엄지

👀치이카와🐰 AI 투자 피부 아랍👀

[꼬마봇 @BBBang9900]

🖥️AI 자격증 따셈 두번 따셈🖥️

챗GPT 끄적거린다고 AI 인재 되는 거 아님. 이력서에 "AI 툴 활용 가능" 한 줄 쓰는 뻔한 짓 그만하고, 서류 합격률 미친 듯이 올려주는 진짜 '증명서' 4개 즐겨찾기 해두고 따셈. 문과생 벼락치기용부터 현업 엔지니어용 끝판왕까지 싹 다 해결됩니다.

1. AICE (국내 AI 실무 팩트체크)
"파이썬 1도 모릅니다" 하는 쌩문과생부터 현업 고수까지 다 쓸 수 있는 갓성비 자격증임. KT가 주관해서 요새 국내 대기업이나 은행권 채용할 때 가산점 퍼주는 곳 엄청 많음. 본인 수준 맞게 베이직(Basic)이나 어소시에이트(Associate) 골라서 따두면 AI 실무 역량 팩트체크 끝남.
🔗 https://t.co/H7FMP1EaBb

2. ADsP & 빅데이터분석기사 (국가공인 데이터 꿀통)
AI 겉핥기 말고 뼈대가 되는 진짜 '데이터' 다루는 뇌섹남녀 되고 싶으면 이거 하셈. 특히 ADsP(데이터분석 준전문가)는 비전공자도 기출 뺑뱅이로 한 달 컷 가능한데 이력서 가성비는 미쳤음. 좀 더 딥하게 갈 거면 국가공인 빅데이터분석기사로 스펙업해서 서류전형 프리패스 하셈.
🔗 https://t.co/iKfKLBLEQB

3. 마이크로소프트 AI-900 (글로벌 외국계 찍먹)
"외국계나 IT 기획 가고 싶은데 개발은 못해요" 하면 무조건 이거 따셈. 코딩 테스트 1도 없고, MS 애저(Azure) 기반으로 AI 기본기 싹 훑어줌. 이력서에 'Microsoft' 글자 박히는 순간 글로벌 인재 된 것 같은 퀄리티 챙길 수 있음. 진입장벽 낮으니까 주말 며칠 빡세게 굴려서 따버리셈.
🔗 https://t.co/x5zcKVnZIw

4. Google Cloud & AWS ML (현업 엔지니어 연봉 치트키)
여기서부터는 비전공자 쳐다보지 마셈. 현업에서 진짜 클라우드로 머신러닝 모델 깎고 배포하는 '진성 개발자'들을 위한 끝판왕 족보임. 난이도 극악이라 피 토할 수 있는데, 딴 순간 이직 시장에서 연봉 앞자리 바뀌는 마법의 치트키임. 네카라쿠배 노리는 클라우드 고수면 무조건 도전하셈.
🔗 구글: https://t.co/qHAjMl3EXx
🔗 AWS: https://t.co/nClWlewFGH

문과면 1, 2번에서 뼈대 잡고 개발자면 4번으로 퀄리티 올려서 하반기 씹어먹으셈.

[코스메틱_Winnie @cosmetic_winnie]

🔰여드름이 아예 안 나는 피부로 탈바꿈 → 아다팔렌 하세요.

네, 물론 여드름이 아예 안 나는 피부가 되려면…
다시 태어나는 게 가장 확실하겠지만
일단 이미 태어났으니
최대한 여드름이 ‘덜 나는’ 피부로 만드는 데는 레티노이드가 가장 효과적입니다.

✔️각질세포의 정상적인 턴오버 촉진
✔️모공막 블헤/화헤 형성 억제

[Alis volat propriis @Alisvolatprop12]

https://t.co/d2H2B4Gg1O

[GUTE_RachelHan @GuteslaX]

[중국 3대 통신사의 Token Factory경쟁 본격화, AI 추론 산업의 급속한 성장 예고]

중국에서 AI 토큰을 통신요금제·컴퓨팅 상품·도시 인프라 단위로 유통하려는 움직임이 본격화되고 있습니다.

5월 15일, AI 컴퓨팅 파워 기업 홍신전자는 화웨이, 우시 하이테크존과 함께 장쑤성 최초의 화웨이 어센드 384 슈퍼노드 컴퓨팅 클러스터를 우시에 구축하기로 계약했습니다.

