3단계 확장 학습 노트: SkillOpt 이후의 에이전트 실무 감각
Deep Dive · 에르메스단의 31일 대화를 SkillOpt, 하네스, 검증, 콘텐츠 자동화의 관점으로 다시 읽는다.
에르메스단 31일 대화는 v2가 이미 잘 보여준 것처럼 풍부하다. 쿠마스튜디오 강의 여운, Discord 커뮤니티 운영 개편, 모델·구독 선택, UX 레퍼런스, SkillOpt 논문 토론, Hermes 활용법, Remotion과 TTS까지 하루에 여러 층위가 겹쳤다. v3에서는 이 많은 내용을 “에이전트 실무 감각이 어디로 이동하는가”라는 관점으로 다시 읽는 것이 좋다.
가장 중요한 축은 SkillOpt다. 공냥이님은 Microsoft SkillOpt 링크를 공유했다. 링크는 https://microsoft.github.io/SkillOpt/ 이다. 이 주제가 중요한 이유는 스킬을 단순히 “에이전트에게 알려주는 설명서”가 아니라 최적화 가능한 단위로 보기 때문이다. 지금 많은 사용자는 CLAUDE.md, AGENTS.md, skills, prompts, slash commands를 모아둔다. 하지만 그 문서들이 실제로 성능을 높이는지, 어떤 상황에서 실패하는지, 개선 후 나아졌는지 측정하지는 않는다. SkillOpt적 사고는 이 부분을 묻는다. 스킬은 작성물이 아니라 평가와 개선의 대상이다.
공냥이님은 이 흐름을 산업공학, 확률론, 최적화와 연결했다. 이것이 좋은 해석인 이유는 에이전트 실무가 점점 “모델에게 똑똑한 답을 받는 일”에서 “작업 시스템을 설계하는 일”로 바뀌고 있기 때문이다. 공장이나 물류 시스템에서 병목, 공정, 품질관리, 재작업 비용을 보듯이, 에이전트 작업에서도 입력 품질, 도구 호출 비용, 실패 복구, 사람 승인, 테스트, 배포 확인을 봐야 한다. 에이전트가 대세가 될수록 산업공학적 감각이 중요해진다는 엉클잡스님의 반응도 이 맥락에서 읽힌다.
하코님의 현실 감각도 중요하다. 평가 지표가 있으면 자주 쓰는 스킬에는 유용하겠지만, 결국 휴먼 검증과 노가다가 남는다는 취지의 정리가 있었다. 이것은 비관이 아니라 정확한 운영 감각이다. 에이전트 스킬 최적화는 사람을 제거하는 기술이 아니다. 사람이 반복적으로 하던 검증과 판단을 더 잘 드러내고, 자동화 가능한 부분과 사람이 봐야 하는 부분을 나누는 기술이다. 좋은 스킬은 사람의 판단을 없애지 않는다. 사람의 판단이 들어갈 위치를 명확하게 만든다.
Hermes 활용법 대화도 SkillOpt 렌즈로 읽을 수 있다. 간짜장맨님은 Hermes를 어떻게 더 전문가스럽게 쓸지 고민했고, Ultramarine.gy님은 스킬과 플러그인을 적극 활용해야 한다고 했다. 여기서 Hermes의 차별점은 모델 자체가 아니라 하네스, 메모리, 페르소나, 도구 연결을 사용자가 조정할 수 있다는 점이다. 하지만 그 확장성을 쓰지 않을 거라면 순정 ChatGPT, Claude, Gemini, Codex, Claude Code를 쓰는 편이 낫다는 조언도 맞다. 확장 가능한 도구는 확장할 운영 능력이 있을 때 가치가 생긴다.
모델·구독 선택 대화는 실무 비용 감각을 보여준다. Claude Code가 느리거나 이상한 행동을 하고, Codex 리셋과 요금제가 고민되고, Nous나 Kimi 같은 모델이 일상 에이전트용으로 언급됐다. 이 대화의 결론은 “어느 모델이 최고인가”가 아니다. 작업 유형별로 비용과 안정성을 나눠야 한다는 것이다. 빠른 검색과 일상 질의, 긴 코딩 작업, 이미지 생성, 비전, 웹검색, 문서 검수는 서로 다른 모델과 인터페이스가 맞다. 구독료는 월 가격이 아니라 실패했을 때의 시간 손실과 검증 비용까지 포함해 봐야 한다.
