[AI 에이전트 파이프라인 #1] 학습 앱을 만들기 시작한 이유
LLM으로 공부하다가 지치신 적 있으신가요?
저는 그랬습니다. 그래서 LLM으로 학습 콘텐츠를 자동 생성하고, 이걸 앱으로 만들기로 했습니다.
이 시리즈는 2025년 하반기에 진행한 사이드 프로젝트 경험을 정리한 것입니다.
1. LLM 학습의 한계
ChatGPT가 나온 이후, 저의 학습 패턴은 이렇게 바뀌었습니다:
- 궁금한 개념이 생기면 ChatGPT에 질문
- 답변을 노션에 정리
- 다음 날, 또 다른 궁금증이 생김
- 또 질문, 또 정리…
- 일주일 후, 처음 정리한 내용이 뭐였는지 기억 안 남
문제는 일관성이었습니다.
- 어제 물어본 것과 오늘 물어본 것의 설명 깊이가 다릅니다
- 같은 개념인데 다른 용어로 설명합니다
- 정리한 내용들 사이에 연결고리가 없습니다
결국 노션에는 파편화된 지식 조각들만 쌓여갔습니다.
2. 내가 원하는 학습 콘텐츠
LLM에 질문하고 정리하면서 느꼈습니다. “이런 학습 자료가 있으면 좋겠다”:
일관된 구조
모든 주제가 같은 형식으로 정리되어 있으면 좋겠습니다. 매번 다른 형식의 답변을 정리하는 게 피곤했습니다.
수준별 설명
어떤 개념이든 쉬운 설명부터 전문가 수준까지 볼 수 있으면 좋겠습니다. 내가 현재 어느 정도 깊이까지 알고 있는지, 또 어디까지 알아야 하는지를 파악하고 싶었습니다.
시각화
노션에 직접 정리할 때 시각화가 가장 어려웠습니다. LLM에게 시각화를 요청하면 토큰을 많이 소모하고, 매번 조금씩 다른 결과가 나옵니다. 일관된 시각화가 포함된 콘텐츠가 있으면 좋겠습니다.
퀴즈
글만 읽으면 지루합니다. 문제를 풀고 맞추면서 지난 기억을 되살리고 지식을 테스트하고 싶었습니다. 개인적으로 저에게 맞는 학습 방법이기도 합니다.
3. 아이디어: LLM으로 콘텐츠 자동 생성
이런 학습 콘텐츠를 직접 만들기엔 시간이 너무 오래 걸립니다. JavaScript만 해도 수십 개의 주제가 있고, 각 주제마다 상당한 분량이 필요합니다.
그래서 떠오른 아이디어:
“LLM으로 학습 콘텐츠를 자동 생성하고, 이걸 앱으로 만들자”
처음부터 목표는 이것이었습니다. 단순히 학습 앱을 만드는 게 아니라, 콘텐츠 자동 생성 파이프라인과 앱을 함께 만드는 것.
핵심 아이디어는 3단계 적응형 학습이었습니다:
| 레벨 | 대상 | 설명 방식 |
|---|---|---|
| Easy | 프로그래밍 입문자 | 일상 비유, 시각화, 코드 없음 |
| Normal | 일반 개발자 | 기술 용어 + 코드 예제 |
| Expert | 10년+ 시니어 | 명세서, 엔진 구현, 최적화 |
사용자가 자신의 수준에 맞는 설명을 선택해서 볼 수 있다면, 같은 콘텐츠로 입문자부터 전문가까지 모두 학습할 수 있습니다.
4. 방법: Claude Code 서브에이전트
콘텐츠 자동 생성 방법으로 Claude Code의 서브에이전트를 선택했습니다.
Max Plan을 구독하고 있었는데, 매주 사용 가능한 토큰을 다 소진하지 못하고 있었습니다. Claude Code CLI 문서를 보니 claude -p 옵션으로 프롬프트를 전달해서 자동화할 수 있었습니다.
목표는 두 가지였습니다.
- 학습 콘텐츠 자동 생성 파이프라인: AI 에이전트로 마크다운 콘텐츠를 생성
- 학습 앱: 생성된 콘텐츠를 렌더링하고 상호작용 제공
이 시리즈는 첫 번째 목표인 파이프라인 구축 과정을 다룹니다.
다음 편에서는 무엇을 생성할 것인가를 다룹니다.
이 시리즈는 AI-DLC(AI-Driven Development Lifecycle) 방법론을 실제 프로젝트에 적용한 경험을 공유합니다. AI-DLC에 대한 자세한 내용은 경제지표 대시보드 개발기 시리즈를 참고해주세요.