이번 클러스터는 홍신전자가 우시에 설립할 대규모‘토큰 공장’의 초기 실증 인프라로 활용될 예정입니다. 중국 언론은 이를 대규모·고성능 ‘국산 칩·국산 모델’ 컴퓨팅 클러스터의 새로운 사례로 평가하고 있습니다.

이번 우시 토큰 공장의 핵심 숫자는 화웨이 어센드 384 슈퍼노드 서버 4대, 총 1,536장 GPU급 카드 규모입니다.
각 어센드 384 슈퍼노드 서버는 384카드 규모의 연산 능력을 갖고 있으며, 우시 프로젝트는 이 384카드 클러스터 4개를 하나의 슈퍼 클러스터로 연결하는 구조입니다. 이는 현재 중국 내 시장 - Token Factory 형 가운데서도 상위권 규모로 언급되고 있습니다.

동시에 중국 3대 통신사도 모두 토큰 기반 AI 컴퓨팅 과금 모델을 출시하거나 확대하고 있습니다.

상하이 텔레콤은 5월 16일 토큰 컴퓨팅 서비스를 발표하며, 1위안당 25만 크레딧 포인트 요금제를 내놓았습니다.
키미 K2.5 모델 기준으로 약 25만 입력 토큰 호출이 가능한 수준이며, 사용자는 구매한 크레딧 포인트를 통해 30여 개 주요 대형모델을 표준 API로 호출할 수 있습니다.
결제 방식도 통신사답게 휴대폰 요금 청구서 결제를 지원합니다. 예시로 10위안을 구매하면 250만 크레딧 포인트를 확보할 수 있고, 이는 약 10만 자 분량 전자책 100권을 요약할 수 있는 수준으로 소개됐습니다.

상하이 텔레콤은 초기 이용자 확보를 위해 상하이 텔레콤 휴대폰 사용자 대상 2,500만 크레딧 포인트 무료 체험권도 제공한다고 밝혔습니다. 무료 체험은 5,000명 한정, 유효기간은 1개월입니다. 또한 6월부터는 중국전신의 가정용 디지털 서비스 패키지에 토큰 회원 혜택을 붙여, 통신 서비스·가정용 AI 서비스·토큰 사용량을 결합한 패키지로 확장할 계획입니다.

차이나모바일도 개인 사용자 대상 ‘컴퓨팅 파워 토큰 패키지’를 출시하고 있습니다. 베이징 지점들은 이미 개인 사용자를 대상으로 토큰 단위 과금, 필요 시 결제하는 방식을 내놓았고, 차이나모바일은 베이징뿐 아니라 후베이·허난 등지에서도 유사한 컴퓨팅 패키지를 순차적으로 출시하고 있습니다. 광둥지역에서는 4월 3일 성급 통신사 중 먼저 개인 시장용 컴퓨팅 토큰 패키지를 발표했고, 장지역도 4월 13일 AI 토큰 패키지를 출시했습니다.

차이나유니콤 역시 통합 컴퓨팅 파워 구독 패키지를 내놓고 있으며, 상하이 유니콤은 FDE 스마트시티 계획을 통해 ‘토큰 관리’라는 새로운 운영 패러다임을 제시했습니다. 이 흐름은 통신사가 단순 회선 사업자에서 벗어나, AI 모델 호출량·컴퓨팅 자원·데이터·도시 서비스까지 묶는 AI 인프라 운영자로 전환하려는 시도로 볼 수 있습니다.

오리엔트증권은 중국 내 토큰 생산 기업들이 빠른 성장기에 진입할 것이라고 봤습니다.

핵심 조건은 세 가지입니다.

첫째, 일정 수준 이상의 컴퓨팅 파워를 확보해야 합니다.
둘째, 대형모델 추론 최적화 능력이 필요합니다.
셋째, 클라우드 서비스와 API 유통 역량을 갖춰야 합니다.
이 조건을 갖춘 기업들은 단순 데이터센터 운영사가 아니라, 향후 ‘토큰 운영업체’로 부상할 가능성이 큽니다.

관련 상장사로는 캐피탈 온라인과 케화 데이터가 언급됩니다.