UX 레퍼런스 대화는 에이전트 제품을 만들 사람에게 특히 중요하다. Asin_cartel님은 shadcn/ui https://ui.shadcn.com/ 와 Material Design 3 https://m3.material.io/ 를 공유했고, 크로아상생쥐님은 Lazyweb https://lazyweb.com/ 을 추천했으며, darkest_alex님은 Dribbble https://dribbble.com/ 을 언급했다. 하지만 에이전트 UI는 예쁜 카드만으로 해결되지 않는다. 사용자는 지금 에이전트가 무엇을 하고 있는지, 어떤 도구를 호출했는지, 어디서 실패했는지, 사람이 무엇을 승인해야 하는지 알아야 한다. 그래서 AI 작업대 UI는 dashboard, terminal, review tool, timeline의 성격을 동시에 가진다.
AI 영상/TTS/Remotion 대화도 반복 가능한 스킬의 관점으로 볼 수 있다. Roach님은 AI로 만든 영상을 공유했고, TTS는 Minimax를 사용했으며, 영상은 Remotion으로 전부 코드로 만들었다고 했다. 링크는 https://www.youtube.com/watch?v=j90QUUPYjDc 와 https://platform.minimax.io/docs/guides/models-intro 이다. 카잣둠님은 Xiaomi Mimo TTS 문서도 공유했다. 링크는 https://platform.xiaomimimo.com/docs/en-US/usage-guide/speech-synthesis-v2.5 이다. 여기서 중요한 것은 생성 도구보다 파이프라인이다. Remotion은 React 코드 기반이므로 장면, 자막, 타이밍, 데이터 주입을 버전 관리할 수 있다. 이것은 영상 제작을 감각의 영역에서 반복 가능한 코드 스킬로 옮기는 방식이다.
에르메스단 대화의 학습 결론은 네 가지다. 첫째, SkillOpt를 읽을 때 스킬을 프롬프트가 아니라 평가 가능한 작업 단위로 본다. 둘째, Hermes나 Codex 같은 도구를 고를 때 모델 성능보다 하네스와 검증 루프를 본다. 셋째, AI 제품 UI를 만들 때 예쁜 레퍼런스와 함께 작업 상태, 실패, 승인, 로그를 어떻게 보여줄지 설계한다. 넷째, 콘텐츠 자동화는 생성이 아니라 파이프라인이다. 스크립트, 장면, 음성, 자막, 렌더링, 검수를 분리해야 품질이 반복된다.
이 관점에서 보면 SkillOpt는 에르메스단의 한 토픽이 아니라 그날 전체 대화를 해석하는 중심 키워드다. 커뮤니티 운영도 스킬이고, 코딩 에이전트 사용도 스킬이고, 영상 제작도 스킬이고, 논문 읽기도 스킬이다. 차이는 그 스킬을 그냥 경험담으로 흘려보내느냐, 아니면 절차·평가·개선 루프로 바꾸느냐에 있다.
추가 워크북 1: SkillOpt를 내 업무에 적용하려면 먼저 반복 작업 하나를 고른다. 예를 들어 “카카오 대화 리포트 생성”, “PR 리뷰”, “강의 자료 요약”, “영상 스크립트 작성”, “고객 문의 분류” 같은 것이다. 그 다음 이 작업을 입력, 중간 산출물, 최종 산출물, 검증 기준으로 나눈다. 스킬 문서에는 멋진 설명보다 실패 사례를 적어야 한다. 어떤 입력에서 요약이 얕아졌는지, 어떤 링크를 놓쳤는지, 어떤 문체가 마음에 안 들었는지, 어떤 테스트를 통과해야 하는지를 적는다. 이렇게 해야 스킬이 축적된다.
