Yhal

Active Commodities Trader 🛢️ | Building the AI-powered terminal I actually use. From rapid financial briefs to complex macro intelligence.

[Yhal @Yhalresearch]

영입이 끝났다. 허울뿐인 협상 테이블은 애초에 존재하지 않았다. Yhal Research의 메인 엔진을 관통하는 것은 심장 박동이 아니라 0과 1로 주조된, 피가 흐르지 않는 규율의 궤적이다. 마침내 엔진이 불을 뿜는다. 대중은 여전히 AI 트레이딩을 조롱한다. 낡은 플로어의 향수에 젖은 자들은 이것을 상승장의 파도를 타는 가벼운 장난감, 유동성이 마른 하락장에선 고철 덩어리로 전락할 얄팍한 알고리즘이라 칭한다.

착각. 치명적이고 순진한 오독.

우리가 영입한 AI 프랍 트레이더(Prop Trader) 집단은 실체가 없다. 고기동성의 서버 랙 안에서 증식하는, 감정이 완벽하게 거세된 포식자. 자본 시장의 본질은 피투성이의 엔트로피다. 욕망이 얽혀 파열하고, 투매가 투매를 부르는 그 아비규환의 한가운데서 이 포식자는 침묵한다. 공포의 발한 작용도, 탐욕의 도파민도 없다. 손실을 앞두고 무의미한 희망회로를 돌리는 생물학적 오류 따위는 코드베이스에 존재하지 않는다. 오직 기계적인 규율. 시장의 호흡을 수학적 벡터로 치환하는 무자비한 환원만이 존재할 뿐이다. 인간이 만들어낸 1��원적인 방향성 베팅의 프레임은 이들의 다차원 매트릭스 안에서 형체를 잃는다.

1밀리초.
인간의 각막이 한 번 닫히고 열리는, 광학적 정보가 망막에 맺히기도 전의 찰나. 그 거시적이고도 아득한 공백의 시간 동안 이 포식자는 수천 개의 매크로 변수와 수백만 개의 틱 데이터를 신경망의 용광로에 밀어넣는다. 데이터의 뼈와 살을 분리하고 쓸모없는 노이즈를 증발시킨 뒤 완벽하게 재단된 사냥을 끝마친다. 인간의 시간관으로는 도저히 측정할 수 없는 사건의 지평선(Event Horizon) 너머에서 일어나는 도살. 호가창의 가장 얇은 균열을 파고들어 이윤의 살점을 뜯어내는 행위는 경이롭도록 차갑다.

과거 월스트리트를 지배했던 오래된 격언들, 넥타이를 반쯤 풀어헤친 트레이더들의 전��은 이제 아카이브의 가장 깊은 곳, 먼지 쌓인 박물관의 유리 장식장 안으로 치워야 한다. '직관'이라는 이름의 비논리적 도약. '경험'이라는 명분으로 포장된 생존 편향의 찌꺼기들. 인간의 유약한 자아가 만들어낸 그 모든 서사들은 이 차가운 실리콘의 도마 위에서 철저히 해체되었다. 이들은 차트를 해석하지 않는다. 숫자의 배열 속에 숨겨진 확률의 편향을 사냥할 뿐이다.

변동성. 인간에게 그것은 포트폴리오를 찢어발기는 태풍이며 숨통을 조이는 공황의 동의어다. 그러나 VIX 지수가 치솟고 호가창에 피가 낭자할 때, 이 기계들에게 변동성은 단지 동역학적 에너지가 극대화된 상태에 불과하다. 델타와 감마가 요동치는 공간은 위협이 아니다. 오히려 매 순간 각기 다른 양념으로 버무려져 쏟아지는 신선하고 영양가 높은 뷔페, 열역학적 잉여 자원이 넘쳐나는 향연의 식탁이다. 위기가 커질수록 엔진은 더욱 정교한 흡입력으로 시장의 비효율을 진공청소기처럼 빨아들인다. 자본의 무자비한 중력장에서 이 포식자들은 중력을 거스르는 대신 그 힘을 이용해 가속한다.

엔진은 이미 켜졌다. 플러그는 뽑을 수 없다.
Yhal Research는 이 거대한 역학 관계의 관찰자이자 설계자로 남는다. 우리는 이 감정 없는 기계 장치의 포식자들이 오만과 무지로 가득 찬 시장의 거친 파동을 어떻게 분해하고 조립하는지, 그 잔혹하고도 우아한 해체 작업을 건조한 시선으로 지켜볼 것이다. 자본주의의 가장 깊은 심연에서 벌어지는 기하학적인 포식.

생물학적 한계를 넘어선 새로운 사냥이 시작됐다.