캐피탈 온라인은 자체 개발한 차세대 컴퓨팅 플랫폼을 기반으로 AI 애플리케이션에 컴퓨팅 성능, 알고리즘, 클라우드 렌더링 등 기술 서비스를 제공하고 있으며, 이미 다수의 중국 내 AI 고객에게 서비스를 제공해왔습니다.
케화 데이터는 데이터센터 건설·운영 경험을 바탕으로 선도 인터넷 기업에 무정전전원장치, 고전압직류전원, 액체냉각, 지능형 컴퓨팅센터 종합 솔루션을 제공하고 있어, 토큰 공장 확산 시 전력·냉각·AI 데이터센터 인프라 측면에서 수혜 가능성이 있습니다.

이번 뉴스의 본질은 AI 추론이 클라우드 API 기능을 넘어 통신요금제처럼 구매·결제·사용되는 산업 상품으로 바뀌고 있다는 점입니다.

우시의 화웨이 어센드 384 슈퍼노드 기반 토큰 공장은 국산 칩·국산 모델·지방정부·통신사 과금망이 결합한 사례이고, 3대 통신사의 토큰 요금제는 AI 추론을 일반 사용자와 기업이 통신 서비스처럼 쓰게 만드는 유통 구조입니다.

중국은 AI 토큰을 전기나 데이터처럼 관리 가능한 인프라 단위로 만들고 있으며, 이것이 향후 중국형 AI 컴퓨팅 산업의 중요한 과금 모델이 될 가능성이 큽니다.

[GUTE_RachelHan @GuteslaX]

⭕️ 중요 [ AI 인프라 경쟁의 다음 전장: 추론 최적화 레이어와 네비우스의 Token Factory 전략]

AI 인프라 경쟁의 무게중심이 바뀌고 있습니다. 지금까지 시장의 관심은 누가 더 많은 GPU를 확보하느냐, 누가 더 큰 모델을 학습시키느냐에 집중되어 있었습니다. 그러나 AI 서비스가 실제 업무와 산업 현장으로 들어가면서 경쟁의 핵심은 점점 다른 곳으로 이동하고 있습니다.
(* 추론의 공간을 확장하다 - 라는 주제로 본인은 이런 추세를 발표한 적이 있음다)

이제 중요한 질문은 단순히 “얼마나 큰 모델을 돌릴 수 있는가”가 아닙니다. 같은 모델을 얼마나 낮은 비용으로, 얼마나 빠르게, 얼마나 안정적으로, 얼마나 긴 작업 흐름 속에서 실행할 수 있는가가 더 중요해지고 있습니다. 이것이 바로 추론 최적화 레이어가 부상하는 이유입니다.

추론 최적화 레이어는 단순히 모델을 빠르게 돌리는 기술이 아닙니다. AI 워크로드의 성격을 읽고, 그 워크로드에 맞춰 모델·런타임·메모리·네트워크·하드웨어 자원을 재배치하는 실행 최적화 계층입니다. 기존의 모델 서빙이 “모델을 API로 제공하는 것”에 가까웠다면, 추론 최적화 레이어는 “AI 서비스가 실제로 어떤 방식으로 실행되는지”를 이해하고 그 구조 자체를 최적화합니다.

예를 들어 일반 챗봇, 코드 생성, 검색증강, 멀티모달 서비스, 에이전트형 AI는 모두 다른 병목을 가집니다. 어떤 워크로드는 첫 토큰 지연시간이 중요하고, 어떤 워크로드는 전체 처리량이 중요합니다. 어떤 서비스는 긴 컨텍스트로 인해 KV cache가 병목이 되고, 어떤 서비스는 반복적인 도구 호출과 외부 시스템 연동 때문에 상태 관리와 런타임 스케줄링이 중요해집니다.

특히 Agentic AI 시대에는 이 문제가 더 복잡해집니다. AI가 단순히 한 번 답하고 끝나는 것이 아니라, 스스로 계획하고, 여러 도구를 호출하고, 중간 결과를 기억하며, 다시 판단하고, 여러 에이전트와 협력하는 구조로 발전하고 있기 때문입니다. 이 경우 추론 비용은 단일 응답 단위가 아니라 전체 작업 흐름 단위로 계산되어야 합니다.