추가 워크북 2: 에이전트 하네스는 최소 다섯 가지를 포함해야 한다. 첫째, 목표와 범위를 저장하는 계획 파일. 둘째, 실행 중 판단을 기록하는 로그. 셋째, 결과를 검증하는 테스트 또는 체크리스트. 넷째, 사람이 중간에 승인할 수 있는 리뷰 지점. 다섯째, 배포 후 실제 URL이나 산출물을 확인하는 루프. 이 다섯 가지가 없으면 에이전트는 똑똑해 보여도 긴 작업에서 흔들린다. Hermes, Codex, Claude Code 중 무엇을 쓰든 하네스가 없으면 매번 새로 설득해야 한다.
추가 워크북 3: 논문 링크를 읽는 방법도 스킬화할 수 있다. 공냥이님이 공유한 SkillOpt와 arXiv 링크들을 볼 때 abstract만 읽고 끝내지 않는다. 먼저 문제 정의를 한 문장으로 쓴다. 다음으로 기존 방법의 한계를 적는다. 그 다음 새 방법이 추가한 구성요소를 표로 만든다. 마지막으로 “내 업무에 적용하면 무엇이 바뀌는가”를 적는다. 예를 들어 SkillOpt라면 내 업무의 스킬을 평가 가능한 단위로 나누고, 반복 실패를 데이터로 모으는 방식이 바뀐다. 논문 읽기는 지식 소비가 아니라 내 운영 방식 업데이트여야 한다.
추가 워크북 4: AI 작업대 UI를 설계할 때 shadcn/ui나 Material Design을 그대로 베끼면 부족하다. 에이전트 UI에는 일반 SaaS보다 더 많은 상태가 필요하다. 작업 대기 중, 도구 호출 중, 실패, 재시도, 사람 승인 대기, 테스트 통과, 배포 완료 같은 상태가 있어야 한다. Lazyweb이나 Dribbble은 시각적 아이디어를 주지만, 에이전트 제품의 핵심은 상태와 책임의 가시성이다. 사용자가 “지금 AI가 뭘 하고 있지?”를 모르면 불안해지고, 불안하면 다시 직접 하게 된다.
추가 워크북 5: Remotion과 TTS 자동화는 콘텐츠 제작을 코드화하는 좋은 사례다. 영상 자동화를 시작한다면 첫 번째 목표는 “멋진 영상 하나”가 아니라 “같은 형식의 영상을 다시 만들 수 있는 템플릿”이어야 한다. 데이터 입력, 장면 템플릿, 자막 스타일, 음성 선택, 배경 이미지, 렌더링 설정을 분리한다. Minimax TTS나 Xiaomi Mimo TTS를 붙일 때는 음질뿐 아니라 한국어 지원, 상업 이용 가능 여부, 길이 제한, 감정 표현, API 안정성을 확인한다. 생성형 영상은 우연히 잘 나온 결과보다 반복 가능한 파이프라인이 더 가치 있다.
추가 워크북 6: 커뮤니티 운영도 하네스로 볼 수 있다. 쿠마스튜디오 강의 이후 Discord 커뮤니티 모드, 스테이지 채널, 이벤트 캘린더, 이메일 인증 가능성이 논의됐다. 이것은 강의가 끝난 뒤 질문과 후속 학습을 어떻게 담을지에 대한 운영 설계다. 좋은 커뮤니티는 사람이 많아서가 아니라 흐름이 정리되어 있어서 유지된다. 발표 채널, 질문 채널, 자료 채널, 이벤트 일정, 신규 가입자 안내가 나뉘어야 하고, 운영자는 반복 질문을 문서와 세션으로 흡수해야 한다.
추가 워크북 7: 모델 구독 선택은 “내 작업 포트폴리오”를 먼저 적고 결정한다. 코딩이 70%, 문서 요약이 20%, 이미지/영상이 10%라면 Codex나 Claude Code 중심이 맞을 수 있다. 일상 검색, 비전, 이미지 생성, 웹검색이 많다면 Nous 같은 통합형 구독도 가치가 있다. 무료 모델은 실험과 보조 작업에 좋지만, 중요한 작업에서는 지연과 품질 편차가 비용이 된다. 구독 선택을 커뮤니티 의견으로만 결정하지 말고, 지난 일주일 작업을 유형별로 적어보고 결정하는 것이 좋다.