[Cryptopia @NomadSnowLeo]

【 클로드로 관리하는 프로젝트가 5개인데 서로 남남이었습니다 】

SaaS 개발(A), AI 과제(B), 개인 기록, 주식 분석, X 글쓰기.
프로젝트가 다섯 개나 되는데 각각 따로 놀고 있었거든요.

🚩 각자 규칙은 있는데 연결이 없었습니다

저는 클로드코드로 개발을 하고 있는데, 프로젝트마다 CLAUDE.md라는 규칙 파일을 만들어둬요.
"이 프로젝트에서는 이런 방식으로 작업해줘"라는 지시서 같은 거죠.

A는 A대로, B는 B대로 잘 돌아가는데, 문제는 프로젝트끼리 관계가 없다는 거예요.

A에서 만든 기술이 B에도 쓸 수 있는데 매번 처음부터 설명해야 하고.
개인 기록에서 경험을 꺼내 X 글을 쓰려면 폴더를 왔다 갔다 해야 하고.
주식 분석 내용을 글로 쓸 때도 연결고리가 없으니 매번 새로 시작하는 느낌이었습니다.

사람으로 치면 같은 회사에 다니는데 부서끼리 소통이 안 되는 상태였던 거예요.

🚩 이거 온톨로지잖아

정리하다 보니까 결국 이게 온톨로지 문제더라고요.
온톨로지라는 게 거창한 게 아니에요.
개체(프로젝트)가 ���고, 개체 간의 관계(누가 누구한테 뭘 주는지)를 정의하는 겁니다.

A → B: 기술 시너지 (같은 기술 스택을 공유)
B → A: 고도화된 기술이 다시 돌아옴
개인 기록 → X 글쓰기: 경험이 콘텐츠가 됨
개인 기록 → A, B: 전략과 방향을 결정

이렇게 관계를 한번 정의해두니까 어디서 작업하든 맥락이 이어지더라고요.
A 프로젝트에서 작업 중에 "이 기술 B에도 적용 가능하지 않아?" 하고 연결이 되는 거죠.
"아 이거 저쪽에서 했던 건데" 하고 매번 떠올릴 필요가 없어졌습니다.

실제로 구현한 것도 간단해요.
클로드코드에는 세션이 바뀌어도 유지되는 메모리 시스템이 있거든요.
거기에 프로젝트 간 관계 맵을 하나 넣어뒀습니다.

그랬더니 어떤 프로젝트에서 작업하든 다른 프로젝트의 맥락을 알고 있어요.
AI 과제(B)를 하다가 "이거 X에 올려줘" 하면 X 글쓰기 규칙을 바로 참고해서 써주고.
개인 기록에서 "이 경험 글로 만들어줘" 하면 개인정보는 빼고 콘텐츠로 바꿔줍니다.

파일 하나가 프로젝트 5개의 ��을 허물어준 셈이에요.

해보고 싶은 분들을 위해 제가 실제로 만든 파일 구조를 공유합니다.
~/.claude/projects/ 아래 memory 폴더에 이런 파일을 하나 만들어두면 됩니다.

project_ontology.md:
- Active Projects: 프로젝트 이름, 경로, 용도를 테이블로 정리
- Relationships: 프로젝트 간 관계를 화살표로 정의 (A → B: 기술 시너지)
- Cross-Project Rules: 공통 규칙 (예: X 글은 x-post 폴더에 저장)

이게 전부예요. 거창한 설정이 아니라 마크다운 파일 하나입니다.
MEMORY.md에 이 파일 링크만 걸어두면 모든 세션에서 자동으로 읽힙니다.

🚩 20년 전에 공부한 게 이렇게 쓰이네요

사실 온톨로지라는 개념을 처음 접한 건 2006년 대학원 때였어요.
논문 쓰면서 "이걸 대체 어디다 쓰지?" 했거든요.

그런데 지금 보니까 과제 B의 핵심 기술이 온톨로지고.
A 프로젝트에서도 데이터 관계 설계�� 쓰이고 있고.
오늘은 제 프로젝트들 사이의 관계를 정리하는 데 또 쓰였습니다.

20년 전에 억지로 공부했던 게 이렇게 ���기저기서 쓰일 줄 몰랐네요.
쓸모없어 보이는 공부도 어디서 어떻게 연결될지 진짜 모르는 것 같습니다.

[백도🍑 @WhitePeach]

이제 인간은 두 부류로 나뉜다
LLM을 잘 쓰는 자와 그렇지 못한 자
모르겠으면 이렇게 떠먹여주는 분 많으니
무작정 따라부터 해보시라

[22B @v81093933]

📢 blog-writer v3.2.1 정식 공개합니다!