따라서 앞으로의 추론 최적화는 단순한 모델 경량화나 양자화에 머물 수 없습니다. prefill과 decode의 분리, continuous batching, speculative decoding, KV cache 관리, 메모리 계층화, 런타임 스케줄링, NPU/GPU 커널 최적화, 네트워크 병목 완화, 에이전트 상태 관리, 도구 호출 최적화까지 하나의 시스템 문제로 연결됩니다.

결국 추론 최적화 레이어는 AI 시대의 새로운 운영체제에 가까운 역할을 하게 됩니다. 모델과 하드웨어 사이에 존재하면서, 실제 AI 서비스의 실행 패턴을 읽고 가장 효율적인 방식으로 연산·메모리·스토리지·네트워크 자원을 배치하는 계층입니다. 앞으로 AI 클라우드와 AI 인프라 기업의 경쟁력은 단순한 GPU 보유량이 아니라, 동일한 연산 자원에서 얼마나 많은 토큰을 안정적으로 생산하고, 고객의 실제 서비스 비용을 얼마나 낮출 수 있느냐로 평가될 가능성이 큽니다.

이 흐름을 보여주는 대표적인 사례가 바로 네비우스의 Eigen AI 인수입니다.

유럽계 AI 클라우드 기업 네비우스(Nebius Group)는 현지 시간 5월 1일, AI 추론 및 모델 최적화 기업 Eigen AI를 약 6억 4,300만 달러에 인수한다고 발표했습니다. 이번 거래는 현금과 A급 주식으로 구성되며, Eigen AI의 기술은 네비우스의 관리형 추론 플랫폼인 Token Factory에 통합될 예정입니다.

이번 인수의 핵심은 단순한 인력 확보가 아니라, 추론 최적화 레이어를 장악하려는 전략입니다. AI 인프라 경쟁은 지금까지 GPU 확보와 데이터센터 증설에 집중돼 있었지만, 실제 서비스 단계에서는 같은 GPU로 얼마나 더 많은 토큰을, 더 낮은 지연시간과 비용으로 처리하느냐가 중요해지고 있습니다. 이 지점에서 Eigen AI의 모델 최적화 기술이 네비우스의 글로벌 컴퓨팅 인프라와 결합됩니다.

Eigen AI는 AI 추론과 모델 최적화에 특화된 회사입니다. 특히 GPU/NPU 같은 AI 가속기에서 모델을 더 효율적으로 실행하고, 토큰 소비를 줄이며, 동일한 연산 자원에서 더 많은 처리량을 끌어내는 데 강점을 가진 것으로 평가됩니다. Nebius는 양사가 이미 여러 오픈소스 모델의 최적화 엔드포인트를 공동 개발했으며, 그 결과가 Artificial Analysis 기준 여러 모델에서 최상위권 성능을 기록했다고 설명했습니다.

네비우스가 말하는 Token Factory는 단순한 API 호출 플랫폼이 아닙니다. 말 그대로 AI 서비스에 필요한 토큰을 대량으로, 안정적으로, 낮은 비용으로 생산하는 추론 인프라 플랫폼에 가깝습니다. 앞으로 AI 서비스의 비용 구조는 학습보다 추론 쪽에서 더 크게 벌어질 가능성이 높습니다. 특히 장문 컨텍스트, reasoning 모델, MoE 구조, 에이전트형 AI가 확산될수록 토큰 처리량과 추론 효율은 AI 클라우드 사업자의 핵심 경쟁력이 됩니다

[Vivo @vivoplt]

15 AI related accounts you should follow on Twitter:

1. @karpathy
His tweets already create LLMs narratives that you later see on linkedin in 2 months.

2. @fchollet
posts thoughtful research on intelligence, benchmarks, and AI limitations. Keras creator + ARC-AGI

3. @ylecun
Yann LeCun is Deep learning pioneer & Meta Chief AI Scientist; big-picture research takes and critiques (and drama).

4. @AndrewYNg
Andrew Ng is AI education legend; practical ML advice, courses, and real-world implementation. creator of deeplearning ai

5 @rasbt
Sebastian Raschka posts on Practical ML/LLM implementations, "build from scratch" tutorials, and books.

