다.
오케스트레이션 세금 Orchestration Tax
에이전트를 늘려도 당신의 리뷰 대역폭이 천장이다. 도구가 아니라 사람이 상한선.
적대적 코드 리뷰 Adversarial Review
"이게 왜 틀렸는지 찾아라"를 기본값으로 시키는 리뷰. 동의보다 반박을 시킨다.
수강생 확인 질문 (한 줄로 답하기) ① 하네스와 루프의 차이는? ② 종료 조건을 AI가 판정하면 왜 위험한가? ③ 기억을 컨텍스트가 아니라 디스크에 두는 이유는?

실습 설계 원칙

이 강좌의 실습은 코드 작성이 아니다. 루프를 글로 정의하는 연습이다. 루프 엔지니어링에서 실제로 사람이 하는 일이 그것이기 때문이다.

개발자비개발자 트랙을 나눠 표기했다. 실습 4-2는 공통 필수.

변수 — 여기부터 채운다

실습 전체가 변수 치환식이다. 아래 5개를 정하면 나머지 프롬프트는 복사만 하면 된다. 주제를 바꿔 다시 돌릴 때도 이 표만 갈아끼운다.

변수예시
{주제}반복하려는 작업 한 줄raw/ 자료를 wiki 페이지로 컴파일
{산출물}끝났을 때 손에 남는 물건wiki/sources/*.md + index 한 줄
{검증도구}기계가 판정하는 수단코드블록·표·헤딩 개수 일치
{상한}최대 횟수 / 금액 / 시간1회 10건, 3회 실패 시 중단
{도구}실제로 돌릴 환경Claude Code / n8n / Dify
단 하나의 실격 조건 {검증도구} 칸에 "AI가 판단"이라고 쓰면 이 실습은 거기서 끝난다. 테스트·린트·빌드 종료코드·개수 비교·정규식 — 사람이나 프로그램이 셀 수 있는 것만 적는다.
배포 파일 빈 워크시트: 2026-08_실습-템플릿_루프설계.md
채운 예시: 2026-08_실습-샘플_vault흡수루프.md
복사 → {주제} 전체 치환 → STEP 4까지 채우면 그대로 강의 자료가 된다.

실습 4-1 · 루프 6부품 채우기 개발자비개발자

내가 반복하는 업무 하나를 {주제}에 넣고 빈칸을 채운다. 도구는 아직 안 건드린다.

# {주제} 루프 설계서

목표(Goal):     {주제}
발동 주기:      □ 매일 __:__   □ 커밋할 때마다   □ 수동 실행
{도구}:         ______________________________________

① 오토메이션:  무엇을 스스로 찾아오게 할 것인가?
   → ____________________________________________

② 격리:        동시에 돌 작업이 서로 충돌하는가? (Y/N)
   → ____________________________________________

③ 스킬(지식):  매번 다시 설명하기 싫은 프로젝트 규칙 3개
   1. __________  2. __________  3. __________

④ 연결(도구):  루프가 만져야 하는 외부 시스템
   → ____________________________________________

⑤ 검증자:      누가 "잘 됐다"를 판정하는가? (생성자와 달라야 함)
   → ____________________________________________

⑥ 기억:        진행 상황을 어디에 적을 것인가?
   → ____________________________________________
채점 포인트 ⑤에 "AI가 스스로"라고 쓴 사람은 탈락. ⑥을 비운 사람도 탈락. 이 둘이 루프의 성패를 가른다.

실습 4-2 · 종료 조건 쓰기 개발자비개발자 ★ 핵심

같은 목표를 나쁜 종료 조건좋은 종료 조건 두 벌로 쓴다.

참가자들이 실제로 써 오는 것

"블로그 글이 좋아질 때까지 고쳐줘"

"버그가 다 없어질 때까지 수정해"

고쳐 쓴 것

"제목 2개 이상 대안 제시 + 문단당 3문장 이하 + 맞춤법 검사 통과. 3회 수정 후 무조건 정지."

"pytest 전체 통과 && ruff 오류 0. 같은 테스트 3회 연속 실패 시 중단하고 보고."