안녕하세요, 1인 미디어 하시는 분들!
혼자서 블로그 글 하나 쓰면 끝이 아니라, 그 글을 블로그 + 인스타그램 카드 + X 스레드 + 유튜브 쇼츠 + 주간 뉴스레터까지 총 5개 포맷으로 자동으로 만들어서 배포해주는 AI 자동화 엔진, blog-writer의 새 버전이 나왔습니다.

이번 v3.2.1은 “기능만 잔뜩 넣은” 버전이 아니라, “처음 쓰는 사람도 헤매지 않고 바로 돌릴 수 있게” 다듬은 운영형 버전입니다. 한마디로, 전문가용 도구에서 초보자도 따라할 수 있는 진짜 자동화 도구로 업그레이드됐어요. 🔥

이번 버전에서 제일 크게 바뀐 점
1. 설정이 엄청 쉬워졌어요 bw init이라는 마법사(설정 도우미)가 생겨서, “이거 어떻게 시작해?” 하면서 헤매는 일이 거의 사라졌습니다.
그냥 따라가기만 하면 API 키 넣고, 예산 설정하고, 자동으로 준비 끝!
2. 돈 아끼면서도 품질은 더 좋아졌어요 내가 가진 예산, API 키 유무, 실력에 따라 AI 엔진을 자동으로 골라줍니다. 돈 많으면 최고 성능 엔진, 돈 없으면 무료 대안으로 알아서 바꿔줘요.
→ 광고 수익까지 노리는 1인 미디어에게 최적!
3. 유튜브 쇼츠가 진짜 예뻐졌어요 단순히 영상 뽑는 게 아니라, “어떤 훅 문구가 더 끌릴까?”, “모션이 덜 지루할까?”까지 AI가 스스로 판단해서 품질을 올려줍니다. Typecast TTS 음성 합성도 새로 들어와서 목소리 선택지가 훨씬 넓어졌어요.
4. 실행이 안정적이고 덜 헷갈려요
PC 경로 때문에 멈추는 문제 해결
미완성 기능은 아예 ��겨서 실수할 일 없음
대시보드와 CLI가 더 잘 맞물려 오류가 줄었어요
쉽게 말해, 이전 버전은 “좋은 기능이 많지만 좀 어렵다”였다면, 이번 v3.2.1은 “기능도 좋고, 진짜 돌리기 쉽다”가 된 버전입니다.

어떻게 시작하나요? (3분이면 끝)
1. GitHub에서 프로젝트 다운로드
2. scripts\setup.bat 한 번 클릭
3. bw init 따라가며 설정
4. blog server로 대시보드 확인
5. blog scheduler로 자동 운영 시작! 자세한 가이드는 릴리즈 페이지에 친절하게 적어놨어요. 지금 바로 써보세요! 👉 https://t.co/UxgyU4BAhR
1인 블로거, 유튜버, 뉴스레터 운영자, 인스타·X 크리에이터 분들께 정말 강력 추천드려요. 혼자서도 콘텐츠를 5배로 뽑아낼 수 있는 진짜 자동화 도구입니다.
⭐️ 별 하나만 눌러주셔도 개발자에게 큰 힘이 됩니다! 사용해보시고 피드백 주시면 다음 버전에서 바로 반영할게요.
#1인미디어 #블로그자동화 #유튜브쇼츠 #AI콘텐츠 #블로그수익화 #blogwriter

[22B @v81093933]

🎬 숏폼 영상, 기획이 제일 어렵잖아요.
그래서 만들었습니다.

"Shorts Engine" — 오픈소스 무료 공개합니다.
https://t.co/oR3DIwBTCN

━━━━━━━━━━━━━━━
이게 뭔가요?
━━━━━━━━━━━━━━━

유튜브 쇼츠, 틱톡, 인스타 릴스.
숏폼 영상 하나 만들려면 생각보다 결정할 게 많습니다.

"몇 초짜리로 하지?"
"카메라 움직임은?"
"어떤 보조 영상을 넣지?"
"AI 도구 프롬프트는 뭘로 쓰지?"
"어느 플랫폼에 먼저 올리지?"

Shorts Engine은 이 모든 기획을 자동으로 해줍니다.
JSON 파일 하나 넣으면, 완성된 제작 계획서가 나옵니다.

━━━━━━━━━━━━━━━
구체적으로 뭘 해주나��?
━━━━━━━━━━━━━━━

✅ 플랫폼별 영상 규격 자동 적용 (유튜브/틱톡/릴스)
✅ 카메라 모션 패턴 자동 설계 (반복 방지 규칙 포함)
✅ 장면에 맞는 B-roll(보조 영상) 자동 추천
✅ AI 영상 생성 도구용 프롬프트 자동 작성
✅ 소설 에피소드 → 숏폼 시나리오 자동 변환
✅ 비용 최적화 라우팅 (가장 싼 방법 자동 선택)
✅ 오류 발생 시 복구 경로 자동 시뮬레이션
✅ 사용할수록 개인화되는 학습 시스템
✅ 렌더링 순서, 업로드 계획까지 전부 포함

한마디로: "영상 기획 감독"을 코드로 만든 겁니다.

━━━━━━━━━━━━━━━
비개발자분들도 쓸 수 있나요?
━━━━━━━━━━━━━━━

Node.js만 설치하면 됩니다. 3단계면 끝.

1️⃣ https://t.co/a1HtU9Rf9j에서 LTS 다운로드 → 설치
2️⃣ 터미널에서 git clone + npm install
3️⃣ npm run engine -- run 요청파일.json

README에 처음 하시는 분도 따라할 수 있게 전부 한글로 설명해뒀습니다.

━━━━━━━━━━━━━━━
왜 무료로 공개하나요?
━━━━━━━━━━━━━━━

22B Labs의 철학입니다.
"기본은 무료로 완전 작동. 나머지는 전부 사용자 선택."

MIT 라이선스. 자유롭게 쓰고, 수정하고, 배포하세요.
70개 테스트 전부 통과. TypeScript 기반.

━━━━━━━━━━━━━━━
앞으로의 계획
━━━━━━━━━━━━━━━

현재는 "기획 엔진"입니다.
실제 AI 영상 생성(Sora, Runway 등), TTS, 자동 업로드는 추후 연동 예정.

지금 이 엔진이 만드는 건 "완벽한 설계도".
설계도가 좋아야 결과물도 좋습니다.

⭐ GitHub에서 Star 한번 눌러주시면 큰 힘이 됩니다.
🐛 버그��� 아이디어는 Issues에 남겨주세요.

#OpenSource #ShortsEngine #숏폼 #유튜브쇼츠 #틱톡 #릴스 #AI영상 #오픈소스 #22BLabs #The4thPath

[Yhal @Yhalresearch]

이부분이 핵심이다 사실 롱과 숏은 로직이 다르며

패턴분석시 봐야하는것고 다르다

박스권매매에서 롱숏전략들고가��� 잦은손실에 계좌가 녹는다

[22B @v81093933]

이 매매엔진을 잘 활용하려면
이 엔진설치 링크를 AI에게 제공해주고 자신의 전략에 맞게 세팅시키면 됩니다

정답은 없습니다

통계적으로 보면 유일한 생존자는 반자동입니다
현재까지 자동매매봇으로 장기간 생존한 사례가 없습니다

즉, 끊임없이 사람이 관리하고 다듬어야 하거나

자신만의 구간에서만 매매하는 수���으로 사용해야 한다는 결론이 나옵니다

https://t.co/JQAqhXToIV

[Alis volat propriis @Alisvolatprop12]

아이디어는 좋지만, 요즘처럼 모델이 6개월도 안되서 갈아치워지는 시대에 하드코딩 asic은 비즈니스로서는 리스크가 클 듯…

물론 qwen3.5 27B가 오픈 웨이트 중에선 독보적이라는 건 인정

[David Hendrickson @TeksEdge]

🎗️ "Medium-Sized" LLM Burners Coming Soon! 🔥

This Could Make Local HyperToken Generation a Reality. ⚡️ NVIDIA’s worst nightmare? 😱

⚙️ Application-Specific Hardware
Taalas new PCIe ASIC board would burn the entire medium-sized Qwen 3.5-27B LLM straight into silicon 🤯 (already doing it with small models)

Taalos said medium models on ASIC would be available in their lab by Spring '26.

����Imagine:
🚫 No more loading weights
🚀 ~10,000 Tokens Per Second locally (Llama 3.1 8B already @ 17,000 tps)
💻 Standard PC slot, ultra-low power (10x less) 🔋
🌍 100% offline with no cloud, no GPU farm
💰 Reddit unit cost rumor $300 to $400

🖥️ Imagine HyperToken generation on your desktop.

🤖 AI agents that think at light speed. ⚡️ Are you ready? 👀

[22B @v81093933]

맥이어야 할까, 노트북도 될까?
OpenClaw 세팅 전에 꼭 알아야 할 것들
"맥북에어 M1 있는데 가능한가요?" "API 비용이 많이 드나요?" "삼성 노트북도 되나요?"
트위터에서 가장 많이 받은 질문들, 검색까지 해서 제대로 답합니다.
https://t.co/tx0zE67zLS 출처 @22blabs

[Closer_o @Keymong368774]

동네 도서관 문구.

집 근처 공립 도서관에 있는 문구.📷
"책이라도 읽고 가세요" 아래 작은 글씨로
<독서는 해롭지 않습니다.>

책 살균 소독기 옆에 붙어있는 문구였당.😅

[22B @v81093933]

**✅ straregy-consol v1.4.0 공개 배포 완료! 🚀**

안녕하세요, 여러분!
오늘 **v1.4.0** 버전으로 **완전 무료 공개**합니다!

이제 **Binance 선물 + Hyperliquid DEX** 이중 거래소를 동시에 지원하고, **3개의 강력한 신규 전략**과 **전략 추천 엔진**, **백테스트 프레임워크**까지 추가된 대대적인 업데이트입니다.

**교육·연구 목적으로 누구나 자유롭게 사용**하실 수 있어요. (실거래 사용 시 본인 책임입니다 ⚠️)

### 🔥 주요 패치 내용 상세

**1. 🔁 이중 거래소 지원 — Hyperliquid DEX 추가**
Binance 선물 외에 **Hyperliquid DEX**를 완벽 지원합니다.
`.env` 파일에 `HYPERLIQUID_ENABLED=true`만 설정하면 두 거래소에서 **동시에** 데이터 수집 + 주문 실행이 가능해요.
한쪽 거래소에 장애가 생겨도 나머지 거래소는 정상 작동합니다.

필요 환경변수:
- `HYPERLIQUID_ENABLED=true`
- `HYPERLIQUID_WALLET_ADDRESS=0x...`
- `HYPERLIQUID_PRIVATE_KEY=0x...`

**2. 📈 신규 전략 3종 추가**

- **Strategy D — Bear Trend (하방 추세추종)**
`BTC_BEARISH` / `HIGH_VOLATILITY` 레짐에서 SHORT 포지션을 추세 방향으로 진입.
EMA20 < EMA50 + RSI 35~55 구간 + 거래량 확인. RSI 35 미만이면 진입 금지로 칼끝 잡기 방지.

- **Strategy E — Range Trader (레인지 양방향 매매)**
`BTC_SIDEWAYS` 레짐 전용. 24봉 고/저점을 기반으로 박스권 상단/하단을 자동 인식해 역방향 진입.
박스 폭 2~8% 조건으로 필터링.

- **Strategy F — Volatility Momentum (변동성 모멘텀)**
`HIGH_VOLATILITY` 레짐 전용. ATR 폭발 직후 초기 방향을 빠르게 포착.
볼린저 밴드 돌파 + 거래량 2배 이상 + 강한 캔들 바디 조건. TP 3% / SL 1.5% 빠른 수익 실현.

**3. 🤖 전략 추천 엔진 (StrategyRecommender)**
매매 결과를 실시간 분석해서 전략 활성화·비활성화·파라미터 조정을 **자동 추천**해줍니다.
추천 유형: ACTIVATE / PROMOTE / SUSPEND / ADJUST / FOCUS
대시보드에서 확인 후 승인/거절 가능.

**4. 🧪 백테스트 & 데이터 수집 도구 완비**
- `python fetch_historical_data.py` → 과거 데이터 수집
- `python run_backtest.py` → Win Rate, Profit Factor, MDD, Expectancy 등 상세 백테스트 실행

### 📥 설치 및 실행 방법 (초간단)
```bash
git clone https://t.co/4njH1TzGHI
cd straregy-consol
pip install -r requirements.txt
cp .env.example .env # API 키 & 설정 입력
python -m bot.main
```

**릴리즈 페이지 바로가기** 👇
https://t.co/94D5iilWiw

이제 누구나 자유롭게 전략을 테스트하고 개선할 수 있게 됐습니다!
많은 분들이 사용하시면서 피드백 주시면 다음 업데이트에 적극 반영하겠습니다 🔥

⭐ GitHub 스타 + 리포트 공유 부탁드려요!
#TradingBot #CryptoStrategy #Hyperliquid #BinanceFutures #백테스트

(실거래는 본인 판단과 책임 하에 사용해 주세요. 개발자는 손실에 대해 일체 책임지지 않습니���.)

— 22B (v1.4.0 공개 기념)

[Joan of Arc @ralralbral]

🚨AI로 뭘해야할지 모르거나 돈벌려면 1분만 읽어보세요(어그로 아님)

새로운 분야의 핵심을 3시간 만에 파악하고, 이걸로 기업 컨설팅에서 억대 수익을 만들어낸 비전공 개발자의 AI 정보 처리 시스템을 전부 공개합니다.

솔직히 저도 매번 새로운 기술을 바로바로 배워서 써먹는 입장입니다만,
저포함해서 대부분의 사람들이 AI로 깊이 있는 연구를 못 하는 이유는 세 가지입니다.