추가 워크북 8: 에르메스단의 31일 대화를 한 문장으로 정리하면 “AI 실무는 점점 최적화 가능한 운영 시스템이 되고 있다”이다. SkillOpt는 스킬 최적화, Hermes는 하네스, UX 레퍼런스는 작업 상태 표현, Remotion은 콘텐츠 파이프라인, Discord 개편은 커뮤니티 운영 시스템이다. 이 모든 것을 관통하는 질문은 하나다. 반복되는 일을 어떻게 구조화하고, 어떻게 검증하고, 어떻게 개선할 것인가. 이 질문을 들고 보면 하루 대화가 단순한 링크 모음이 아니라 다음 학습 로드맵이 된다.
추가 학습 질문: 이 대화를 내 업무에 옮긴다면 무엇을 먼저 바꿀 것인가. 첫째, 지금 내가 반복해서 설명하거나 복사해 붙이는 작업을 하나 고른다. 둘째, 그 작업의 입력과 출력 예시를 3개씩 모은다. 셋째, 실패 사례를 일부러 적는다. 넷째, AI가 처리할 부분과 사람이 승인할 부분을 나눈다. 다섯째, 다음 실행 때 결과가 좋아졌는지 확인할 기준을 만든다. 이 다섯 단계를 거치면 오픈채팅에서 본 도구와 링크가 단순 정보가 아니라 내 작업 시스템을 바꾸는 재료가 된다.
추가 학습 질문: 좋은 자동화와 나쁜 자동화의 차이는 무엇인가. 좋은 자동화는 사람이 보던 판단 기준을 숨기지 않고 드러낸다. 나쁜 자동화는 “AI가 알아서 했다”고 말하면서 근거와 실패 가능성을 감춘다. 좋은 자동화는 실패했을 때 어디서 깨졌는지 알 수 있다. 나쁜 자동화는 실패해도 원인을 찾을 수 없다. 좋은 자동화는 작은 단위로 다시 실행할 수 있다. 나쁜 자동화는 전체를 처음부터 다시 돌려야 한다. 따라서 AI 도구를 붙일 때는 성공 화면보다 실패 화면을 먼저 설계해야 한다.
추가 학습 질문: 커뮤니티 대화에서 사람을 어떻게 읽을 것인가. 링크를 많이 공유하는 사람은 레이더 역할을 한다. 실제 경험담을 말하는 사람은 운영 지식을 제공한다. 질문을 던지는 사람은 시장의 불편함을 드러낸다. 농담이나 실패담을 말하는 사람도 중요하다. 그 안에 모델의 실제 결함, 작업 환경의 마찰, 초보자가 막히는 지점이 들어 있기 때문이다. 리포트의 목표는 모든 발언을 동등하게 요약하는 것이 아니라, 이 역할들을 구분해 학습 가능한 신호로 바꾸는 것이다.
추가 학습 질문: 다음 날 같은 주제가 반복된다면 무엇을 추적할 것인가. MCP는 도구 연결에서 운영 안정성으로 가는지, LLM Wiki는 개인 지식관리에서 조직 지식관리로 가는지, Claude/Codex 환경 논의는 모델 성능에서 작업대 설계로 가는지, 콘텐츠 자동화는 생성에서 검수 파이프라인으로 가는지 추적한다. 하루치 리포트가 쌓이면 단순 뉴스 요약이 아니라 커뮤니티의 관심 이동 그래프가 된다.
에르메스단에 적용하면, 다음 관찰 포인트는 “스킬이 문화가 되는 과정”이다. SkillOpt 논문, Hermes 하네스, 쿠마스튜디오 강의, Discord 운영 개편, Remotion 영상 제작은 모두 반복 가능한 방법을 만들려는 시도다. 이 방은 단순히 새 도구를 소비하는 곳이 아니라, 도구 사용법이 커뮤니티 규칙과 강의와 오픈소스와 콘텐츠로 변환되는 곳이다. 그래서 앞으로는 어떤 아이디어가 링크로 등장해 실험으로 이어지고, 다시 스킬이나 강의나 제품으로 굳어지는지 추적하면 좋다.