K-garoo Social Club K-garoo Works WarRoom

▸ K-garoo Lessons / Live Guide

AI를 이해하고, 일을 맡기고, 내 워크플로우로 가져옵니다.

이 화면은 수업의 시작점입니다. AI가 왜 지금의 형태가 되었는지, 어디서 틀리는지, 어떤 환경에서 작업자가 되는지, 그리고 참가자가 가져온 앱이나 자동화를 어떻게 첫 구현 단위로 줄일지 안내합니다.

5pages46modules1workflow
전체 루트AI FoundationsPractice Lab
lessons-map.yaml
route:
  understand: "AI 능력과 한계"
  structure: "context, tools, verification"
  delegate: "agent workflow"
  practice: "my app or automation"
output: "first executable task"
00

한 장으로 보는 전체 루트

Live Route

AI를 이해하는 시간에서 시작해, 실제 업무를 맡기는 워크플로우까지 이어집니다.

이 Lessons는 발표자가 화면 공유로 바로 쓰고, 참가자는 자기 프로젝트에 대입할 수 있도록 만든 웹 강의 자료입니다. 목표는 많은 용어를 외우는 것이 아니라, AI에게 일을 맡길 때 필요한 판단 기준과 실행 루프를 몸에 익히는 것입니다.

1AI를 마술에서 구조로 바꾸기

AI 겨울, 트랜스포머, 스케일링, 추론 모델, 멀티모달을 통해 “왜 지금 가능한가”를 봅니다.

2프롬프트보다 작업 환경 보기

환각, 정렬, 프롬프트 한계, 컨텍스트 붕괴를 통해 검증 가능한 작업 구조를 만듭니다.

3에이전트에게 일 맡기기

하네스, 도구, MCP, Skills, Computer Use, RAG를 실제 업무 표면으로 연결합니다.

4내 자동화 하나로 닫기

벤치마킹 앱이나 반복 업무를 첫 MVP와 첫 자동화 단위로 줄입니다.

수업 운영 원칙: 설명이 길어지면 “내가 가져온 앱이라면 어디에 붙일까?”로 돌아옵니다. 이 페이지들은 읽는 자료가 아니라 대화를 작업으로 바꾸는 진행판입니다.
01

5개 페이지의 역할

Map

각 페이지는 다른 수업 장면을 담당합니다.

HubLessons Hub

전체 루트, 모듈 맵, 영상 위치, 수업 운영 방식을 잡는 시작 화면입니다.

Deep DiveAI Foundations

현대 AI의 역사, 능력, 실패, 비용, 정렬, 컨텍스트 설계를 한 흐름으로 설명합니다.

WorkshopAgent Workshop

Codex와 Claude Code, 에이전트, MCP, Skills, RAG, Computer Use를 작업 위임 관점으로 묶습니다.

LabPractice Lab

프롬프트, 문서, 마케팅, 데이터, 컨텍스트, 개인 자동화를 직접 해보는 실습 보드입니다.

KitResource Kit

용어집, 프롬프트 템플릿, 공식 문서와 학습 링크, 체크리스트를 모읍니다.

ArchivePitchdeck Archive

과거 사업 제안 자료는 Lessons 드롭다운 안에서 조용히 접근하게 둡니다.

02

워크숍 커버리지 맵

Coverage

46개 자료의 실질 내용을 강의 모듈로 재배치했습니다.

페이지담는 내용강의에서 쓰는 방식
AI FoundationsAI 겨울, 역전파, AlexNet, 트랜스포머, 스케일링, Chinchilla, 추론 모델, DeepSeek R1, 환각, RLHF, DPO, RLVR, 파인튜닝, LoRA/QLoRA, 정렬, 멀티모달, 프롬프트 한계, Lost-in-Middle, 한국어 토큰, 컨텍스트 엔지니어링, KV-Cache, 추론 인프라, 오픈 웨이트, AI 규제, 노동 변화“AI를 어디까지 믿고 어떻게 검증할 것인가”를 설명하는 기준선
Agent Workshop하네스, product overhang, CLAUDE.md/AGENTS.md, ACI, agent loop, subagents, agent frameworks, Computer Use, MCP, Skills, RAG, 지식관리, 코드 어시스턴트와 에이전트 비교, Claude 생태계, prompt injection, 권한과 안전벤치마킹 앱을 구현 단위로 쪼개고, AI에게 맡길 일을 정하는 워크숍
Practice Lab프롬프트 3단 변환, 지시 망각, 컨텍스트 유무 비교, 환각 유도, 업무 문서, 회의록, 메일, 기획서, 마케팅, 경쟁사 분석, 페르소나, PRD, 데이터 분석, 시각화, 컨텍스트 설계, 개인 자동화참가자가 자기 업무를 들고 와서 바로 따라 하는 실습 카드
Resource Kit60개 핵심 용어, 25개 프롬프트 템플릿, 공식 문서, 무료 강의, 한국어 자료, 핵심 논문, 도구 실습 환경수업 중 복사해서 쓰거나, 수업 뒤 다시 찾는 도구함
03

진행자는 이렇게 사용합니다

Runbook

수업은 설명, 시연, 적용, 기록의 짧은 루프로 진행합니다.

0-15분Hub에서 오늘 루트와 준비물을 확인하고, 참가자가 가져온 벤치마킹 앱 또는 자동화 후보를 빠르게 공유합니다.
15-45분Foundations에서 AI의 능력과 실패를 잡습니다. “틀릴 수 있는 지점”과 “검증할 근거”를 먼저 말하게 합니다.
45-90분Agent Workshop에서 도구와 위임 구조를 봅니다. Codex, Claude Code, MCP, Skills, Computer Use를 기능명이 아니라 작업 표면으로 설명합니다.
90-120분Practice Lab에서 각자 첫 MVP 또는 첫 자동화 프롬프트를 작성합니다. Resource Kit의 템플릿을 가져와 바꿉니다.
수업 마무리 질문
1. 내가 맡기고 싶은 반복 작업은 무엇인가?
2. AI가 봐야 할 자료는 어디에 있는가?
3. AI가 써도 되는 도구와 안 되는 도구는 무엇인가?
4. 완료 여부는 무엇으로 확인할 것인가?
04

영상은 기능 감각을 맞추는 데만 씁니다

Watch

영상은 길게 보는 자료가 아니라, 시연 전후의 공통 언어를 맞추는 장치입니다.

Codex /goal Paperclip 역할 분리 Codex Automations Computer Use Subagents MCP 시연
임베드 영상은 수업 중 필요한 부분만 짧게 끊어 봅니다. 중요한 것은 기능을 아는 것이 아니라, 내 프로젝트에서 어느 병목을 해결하는지 말할 수 있게 되는 것입니다.
05

참가자는 하나의 작업으로 닫습니다

Apply

수업 뒤에는 각자 Codex 또는 Claude Code에게 맡길 첫 작업을 남깁니다.

  1. 벤치마킹할 앱이나 자동화할 업무를 하나 고릅니다.
  2. 핵심 화면, 입력, 출력, 저장 데이터, 사용자 행동을 나눕니다.
  3. LLM이 개입할 지점과 규칙 기반 자동화가 맞는 지점을 분리합니다.
  4. Computer Use가 필요한지, API나 파일 작업으로 충분한지 판단합니다.
  5. 첫 작업 지시문과 검증 기준을 작성합니다.
Codex에게 맡길 첫 작업을 이렇게 적습니다.
목표:
확인할 파일/자료:
수정해도 되는 범위:
완료 기준:
실행할 검증:
사람이 다시 봐야 할 부분: