WorkBuddy+딥시크로 30일 자동화 실험한 개발자의 회고

요즘 다들 이런 느낌이 들지 않는지 모르겠다. 2026년의 기술 업계는 모두가 꽤 "조급해" 하고 있다.

페이덴(沸点)이나 홈 화면을 대충 스크롤해 봐도, 면접관은 "AI가 코드의 80%를 짜는데 당신은 뭘 할 수 있나"라고 묻고, 동료들은 "혼자서 AI 붙여서 월 2만 위안 벌기"를 자랑한다. 나도 조급했다. 그래서 막 지나간 연휴 기간에 이전에 직접 수동으로 운영하던 기술 위챗 공개 계정을 전적으로 AI에게 맡겨 "인간의 개입이 필요 없는" 완전 자동 콘텐츠 매트릭스를 만들기로 결심했다.

먼저 결과부터 말하자면,上线해서 30일 동안 돌린 결과 여러 플랫폼을 합쳐 누적 팔로워 4000+를 모았고, 광고 두 건을 받아 순이익 2100위안이었다. 돈은 많지 않지만, 이것은 매일 내 16G 메모리 구형 컴퓨터 위에서 조용히 일해 주는 시스템이다.

오늘 이 글은 위로의 미사여구를 늘어놓지 않고, 이 시스템 뒤에 있는 전 구간 기술 방안과, 내가 "AI가 자꾸 헛소리하는" 문제를 해결하려다 밟은 피눈물 나는 함정들을 직접 공유하겠다.

一、 핵심 요구 사항과 극도로 간결한 기술 선택

내 목표는 명확했다. 매일 새벽 정해진 시간에 GitHub Trending과 Hacker News의 인기 프로젝트를 수집하고, AI가 소스 코드를 이해하게 해 고품질 기술 분석 글 한 편을 자동 생성하고, 아키텍처 다이어그램까지 곁들인 뒤, 마지막으로 자동 배포하는 것.

이 일을 1년 전에 했다면 아마 대량의 Python 크롤러, API 연동 코드, 복잡한 정기 실행 스크립트를 작성해야 했을 것이다. 하지만 오늘的我는 다음과 같은 극도로 간결한 기술 스택을 선택했다.

- 메인 두뇌와 스케줄링: WorkBuddy. 전체 Agent 흐름을 오케스트레이션하는 데 사용하며, 자체의 정기 트리거와 워크플로 노드를 바로 써서 Cron과 상태 머신을 직접 작성하는 번거로움을 덜었다.

- 로컬 실행과 파일 처리: DeepSeek Harness 데스크톱 버전. 이건 최근의 진짜 신기한 도구다. 로컬 작업 디렉터리를 바로 마운트하고, Markdown을 읽고 쓰며, 로컬 Python 스크립트를 실행한다. 갖가지 이상한 권한 설정이 필요 없다. 아는 사람은 다 안다.

- 이미지 생성: Flux 미세 조정 기반의 로컬 이미지 생성 Skill을 마운트했는데, 전문적으로 긱(Geek) 스타일 이미지를 뽑아낸다.

二、 마주친 치명적 함정: AI의 "컨텍스트 기억 상실증"

처음에는 프롬프트(Prompt)만 충분히 잘 쓰면 AI가 알아서 다 해결할 거라 생각했다. 그런데 돌린 지 채 일주일도 안 되어 시스템이频频 다운됐다. 구체적인 양상은 다음과 같다.

- 뒤섞인 환각: 어제는 Vue 생태계 프로젝트를 수집하고 오늘은 React 프로젝트를 수집했는데, AI가 글을 생성할 때 Vue의 반응형 원리를 리액트 코드 분석에 억지로 갖다 붙였다.

- 내용이 극도로 동질화됨: 며칠 연속 생성된 글의 서두가 전부 똑같은 "프런트엔드 기술이 끊임없이 발전함에 따라……"였다(정말이지 이런 모델 자체의 "팔고문(八股文)" 체질에 어이가 없어 울고 싶었다).

핵심 원인은 며칠 전 랭킹에서 《AI 장편소설 쓰기가 왜 30장이면 반드시 무너지는가》를 쓴 고수 말과 같다. 연속적인 장기 작업에서 AI의 컨텍스트 오염이 너무 심각해진다는 것이다. 그것은 무엇이 현재의 국소 컨텍스트이고 무엇이 전역의 역사적 기억인지 전혀 구분하지 못한다.

三、 공학적 해법: AI에 "기억 청소기"와 초소형 RAG를 달아주기

이 문제를 해결하기 위해 나는 형이상학 같은 프롬프트와 씨름하는 대신, 전통적인 공학 사고로 워크플로를 재구성했다.

1. 작업 구역의 물리적 격리 (DeepSeek Harness 기반) 매 작업 시작 전에 Harness가 해당 날짜의 타임스탬프가 붙은 독립 폴더를 자동 생성하게 하고, 그날 수집한 HTML/소스 코드를 전부 그 안에 넣는 간단한 스크립트를 작성했다. Harness는 매번 읽을 때 현재의 전용 디렉터리만 잠그므로, 어제의 역사 데이터를 물리적으로 차단해 컨텍스트 오염원을 끊어버린다.

2. 경량 로컬 RAG 도입으로 편향 교정 AI가 전문 용어를 설명할 때 함부로 발산하지 않도록, 나는 그것이 직접 인터넷 검색을 하게 하지 않고 WorkBuddy의 노드에 초소형 RAG를 연결했다.

핵심 사고방식은 매우 간단하고 투박하다.

- 로컬에서 SQLite로 내가 오랫동안 쌓아온 "기술 용어 보정 사전"을 저장했다.

- AI에게 글 산출을 요구하기 전에, 경량 벡터 검색으로 관련 최전선 기술 원리 설명을 먼저 찾아내 System Prompt에 강제로 집어넣었다.

여기 지식 베이스 주입에 쓰인 Node 스크립트 핵심 로직 한 조각을 공유한다(Cursor의 원클릭 자동 완성을借助했기 때문에 내가 직접 친 줄은 거의 없다).

JavaScript

import { LocalVectorDB } from 'workbuddy-tools' ; import fs from 'fs' ; async function injectContext ( dailySourceCode ) { const db = new LocalVectorDB ( './tech_knowledge.db' ); // 그날의 핵심 기술 키워드 추출 const keywords = await analyzeKeywords (dailySourceCode); let contextStr = "【다음 기술 배경을 엄격히 따라 분석하고, 프레임워크를 넘나드는 자유로운 발산을 금지합니다】：\n" ; for ( let word of keywords) { const doc = await db. similaritySearch (word, 1 ); if (doc. length > 0 ) contextStr += ` ${doc[ 0 ].text} \n` ; } // 강제 제약이 담긴 컨텍스트를 Harness의 당일 작업 디렉터리에 기록 fs. writeFileSync ( './workspace/today_context.md' , contextStr); return true ; }

四、 완성 후의 성찰: 프로그래머의 종착점은 어디인가?

이 시스템이 완전히 돌아간 후, 나는 매일 아침 깨어나 휴대폰에서 WorkBuddy가 푸시한 글 미리보기를 2분만 확인하고 "발행 확인"만 누르면 된다.

돌이켜 보면, 이 시스템을 작성하면서 실제로 손으로 친 코드량은 내가 평소에 반나절 딴짓하며 작성한 것보다도 적었다. 기초 코드의 80%는 Cursor가 대신 생성해 줬고, 남은 20%는 내가 공학적 사고로 각 AI 도구 체인 사이를 "연결"하고 "지뢰를 제거"한 것이다.

그렇다면 AI가 이렇게 강력한데, 우리 프로그래머들의 가치는 도대체 어디에 있는가? 이 30일간의 씨름을 통해 나는 극히 확신에 찬 결론을 얻었다. 미래는 "문제를 정확히 정의"하고 "장애 허용 워크플로를 설계"할 수 있는 사람의 것이다.

AI는 극도로 똑똑하고 연산력은 무한하지만 장기 기억과 손발이 없는 두뇌와 같다. 2026년에 당신에게 가장 필요한 것은 더 이상 "레드-블랙 트리를 직접 작성하는" 능력이 아니라, 다음과 같은 것이다.

- 데이터 엔지니어링 능력: 어느 단계에서 AI에게 어떤 깨끗한 데이터를 먹여야 하는지 아는 것.

- 시스템 아키텍처 사고: AI가 어느 단계에서 환각과 붕괴를 일으킬지 파악하고, 미리 코드로 장애 허용과 물리적 격리를 준비해 둔다.

- 비즈니스 클로즈드 루프 감각: 극히 낮은 비용으로 각종 AI 도구 체인을 조립해 실제 페인 포인트를 해결하고, 심지어 현금 흐름을 만들어낼 수 있는 제품으로 만든다.

순수한 '코드 번역가'의 시대가 저물고 있는 것은 사실이지만, '슈퍼 개인 아키텍트'의 황금기는 이제 막 시작되었다.

프로젝트의 전체 WorkBuddy 오케스트레이션 구성 노드와 지식베이스 스크립트는 이미 GitHub에 패키징해 올려 두었다. 늘 그렇듯 링크는 댓글 상단 고정에서 가져가면 된다. 환경 설정 오류를 겪은 형제가 있다면 언제든 페이포인트(沸点)에서 나를 @ 하라.