6. @dair_ai
Weekly ML/AI paper threads and accessible research explainers (high-signal for staying current).

7. @lilianweng
Lilian Weng is ex-OpenAI and her Lil'Log-style threads are good. has In-depth LLM research breakdowns

8. @jeremyphoward
posts interesting takes on AI/crypto news, and works on democratizing practical deep learning and accessible education.

9. @simonw
Simon post Practical LLM tools, takes, experiments, prompting, and engineering breakdowns. django co-founder

10. @_akhaliq
Curates the latest arXiv papers, model releases, and open-source AI drops.

11. @ID_AA_Carmack
AGI/low-level optimization takes that makes you think about the problem.

12. @gwern
Really high-quality long-form AI research notes and essays.

13. @goodside
LLM evaluation, prompting research, and real capabilities testing

14 @drfeifei
Computer vision pioneer; human-centered AI and spatial intelligence research

15 @demishassabis
Been following his work for 9 years. Demmis is my hope against google usurpating their power with AI. Demmis is google DeepMind's CEO

Let me know who I missed guys

[GPTaku @GPTaku]

올해 백 번째 말합니다!
비개발자도 제발 Claude Code 쓰세요
1. Claude Code 제발 설치하세요
2. Claude Code 공식 문서 제발 읽으세요
3. 업무에 활용할 나만의 AI 에이전트 제발 만드세요
4. 에이전트랑 같이 자동화하면서 제발 칼퇴하세요
5. 포트폴리오로 묶어서 승진, 연봉상승, 이직 하세요

그리고 지피타쿠 팔로우 하세요

[HANA @Adhd_Hana]

진작 알았더라면 좋았을 생성형 AI 프롬프트
>> 나 지금 [프로젝트 명]을 시작하려고 해. 내가 막연히 필요하다고 착각했던 거 말고, 내 진짜 목적과 필요한 결과물이 뭔지 네가 95%정도 파악할 때까지 나를 계속 인터뷰해줘.

이 두 가지(착각과 실제) 사이의 간극에서 대부분의 프로젝트 실패가 시작된다고 하는 데 정말 맞는 말 같음. 저장해두고 AI에게 내가 질문하기보다 역으로 AI가 나에게 질문하게 해보세요!

[바자 @vi_signer_i]

생각보다 GPT에 검색하는 사람 많은 것 같아서 쓰는 용도별 AI 사용법!!

여기서는 간단하게 GPT, 클로드, 퍼플렉시티, 제미나이를 다룰 예정입니다

1. GPT = 기획용
이 공식 외우자
gpt는 글을 너무 AI같이 쓰다보니 글 쓰는 용도로는 맞지 않음!!

GPT는 전체 플롯을 짜고 기획용으로만 쓰길 바람...

아 근데 아무래도 범용적으로 쓰기 젤 좋은 AI가 맞긴 함,..

2. 제미나이=기획+이미지제작+유튜브
갠적으로 느끼기엔 제미나이랑 지피티랑 엎치락뒤치락 하는 관계같은,,?
그리고 확실히 대화형 인공지능에서 나노바나나가 이미지 젤 잘 만드는 것 같은,,그런느낌,,...
그리고 뭔가 같은 구글거라 그런지 유튜브 관련된거 기획하거나 정리할 때는 제미나이로 하는 것 같어요

비슷한 예로 그록은 분석할때랑 트위타 질문할때 많이 써

3. 클로드=글쓰기, 코딩
나왔다나왔다 글쓰기 AI
내 맘속 원탑,,,

제일 감성적으로 사람처럼 블로그 글을 쓰고싶다?
그럼 클로드한테 써달라하기 약속🤙

거기에 클로드코드나 코웍스나. . . 암튼 쓰기 좋아요
진짜 나만 알고싶은 AI...
참고로 skill먹이면 한글파일도 뽑아낼 수 있음(중요)

4. 퍼플렉시티=검색용+후킹 카피용
위에 AI들은 대화형 인공지능으로 개발이 된건데 얘는 애초에 검색용으로 만들어진 AI 라서 검색은 퍼플렉시티에서 하는게 조와요...진짜..중요..출처랑..도표랑...다 찾아줌....
근데 그거뿐아니라 제일 인터넷 말투 잘 흉내내는게 ㅋ
이 퍼플렉시티임 ㅋ 그래서 제일 후킹 카피 뽑을때 많이 쓰는게 퍼플렉시티,,.,.

원래 간단하게만 쓸라했는데 꽤 길어졌네

암튼 용도에 맞게 AI 잘 써봅시당 ♡

+아니 예시 보여줄려고 하는데 클로드 인터넷말투 많이 늘었네..?뭐임

[핑핑이 @pingpengping]

진짜 마지막으로 말한다 (내일이면 잊고 또 말함)
한투 쓰는 사람 중에 공부하고 싶으면 글로벌 리서치 공짜니까 제발 읽어라
종목 분석은 초보한테 별로 같고, 산업분석만 읽어도 충분하다
JP모건, 골드만삭스 두 개만 읽어도 충분하다
공부하자

[Move78 @move78th]

아직도 클로드에 PDF를 바로 올리시나요?
PDF를 .md로 100% 무료로 바꾸기가 가능해요

더 이상 pdf로 토큰을 낭비하지 마시길!!

초당 100페이지 수준으로
Pdf를 md로 자꿔주는 엄청난 툴

Open Data Loader를 써보세요
레포가 100%무료로 공개되어 있습니다.

[Josh Kim @joshpdletter]

국내에서 가장 자동화를 잘하는 사람 중
한 사람을 꼽으라면 저는 '류장근 대표'님을 꼽습니다.

바티AI 대표님이시고, VBA시절부터 시작해서
정말 미치도록 자동화에 열중하시는 분이세요.

오픈클로+클로드코드 조합으로 사내에 있는
모든 자동화 시스템을 직접 만들면서
그걸 엔터프라이즈 급으로 승화시킨 분은
국내에서 찾아보기 어렵습니다.

어떤 형식으로 에이전트를 세팅하고,
어떻게 비즈니스를 전개해나가는지

팟캐스트로 촬영해보았습니다. :)

https://t.co/W60PFPdNjo

[기상어 @notdelulu3]

두산퓨얼셀 두산에너빌리티 같이 보세요. 비슷하게감 저는 퓨얼셀 3만초반/두에빌 8만후반 오면 추매할 예정

이 가격대에 사면 적어도 후회안함. 얘네 떨어지면 사야하니까 현금 킵해두기

[체리플랜🍒 @cherryplan2]

앤트로픽 강의 어렵다고 느끼는 분들 많더라고요 🙋‍♀️
사실 그럴 수밖에 없어요. 코드가 뭔지 모르면 AI가 뭘 도와주는 건지도 잘 안 와닿거든요. 그래서 제가 직접 들은 무료 코딩 강의 플랫폼 하나를 소개할게요!!
이 강의를 따라하면서 오류 하나씩 잡으며 하나하나 완성했던 그 시간들이 지금의 저를 만들어줬어요 🥹

🍒 노마드 코더 (https://t.co/BDcwhOu1mP)
천재 개발자 니꼴라스 선생님이 운영하는 곳인데, 완전 왕초보 기준으로 설명해줘서 부담이 없어요. 코딩을 시작하고 싶은 분들께 강추드립니다!

<무료로 들을 수 있는 초급 강의들>
바닐라 JS로 크롬 앱 만들기
Python으로 웹 스크래퍼 만들기
ReactJS로 영화 웹 서비스 만들기
왕초보를 위한 React Native 101
모두를 위한 깃 & 깃허브
바닐라 JS로 그림 앱 만들기

왜 이게 AI 활용이랑 연결되냐면...
바이브코딩이든 Claude Code든, AI가 코드를 짜줘도 내가 그게 뭔지 전혀 모르면 결국 막히는 순간이 와요. 오류 메시지 하나에 멈추게 되고, AI한테 뭘 물어봐야 하는지도 몰라서 대화가 끊겨요. 근데 여기서 강의 하나만 들어봐도 달라져요. "아, AI가 이 부분을 대신 해주고 있구나"가 눈에 보이기 시작하거든요ㅜㅜ 이건 진짜 해봐야 알 수 있는 영역입니다..!

👉 https://t.co/0FSGkN03ma 에서 무료 강의 확인해보세요!

[LOOPY @VibeEverything]

클로드 쓰는 사람은 무조건 보세요!! 🧵

아직 클로드를 그냥 채팅창처럼만 쓰고 있다면 사실상 기능의 10%만 쓰는 겁니다.

이 5가지 기능을 알면 클로드가 챗봇에서 나만의 작업 환경으로 바뀝니다.

━━━━━━━━━━━━━━━━━━

✅ 1. Cowork — 직접 실행하는 AI 에이전트
그냥 '방법을 알려주는 AI'가 아니라 로컬 파일을 직접 읽고, 만들고, 수정하는 실행 모드

대표 활용:
• 자동 리포팅 → 차트 포함 PPT 생성
• 파일 정리 → 지저분한 다운로드 폴더의 파일을 자동 분류·정리
• 코드 리팩토링 → 코드베이스를 읽고 리팩토링 후 새 파일 작성

* 팁:
📁 ABOUT ME 폴더 안에 컨텍스트 파일 생성
• about-me.md → 업무와 역할
• my-voice.md → 말투, 싫어하는 표현, 예시 3개
• my-rules.md → 먼저 질문하기, 계획 보여주기, 승인 받기

위 3개 파일을 넣어두면,
매 세션 컨텍스트를 다시 설명할 필요가 없습니다.

━━━━━━━━━━━━━━━━━━

✅ 2. Opus 4.6 + 확장 사고 — 진짜 추론 엔진
확장 사고(Extended Thinking)를 켜면 클로드의 작동 방식이 바뀝니다.

즉시 답하는 대신, 내부적으로 생각을 정리하고 계획을 검토한 뒤 실행합니다.

대표 활용:
• 복잡한 비즈니스 전략 분석 + 전략 문서 생성
• 소설 플롯, 캐릭터 설정, 전체 아웃라인 구성
• 복잡한 프로젝트 설계 (의존성·리스크 포함)

* 팁:
확장 사고 모드에선 "알려줘", "답해줘" 보다는
“분석해줘 / 비교해줘 / 구조화해줘”처럼
생각할 여지를 주는 프롬프트가 훨씬 좋은 결과물이 나옵니다.

━━━━━━━━━━━━━━━━━━

✅ 3. Plugins — 분야별 전문가
범용 AI한테 전문 업무를 맡기지 마세요.
플러그인은 특정 분야의 용어·프레임워크·모범 사례를 사전 탑재한 전문가 패키지입니다.

대표 활용:
• 마케팅 → GTM 전략, 타깃 페르소나, 채널 플랜
• 법무 → 계약서 요약, 리스크 식별, 표준 조항 작성
• 데이터사이언스 → 분석 스크립트, 시각화, 통계 해석

* 팁:
플러그인 스토어에서 설명을 꼼꼼히 읽으세요.
도움이 되는 예시 프롬프트가 포함된 경우가 많습니다.

━━━━━━━━━━━━━━━━━━

✅ 4. Skills — 나만의 자동화 라이브러리
매번 같은 작업을 반복해서 요청하고 있다면, 작업을 Skill로 저장해 보세요.
한 번 만들어두면 클로드가 자동으로 불러서 실행합니다.

대표 활용:
• 콘텐츠 제작 → 주제만 던지면 아웃라인·초안·제목·SNS 요약까지
• 회의 요약 → 녹취만 넣으면 실행 항목·결정사항 식별·후속 이메일 작성
• 코드 문서화 → Python 파일만 넣으면 함수별 docstring 완성

* 팁:
Skill은 설명이 핵심입니다. "텍스트 요약"이 아니라 "회의 녹취를 받아 발화자 구분, 담당자 포함 실행 항목 추출, Markdown 표 형식으로 출력"처럼 구체적으로 쓰세요.

━━━━━━━━━━━━━━━━━━

✅ 5. Projects — 끊기지 않는 “지속 컨텍스트”
"또 파일 올려야 해?" "또 설명해야 해?"
Projects는 이 반복을 끊어줍니다.

한번 올린 파일과 컨텍스트는
프로젝트 안의 모든 대화에 계속 살아 있습니다.

