[AI 에이전트 파이프라인 #10] 완성된 앱과 회고
지난 편에서는 파이프라인을 운영하면서 발견한 개선점들을 다뤘습니다. 이번 편은 마지막 편입니다. 2025년 8월에 시작해서 6개월, 드디어 완성입니다. 완성된 앱의 UI와 기술 선택에 대한 회고를 다룹니다.
지난 편에서는 파이프라인을 운영하면서 발견한 개선점들을 다뤘습니다. 이번 편은 마지막 편입니다. 2025년 8월에 시작해서 6개월, 드디어 완성입니다. 완성된 앱의 UI와 기술 선택에 대한 회고를 다룹니다.
지난 편에서는 재시도와 롤백 메커니즘을 다뤘습니다. 이번 편에서는 파이프라인을 운영하면서 발견한 개선점들을 정리했습니다.
지난 편에서는 파이프라인 정상 실행 흐름을 다뤘습니다. 이번 편에서는 실패했을 때 어떻게 처리했는지 정리해봤습니다.
지난 편에서는 7개 에이전트의 협업 구조와 핸드오프 프로토콜을 다뤘습니다. 이번 편에서는 콘텐츠 생성 파이프라인의 7개 에이전트를 실행하기 위해 제가 구성한 쉘 스크립트 오케스트레이션을 정리해봤습니다.
지난 편에서는 에이전트 프롬프트를 완성하기까지의 과정을 다뤘습니다. 프롬프트를 다루면서 “실패”, “성공”을 이야기했는데, 그 결과는 파이프라인을 실행하면서 확인한 것이었습니다. 이번 편에서는 제가 구성한 파이프라인 구조를 정리해봤습니다.
지난 편에서는 막막한 상황에서 AI-DLC 방법론을 적용하기로 결정한 이야기를 다뤘습니다. 이번 편에서는 AI-DLC를 적용하면서 프롬프트를 어떻게 완성해나갔는지 정리해봤습니다.
지난 편에서는 하나의 프롬프트가 왜 안 됐는지, 그리고 7개 에이전트로 분리한 과정을 다뤘습니다. 이번 편에서는 에이전트를 분리한 후에 무엇을 시도했는지, 그리고 그래도 왜 안 됐는지 다룹니다.
지난 편에서는 메타데이터 파이프라인으로 category.yaml과 빈 콘텐츠 파일을 자동 생성했습니다. 이번 편부터는 학습 콘텐츠 생성 파이프라인을 다룹니다. 처음에는 하나의 프롬프트로 시도했지만 실패했습니다.
지난 편에서는 왜 학습 앱을 만들기 시작했는지 이야기했습니다. 이번 편에서는 생성할 콘텐츠를 어떻게 정의했는지 다룹니다.
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.