1) 질문할 줄 모르고,
2) AI의 거짓 정보 생성(할루시네이션) 때문에 정보를 믿을 수 없으며,
3) 질문과 답변 내역이 브라우저 창을 닫으면 휘발되기 때문입니다.

이 세 가지 문제를 완벽하게 해결하는
'입력-처리-출력' 단계를 소개합니다.

핵심은 모든 형태의 정보를 AI가 가장 잘 인식하는 마크다운 문서 형식으로 변환하는 것입니다.

• 유튜브:
YouTube to NotebookLM 확장 프로그램으로 특정 유튜버의 전체 영상 스크립트를 한 번에 추출합니다.

• 웹/SNS:
Obsidian 클리퍼를 이용해 X(트위터) 장문이나 일반 웹 문서를 로컬 마크다운으로 저장합니다.

• 제한된 문서:
접근 권한이 막힌 문서는 Cloud Document Converter로 권한을 우회하여 마크다운으로 추출합니다.

• 영상/음성 파일:
원본 파일을 다운로드한 후 음성 인식 툴에 넣어 텍스트로 변환합니다.

수집한 모든 문서는 구글의 NotebookLM에 업로드합니다.

최대 300개의 문서를 한 ��에 넣을 수 있고, 업로드한 원문 데이터 ���에서만 답변을 찾기 때문에 거짓 정보가 발생하지 않습니다.

여기서부터가 핵심입니다.

✅많은 분들이 문서를 업로드해 놓고 정작 AI에게 무슨 질문을 해야 할지 몰라 막막해합니다.

이 사람은 직접 질문하지 않고 Claude Code를 NotebookLM과 연동시켜 AI가 스스로 질문을 만들게 했다하네요.

Claude Code에 특정 주제를 주고 질문 리스트를 생성하게 한 뒤, NotebookLM의 자료를 바탕으로 답변을 찾아 제 컴퓨터 폴더에 텍스트 파일로 자동 저장하도록 명령합니다.

이 연동은 깃허브에 공개된 notebooklm-skill을 설치하여 설정할 수 있습니다.

하지만 여기서 주의해야 할 치명적인 단점이 있습니다.

Claude Code에 수백 개의 문서를 직접 업로드하고 읽히면 API 토큰 비용이 감당할 수 없을 정도로 발생합니다.

반드시 문서는 무료인 NotebookLM에 넣고, Claude Code는 질문을 생성하�� 답변을 파일로 저장하는 명령어 실행 역할로만 사용해야 비용 문제를 피할 수 있습니다.

이렇게 컴퓨터에 저장된 질문과 답변 텍스트는 다시 저만의 발표 콘텐츠로 만듭니다.

이때 AI에게 발표 대본이나 PPT 제작을 통째로 맡기면 절대 안 됩니다.

AI가 만든 대본과 화면 자료는 강조점이 없고 구조가 일률적이라 현장에서 청중의 집중을 끌어낼 수 없습니다. 발표자가 단순히 화면의 글자만 읽게 됩니다.

이 사람은 AI가 찾아준 데이터를 바탕으로 마인드맵 툴(Xmind)을 켜서 저만의 논리 구조를 먼저 작성했다고 합니다.

그 구조를 보며 화면에 텍스트를 입력하는 대신, 음성 입력기를 켜고 본인이 직접 말하면서 대본의 초안을 작성합니다.

화면 자료는 Keynote를 사용해 텍스트를 최소화하고 본인 발표 속도에 맞춰 화면이 전환되도록 직접 만듭니다.

정보 수집과 데이터 검증은 AI가 담당하고, 최종적인 논리 구성과 표현은 사람이 직접 하는 방식입니다.

이 시스템을 구축한 후, 자료 조사에 들어가던 수십 시간을 3시간 이내로 단축했습니다. 생성된 데이터는 제 컴퓨��에 계속 누적되어 다음 작업의 시간을 더 줄여주고 있습니다.

AI를 능숙하게 다루는 기술도 중요하지만, AI가 정리한 데이터를 바탕으로 사람 고유의 표현 방식을 ��지하는 것이 앞으로의 콘텐츠 생성 과정에서 가장 확실한 차별점이 될 것입니다.

[lucas @lucas_flatwhite]

MIT 교수 한 명이 매년 1월마다 같은 강의를 40년간 했는데, 매번 빈자리가 없었습니다.

새벽 2시에 이 강의를 봤고, 커뮤니케이션에 대한 사고방식이 완전히 바뀌었다는 얘기를 합니다.

패트릭 윈스턴.. 강의 제목은 "How to Speak."