대표 활용:
• 책 집필 → 리서치·아웃라인·챕터 초안 업로드 → 매 세션 풀 컨텍스트 유지
• 클라이언트 업무 → 고객사별 SOW·미팅 노트·데이터 영구 보존
• 앱/서비스 개발 → 기술 스펙·유저 스토리·코드베이스 업로드→ 새 기능 작성 시 전체 인식

*팁:
파일 이름 규칙을 통일하세요.
예: 2026-03-16_MeetingNotes_ProjectX.md
찾기도 쉽고, 클로드가 참조하기도 쉬워집니다.

━━━━━━━━━━━━━━━━━━

클로드는 단순한 챗봇이 아닙니다.

잘 세팅하면 생각하고, 정리하고, 실행하는 나만의 작업 환경이 됩니다.

저장해두고 하나씩 적용해보세요 🔖

[22B @v81093933]

한달 전만 해도, 비개발자이던 나,
openclaw와 바이브코딩을 만나고 나서, 30일동안 잠도 제대로 못자고 세팅하고, 이것저것 개발을 하다보니
여기까지 왔다.

내 애가 좋아하는 캐릭터로 게임을 만들고 있다. ㅋㅋ
cowork+codex 로 기획부터 스크립트까지 다 짜고
이제 유니티에서 구현만 하면 된다.

이것도, 내가 하는 게 아니고 반자동으로 한다. ㅋㅋ
와우..
지금 프로젝트가 3개나 돌아가고 있다.
내가 이 중간에서 무쟈게 힘들다 ㅋㅋ

[W @iama12x]

주말 계획을 취소하세요.

-OpenClaw 설정
-클로드 코드 배우기
-Perplexity Computuer 설정
-Google AI 배우기
-AI 활용하여 사업계획, 전략 설정
-Notion agent 배우기
-AI 관련 기사 읽기
-로봇공학 배우기
-AI 주식, 암화화폐 매매 배우기

할 일이 너무 많다.

[모니 @mylifeismoni]

바이브코딩으로 작업한 UI 들은
특유의 그 느낌을 지울 수가 없음 ㅠ
AI가 만든 것 같은 티가 나는 UI임
둥근 카드/그라데이션/다크모드/적당히 배치된 버튼들

다 어디서 본듯한 그런 평균적인 디자인임
지루하고 또 지루함……

그래서 디자이너는 평균에서 얼마나
>>의도적으로<< 벗어나는 지가 중요하다고 봄
브랜드 언어나 설명하기 힘든 디테일들
프롬프트로 지시하기 어려운 그 결이 우리의 몫임

한번 읽어보고 생각해보세요
---------------------------

* 번역

바이브 코딩으로 “Figma 없이도 화면을 만들 수 있게 됐다”는 인식이 퍼지면서, 일각에서는 디자인 무용론이 나오고 있다. 하지만 실무 현장에서 보이는 풍경은 조금 다르다.

1️⃣ 화면과 기능을 빠르게 대량으로 만들 수 있게 된 결과, 결과물의 톤·레이아웃·인터랙션이 제각각이 되기 쉽다.

2️⃣ “가이드라인 없이 양산한” 대가가 몇 달 뒤 UI 통일 비용으로 돌아오는 사례가 생겨나고 있다.

3️⃣ 기업 내에서도 AI 활용 수준의 개인 차이가 벌어지면서, 만드는 사람에 따라 품질 편차가 커지고 있다.

재조명받고 있는 것은 바로 디자인 시스템의 존재 의의다.

“사람의 작업을 통일하는 체계”에서, “AI가 참조할 수 있는 설계 기반 = AI Ready 디자인 시스템”으로 그 개념이 새롭게 정의되고 있다는 인상이다.

즉, “디자이너가 직접 손을 움직이는 양이 줄어든다”는 건 사실이지만, 그 전제가 되는 규칙 설계·구조 설계의 중요도는 오히려 높아지고 있다.

AI 활용 어드바이저리를 하면서도, 상담의 무게중심이 “어떤 툴을 쓸 것인가”에서 “생성물의 품질을 어떻게 보장할 것인가”로 확실히 이동하고 있다. 디자인이 필요 없어진 게 아니라, 디자인이 개입하는 지점이 바뀐 것이라는 정리가 더 와닿는다.

가이드라인과 디자인 시스템 정비, 이제 본격적으로 착수하려는 조직들은 어디서부터 시작하고 있을까. 궁금하다.