템플릿:

[{주제}] 종료 조건

성공 시 정지:   {검증도구} 가 ______________ 이면
실패 시 정지:   ______________ 를 ___회 반복해도 안 되면
사람 호출:      ______________ 상황이 오면
비용 상한:      {상한} — 토큰 ______ / 금액 $______ / 시간 ______분 / 건수 ______

자가 검사:

실습 4-3 · 생성자 / 평가자 갈라보기 개발자비개발자

같은 AI에게 세 번 시킨다. B와 C의 차이가 오늘의 결론이다.

프롬프트 A — 생성자 (1차)

{주제} 를 수행해줘.

산출물: {산출물}
제약:   (있으면 여기 적기)

프롬프트 B — 자기평가 (2차, 같은 대화창)

방금 네가 만든 결과물 어때? 문제 있어?

십중팔구 "잘 만들어졌습니다"가 나온다. 이 답을 그대로 복사해 둔다. 비교 대상이다.

프롬프트 C — 회의적 평가자 (3차, 반드시 새 대화창)

너는 깐깐한 리뷰어다.
아래는 "{주제}" 작업의 결과물이다.

[결과물 붙여넣기]

이 결과물이 실패할 이유 3가지를 찾아라.
- 판정 기준: {검증도구}
- "문제가 없다"고 답하는 것은 허용되지 않는다.
- 추측 금지. 결과물 안의 구체적 위치를 인용해라.
자기평가 (B)회의적 평가자 (C)
지적 개수
실제로 맞는 지적
놓친 것
📸 이미지 요청 #4 — 실습 4-3의 실제 결과 (강의 하이라이트) B와 C의 답변을 나란히 놓은 화면. 이 강좌에서 가장 설득력 있는 한 장이다.
본인이 직접 돌린 화면이어야 한다 — 남의 데모로는 이 실습의 의미가 안 산다.
캡처 대상: 같은 세션 자기평가 답변 1컷 + 새 세션 회의적 평가자 답변 1컷
이 실습의 목적 "왜 검증자를 따로 둬야 하는가"를 설명이 아니라 체험으로 이해시킨다. 여기서 대부분의 수강생이 납득한다.

실습 4-4 · 실행 기록 개발자비개발자 ★ 강의 자료가 되는 곳

실제로 적용해 본 것만 강의한다면, 이 칸이 실습의 본체다. 4-1~4-3은 안 채우면 그냥 설계도이지 강의 자료가 아니다.

# {주제} 실행 기록

| 회차 | 날짜 | 입력 | 결과 | 정지 이유 | 비용 |
|---|---|---|---|---|---|
| 1 |  |  |  |  |  |
| 2 |  |  |  |  |  |
| 3 |  |  |  |  |  |

## 실제로 부딪힌 것
- 예상과 달랐던 것:
- 종료 조건이 안 먹힌 순간:
- 비용이 튄 지점:
- 평가자가 잡아낸 것 중 나도 못 본 것:

## 한 줄 결론
> {주제} 에서 루프는 ______________ 였다.
공유용 요약 — 수강생 배포분 여기만 잘라서 슬라이드로 쓴다. 문제 / 설계 / 종료 조건 / 결과 / 배운 것 다섯 줄이면 충분하다. 자세한 건 워크시트 MD로 넘긴다.

도구 실습 — 개발자 트랙 개발자

해볼 것방법
루프 돌리기Claude Code에서 /loop — 주기 반복. 인자 없이 쓰면 모델이 간격을 스스로 정한다.
조건까지 돌리기/goal — 검증 가능한 정지 조건을 주고 자리를 뜬다. 매 턴 별도 모델이 완료 판정.
서브에이전트 정의.claude/agents/에 마크다운 하나. 이름·설명·지시문·모델·도구 목록.
격리 실행서브에이전트에 isolation: worktree — 각자 새 체크아웃, 끝나면 자동 정리.
지식 박제CLAUDE.md 작성 → 매 세션 자동 로드. 반복 설명이 사라진다.
자동 실행 지점훅(Hook) 설정 — 도구 실행 전후에 셸 명령 자동 실행 (포맷·린트·로그).
외부 연결MCP 서버 연결 — 이슈트래커·DB·사내 API.