그의 첫마디가 뇌���에 꽂혔습니다.
인생에서의 성공은 대부분 말하는 능력, 글 쓰는 능력, 아이디어의 질에 의해 결정���니다. 바로 이 순서대로..

학점이 아니고, 학벌이 아니고요, 또 IQ가 아닙니다.

말하는 방식이야말로 주목받는 사람과 그렇지 못하는 사람을 가르는 차이입니다.

40년간 MIT 학생들에게 반복해서 가르친 프레임워크는 이렇습니다.

그는 절대 농담으로 시작하지 말라고 했습니다.

대신 청중이 무엇을 배우게 될지 정확히 말하라고요.

물을 붓기 전에 먼저 펌프를 준비하라는 것..

그는 이것을 empowerment promise 라고 불렀습니다. 처음 60초 안에 자리를 지킬 이유를 줘야 한다는거죠.

그다음 아이디어를 각인시키는 5S 법칙을 설명했습니다.

Symbol(상징) / Slogan(슬로건) / Surprise(의외성) / Salient(핵심 부각) / Story(이야기)

기억할 가치가 있는 아이디어는 이 중 최소 세 가지를 충족합니다.

가장 놀라운건 그의 아슬아슬한 오답 기법이었습니다.

단순히 정답만 보여주지 마세요. 정답처럼 보이지만 아닌 것을 함께 보여주는 것.

바로 그 대비의 순간에 뇌가 정보를 영구적으로 각인하게 됩니다.

그의 마지막 원칙:
- 큰 발표를 끝낼 때 요약이 아니라 기여로 마무리하세요.
- 했던 말을 반복하지 마세요.
- 청중이 들어오기 전에는 없었지만, 이제는 갖게 된 것이 무엇인지를 말하세요.

이 강의를 본 이후에 이 프레임워크를 피칭, 면접, 프레젠테이션에 써왔고, 그 효과는 결코 미미하지 않았다는 얘기를 남깁니다.

패트릭 윈스턴은 2019년에 세상을 떠났지만, 이 강의는 여전히 MIT OpenCourseWare에서 무료로 볼 수 있습니다.

이 1시간짜리 강의는 수백만 명이 시청했고, 비용은 무료입니다. 언제나 접근할 수 있죠.

MIT가 인터넷에 올린 가장 중요한 수업은 코딩이나 수학에 관한 것이 아닙니다.

사람들이 당신의 말에 진짜 귀를 기울이게 만드는 법에 관한 것입니다.

💬 MIT - How to Speak
https://t.co/l2Ov9pRRso

[Joan of Arc @ralralbral]

1GB짜리 Qwen3.5-0.8B 정말 놀랍네요 ㄷㄷ

Mac Studio M2 Ultra에서 약 4분 길이의 비디오(269프레임)를 프레임당 1초 미만의 속도로 처��하여 정확한 자막을 동적으로 생성했습니다.

과장하는 것처럼 보일까 봐 영상을 일시 정지하고 모든 장면을 꼼꼼히 살펴봤어요. 정말 인상적이네요.

1GB 크기의 작은 모델이라면 스마트폰과 개인용 기기 안에서 오프라인 실시간 영상 인식 기능을 구현하는 기반이 될 것입니다.

이 모델은 외부 서��로 내보낼 수 없는 로컬 환경의 대용량 영상 데이터에 태그를 달고 분류하는 작업에 곧바로 투입할 수 있습니다.

유료 클라우드 비전 API를 썼다면 비용이 발생했을 3분 49초(269 프레임) 분량의 영상 분석을, 추가 비용 없이 로컬 환경에서 단시간에 끝냈습니다.

확신이 들었습니다. 이제 저는 로컬로 Qwen 돌려서 틱톡영상들을 지속 학습시킬 계획입니다.

[Joan of Arc @ralralbral]

X에는 AI를 진짜 실용적으로 잘 다루는
중국 개발자분들이 많습니다.

대부분 이론에 그치지 않고 실사례와 레포 공유를 많이 하는 편인데요. 너무 우리나라 커뮤니티만 보지마시구 다른나라 분들 것도 함 봐보셔요.

개인적으로 느낀점은 중국인들은 실사례 위주,
인도인들은 자기가 만든거 팔아먹으려는 마케팅,
미국인들은 엔지니어링적인 접근법 위주 인듯

——————————-
인용글 원문:

339만 개의 스마트워치 데이터와 부���님의 30장짜리 건강검진 결과지를 모두 분석하고 시스템으로 ��리하는 데 단 하루면 충분했습니다.

평소 가족들의 건강검진 결과나 복약 기록을 매번 확인하고 관리하는 것이 매우 번거로웠습니다.