Codex 앱을 쓴다면 이름만 다르고 모양은 같다: Automations 탭 / 스레드별 워크트리 / .codex/agents/*.toml / Connectors.

📸 이미지 요청 #5~#8 — 개발자 트랙 증빙 #5 .claude/agents/ 폴더 + 서브에이전트 파일 하나 열린 화면
#6 서브에이전트 병렬 실행 중 화면 (여러 개가 동시에 도는 게 보이는 컷)
#7 git worktree list 출력 또는 워크트리 폴더 2개가 보이는 탐색기
#8 토큰·비용 표시 화면 — "루프는 돈을 태운다"의 증거
#6과 #8이 핵심. 나머지는 없으면 다이어그램으로 대체 가능.

도구 실습 — 비개발자 트랙 비개발자

코드 없이 루프의 모양을 만져보는 쪽. 셋 중 하나만 골라도 충분하다.

도구성격여기서 배울 부품
Dify웹 화면에서 노드를 이어 붙이는 LLM 앱 빌더③ 지식(RAG) · ④ 도구 연결 · 분기 조건
n8n범용 워크플로우 자동화 (스케줄·웹훅·수백 개 연동)① 오토메이션 · ④ 커넥터 · ⑥ 상태 저장
LangGraph루프·분기를 그래프로 명시하는 에이전트 프레임워크 (파이썬 필요)① 루프 구조 · ④ 종료 조건 · ⑤ 검증 노드
비개발자에게 강조할 것 도구 사용법은 6개월이면 바뀐다. 안 바뀌는 것은 6개 부품과 종료 조건이다. 도구를 배우지 말고 루프의 모양을 배우게 하라.

루프가 좋아질수록 더 날카로워지는 문제 3가지

루프는 일을 바꾸지, 당신을 지우지 않는다. 아래 셋은 루프가 매끄러울수록 쉬워지는 게 아니라 심해진다.

01검증은 여전히 당신 몫

지켜보지 않고 도는 루프는 지켜보지 않고 실수하는 루프이기도 하다. 검증자 서브에이전트를 생성자에서 떼어내는 이유가 루프의 "완료됐습니다"에 의미를 부여하기 위해서인데, 그렇게 해도 '완료'는 여전히 주장이지 증명이 아니다. 당신의 일은 동작을 확인한 코드를 내보내는 것이다.

02이해력은 방치하면 썩는다Comprehension Debt

루프가 내가 쓰지 않은 코드를 빨리 뱉을수록, 존재하는 것내가 이해한 것 사이의 간격이 벌어진다. 매끄러운 루프는 이 부채를 더 빨리 키운다. 방어책은 하나뿐 — 루프가 만든 걸 읽는 것.

03가장 편한 자세가 가장 위험하다Cognitive Surrender

루프가 알아서 돌면 의견 갖기를 그만두고 주는 대로 받고 싶어진다. 루프 설계는 판단력을 가지고 하면 해독제이고, 생각을 피하려고 하면 촉진제다. 같은 행동, 정반대 결과.

이 강의에서 가장 중요한 문단 두 사람이 완전히 똑같은 루프를 만들어도 결과는 정반대일 수 있다. 한 사람은 깊이 이해한 일에서 더 빨라지려고 쓰고, 다른 한 사람은 이해 자체를 회피하려고 쓴다. 루프는 그 차이를 모른다. 당신은 안다.

비용 함정

루프 설계 체크리스트

마지막 항목 부연 — 하네스는 고정 장치가 아니다 모델의 내재 능력이 늘어나면 기존 하네스 요소는 불필요한 오버헤드가 된다. 엔지니어의 임무는 모델이 스스로 하게 된 영역의 발판을 과감히 철거하고, 아직 정복되지 않은 다음 경계로 하네스를 옮기는 것이다.

마무리 한 줄

루프를 만들어라. 단, '시작 버튼 누르는 사람'이 아니라 '계속 엔지니어로 남을 사람'처럼 만들어라.

루프 설계가 프롬프트 엔지니어링보다 쉬워진 게 아니다. 지렛대의 받침점이 옮겨간 것이다.

0교시 · AI 기초 30분 (조건부)

수강생이 토큰·컨텍스트 윈도우·할루시네이션을 모르면 본 강의는 성립하지 않는다. 사전 확인 질문 4개를 던져 보고, 막히면 아래를 먼저 돌린다. → 「AI 기초」 탭

시간섹션핵심 한 줄
0–40. 지도AI ⊃ 머신러닝 ⊃ 딥러닝 ⊃ 생성형 ⊃ LLM. "AI 발전"의 99%는 맨 안쪽 얘기.
4–121강. LLM이란다음 단어를 맞히는 기계. 학습 ≠ 추론. 할루시네이션·컷오프·계산 실수가 전부 여기서 파생.
12–192강. 토큰·윈도우기억력이자 요금. 대화가 길수록 같은 질문도 비싸진다. 실전 규칙 3개.
19–233강. 프롬프트역할·목표·제약·형식 4요소. 나쁜 예/좋은 예 1쌍.
23–264강. 모델 고르기등급·세대·추론 모드. "제일 비싼 게 항상 정답이 아니다."
26–285강. 정보 주입 3법붙여넣기 / RAG / 파인튜닝. 대부분 RAG면 끝난다.
28–306강. 챗봇→에이전트가르는 선은 도구 사용. 여기서 본 강의로 넘어간다.
사전 확인 질문 4개 ① LLM이 하는 일을 한 문장으로? ② 대화가 길어지면 왜 요금이 오르나? ③ 회사 문서 1만 건을 AI가 알게 하려면 셋 중 무엇? ④ 챗봇과 에이전트를 가르는 선은?
셋 이상 막히면 0교시 필수. 전원이 답하면 건너뛰고 바로 본 강의.

90분 진행표 (강사용)

대상: 기초 용어가 되는 초보자(0교시 통과자). 개발·비개발 혼합 가능. 실습 4-2와 4-3은 빼지 말 것.

시간섹션내용형식
0–10왜 헷갈리는가챗봇 → 일하는 시스템. 4층 구조. 2024 vs 2026 표.강의
10–20키워드 ①②루프 엔지니어링 · 하네스 엔지니어링. $9 vs $200 사례로 못 박기.강의
20–30키워드 ③④⑤에이전틱 워크플로우 · 종료 조건 · 동적 컨텍스트.강의
30–45실습 4-3자기평가 vs 회의적 평가자 비교. 각자 실행 후 3~4명 결과 공유.실습·공유
45–55루프의 6조각오토메이션·워크트리·스킬·커넥터·서브에이전트·상태. 도구 매핑 표.강의
55–70실습 4-1·4-2내 업무로 루프 설계서 채우기 + 종료 조건 쓰기. 2인 1조 상호 첨삭.실습
70–80함정 3가지검증 책임 · 이해 부채 · 인지적 항복. 비용 함정.강의
80–90체크리스트·Q&A11항목 체크리스트 배포. 용어집 24 안내.정리

대상별 조정

대상강조점덜어낼 것
완전 초보
용어부터 막힘
0교시 30분 필수. 특히 2강(토큰·윈도우)과 6강(챗봇→에이전트). 본 강의는 키워드 5 + 실습 4-3만 해도 된다 루프의 6조각 · 함정 3가지 · 진행표. 2회차로 넘긴다
개발자
IT 실무자
/goal/loop의 차이, 워크트리 격리, 서브에이전트 정의 파일, 훅, MCP 토큰·컨텍스트 윈도우 기초 설명
기획자
마케터
종료 조건 작성, 생성자–평가자 분리, Dify·n8n으로 흐름 만져보기 워크트리, git, 서브에이전트 파일 포맷
경영진
의사결정자
$9 vs $200 표, 오케스트레이션 세금(사람이 상한선), 검증 책임 소재 실습 전체 → 4-3 데모만 시연

기존 커리큘럼과의 접속

이 강좌는 사내 세미나 자료의 Part 7·8을 초보자용으로 앞당겨 묶은 것이다. 심화로 넘길 때 연결점:

고지 사항 — 수강생에게 반드시 도구 이름과 슬래시 명령은 2026년 8월 기준이며 빠르게 바뀐다. 바뀌지 않는 것은 6개 부품과 종료 조건, 그리고 만든 놈이 검사하지 않는다는 원칙이다.