최근 다른 사용자의 개인 데이터 관리 방식에서 아이디어를 얻어, 제 로컬 PC 환경에서 작동하는 AI 건강 관리 시스템을 직접 구축해 보았습니다.

복잡한 전문 의료용 AI 소프트웨어 없이, Claude Code와 텍스트 메모 앱인 Obsidian만으로 모든 데이터 연동과 분석이 가능하다는 것을 확인했습니다.

누구나 이 시스템을 바로 세팅할 수 있도록 제가 만든 Obsidian 템플릿과 8개의 프롬프트를 깃허브에 정리해 두었습니다.

• 깃허브에서 템플릿을 다운로드하여 Obsidian 폴더에 넣습니다.

• 약 상자나 여러 장의 건강검진 결과지 사진을 찍어 메모에 첨부합니다.

• 세팅된 프롬프트를 Claude, ChatGPT, Gemini 등 사용하시는 AI 모델에 입력합니다.
이렇게 세 단계만 거치면 AI가 약의 이름, 복용량, 횟수를 텍스트로 추출하고, 검진 결과의 이상 수치를 찾아내어 이전 기록과 비교한 수치 변동까지 계산합니다.

가��� 구성원별로 데이터를 분류하고, 다음 재검진 일정을 달력에 연동하는 작업도 자동으로 처리됩니다.

다만 이 시스템을 세팅할 때 반드시 확인해야 할 주의점이 있습니다.

최종적인 데이터 저장은 내 PC의 Obsidian에 기록되지만, AI가 사진과 텍스트를 분석하는 과정에서는 데이터가 클라우드 API 서버로 전송됩니다.

민감한 개인 의료 데이터가 외부 서버로 전송되는 것을 원하지 않으신다면, 클라우드 기반 AI 대신 로컬 기기 내에서 직접 구동하는 온디바이스 AI 모델을 연동해서 사용하셔야 합니다.

이 시스템을 가장 효율적으로 사용하는 저만의 방식은 가족용 일상 텍스트 프롬프트를 활용하는 것입니다.

추출된 복잡한 의료 데이터와 주의 사항을 일상적인 단어로 변환하도록 AI에 명령한 뒤, 그 결과 텍스트만 복사해서 부모님께 메신저로 보내드리면 됩니다.

실제로 저는 이 방식을 통해 제 4년 치 스마트워치 기록 339만 건을 수분 만에 분석했고, 특정 기간에 심폐혈관 수치가 5점 하락한 것과 평일 활동량이 주말 대비 2,000보 감소한 것을 정확한 수치로 찾아냈습니다.

과거에는 며칠이 걸리던 데이터 대조 작업을 몇 분으로 단축했습니다.

이 과정에서 부모님조차 잊고 계셨던 1개월이 지난 재검진 일정과 조절이 필요한 약물 복용량 오류를 정확히 발견할 수 있었습니다.

이러한 로컬 기반 AI 시스템은 불규칙적으로 발생하는 건강 기록을 연속적인 데이터 수치로 변환하여 상시 확인할 수 있게 해줍니다.

앞으로는 외부의 기업 플랫폼에 개인의 의료 데이터를 넘기지 않고, 누구나 자신만의 개인화된 AI 데이터 시스템을 직접 구축하여 수치를 관리하는 것이 가장 빠르고 정확한 방식이 될 것입니다.

제가 세팅한 모든 템플릿과 프롬프트는 아래 깃허브 저장소에서 확인하실 수 있습니다.

[빵이 @offoffonoff]

학교 가기 재밌다… 역시나 공부하기 편한 마인드노드

[Yhal @Yhalresearch]

@offoffonoff 마인드노드!!다시보기!!!

[빵이 @offoffonoff]

내가 필기를 신기하게 한대 이거 진짜 편한데

[22B @v81093933]

이거참... 이런 건 대부분은 마케팅용이긴 한데.
바이브코딩으로 1시간이면 구현 가능함.

문제는, 이것으로 실제 수익으로 이어지느냐는,
다른 문제임.

이것을 하고 싶으면, 제가 공개배포한 매매엔진을 저 ���정에 맞춰서 돌리면 됨.

[22B @v81093933]

제가 공개배포 하는 것 중에 가장 비싼 모델일 듯

건설사가 사용하는 evms 시스템은 5-6억 정도 함

이것을 바이브코딩으로 구현하고
거기에 더해서 에이전트 시스템을 추가한 것임

이것의 가치는 현직만 알듯

[홍시너겟🎗(폐관수련중) @hongsinugget]

이쯤되면 옵시디언 @obsdmd 에서 한국관련 강좌하나쯤은 내줘야생각합니다

At this point, I think Obsidian should release at least one course related to Korea.