Modern AI Kitchen
WELCOME TO THE AI KITCHEN

당신의 목표는
어떤 요리인가요?

AI-recipe는 정답을 외우는 곳이 아닙니다.
학생이 원하는 결과를 선명하게 만들고, AI 셰프와 함께 최상의 레시피를 완성하는 법을 배웁니다.

우리들의 마스터 셰프

당신의 프로젝트에 가장 잘 어울리는 셰프를 선택해 보세요.

Chef GPT

Chef GPT

올라운더 마스터

어떤 주문이든 척척 받아내는 만능 셰프입니다. 창의적 발산이 필요할 때 최고의 선택입니다.

Chef Claude

Chef Claude

논리 정립 전문가

긴 문서를 분석하고 구조를 잡는 데 탁월한 차분하고 논리적인 셰프입니다.

Chef Gemini

Chef Gemini

멀티모달 익스플로러

영상, 이미지, 웹 검색까지 폭넓게 활용하는 똑똑한 정보 연결 전문가입니다.

Chef Grok

Chef Grok

실시간 트렌드 분석가

웹의 흐름과 사람들의 반응을 가장 빠르게 읽어내는 감각적인 트렌드 세터입니다.

THE GUIDED JOURNEY

AI 레시피 북: 초보자를 위한 완벽 가이드

아이디어 구상부터 멀티에이전트 협업까지, 요리 과정에 비유해 쉽고 깊게 배우는 AI 개발의 정석.

01

Chapter 1: 식당 기획 (The Vision)

Objective: 프로젝트의 핵심 정체성과 '목표점' 설정

최고의 요리는 주방에 들어가기 전, **'누구에게 어떤 감동을 줄지'** 상상하는 것에서 시작됩니다. AI 프로그래밍도 이 '기획' 단계가 성공의 80%를 결정합니다.

"막연한 '맛있는 거 만들어줘'라는 주문 대신, '비오는 날 오후, 지친 직장인을 위한 따뜻한 위로의 국물 요리'라고 명확히 정의하세요. 세밀한 묘사가 AI를 움직이는 가장 강력한 연료입니다."
1. 페르소나 설정

이 프로젝트는 어떤 전문가의 목소리를 가져야 하나요? 엄격한 비평가인가요, 아니면 친절한 튜터인가요? 목소리의 톤과 매너를 정하는 것이 첫 단추입니다.

2. 제약 조건 확인

알레르기 성분을 피하듯, AI가 절대 하지 말아야 할 행동이나 꼭 지켜야 할 출력 형식(JSON, Markdown 등)을 명확히 문서화하세요.

02

Chapter 2: 시장 장보기 (The Ingredients)

Objective: 작업의 성격에 따른 최적의 LLM 인프라 구축

메뉴가 정해졌다면 이제 가장 신선한 재료를 공수할 차례입니다. 현재 사용 가능한 수많은 모델 중 **'목적'**에 맞는 것을 골라야 합니다.

A
추론 능력이 중요한 경우

복잡한 수학, 코딩, 논리 퍼즐은 GPT-4o나 Claude 3.5 Sonnet 같은 '대형 프리미엄 모델'이 유리합니다.

B
속도와 비용이 중요한 경우

단순 분류, 문법 교정, 대량의 데이터 전처리는 GPT-4o-mini나 Llama 3 같은 '경량화 모델'이 효율적입니다.

Chef's Pro Tip: 하나의 모델만 고집하지 마세요. 에피타이저(기획)는 빠른 모델로, 메인 요리(본문 작성)는 똑똑한 모델로 처리하는 **'모델의 믹스앤매치'**가 진정한 마스터의 기술입니다.
03

Chapter 3: 주방 준비 (MCP & Skills)

Objective: AI의 지각과 행동을 외부 도구와 연결

셰프가 아무리 뛰어나도 맨손으로 스테이크를 구울 수는 없습니다. **MCP**와 **Skill**은 셰프의 지능을 실제 행동으로 연결해주는 필수 장비입니다.

🛠️ MCP (외부 연결망)

로컬 파일 수정, 실시간 검색, 데이터베이스 접근 등 AI가 '보고 만질 수 있는 영역'을 전 지구로 확장합니다.

Skill (숙련 기술)

"이 도구를 이렇게 써라"는 구체적인 지침입니다. 반복되는 작업(이메일 발송, 코드 테스트 등)의 자동화를 가능하게 합니다.

"도구는 마스터셰프의 생각을 현실로 바꿉니다. MCP를 통해 AI는 단순한 작가를 넘어, 당신의 업무를 물리적으로 돕는 '비서'로 진화합니다."

SYSTEM READY CONNECTING EXTERNAL API
04

Chapter 4: 주방의 협업 (Multi-Agent)

Objective: 복잡한 과업을 위한 분업과 소통 체계 구축

대규모 연회 요리를 혼자서 할 수 없듯이, 복잡한 프로젝트는 여러 AI 에이전트가 각자의 전문성을 발휘하는 **멀티에이전트(Multi-Agent)** 방식이 필수입니다.

1

분해 (Breakdown)

2

실행 (Execute)

3

검증 (Review)

"한 에이전트가 코드를 짜면, 다른 에이전트가 버그를 찾고, 또 다른 에이전트가 성능을 개선합니다. 이 반복적인 루프(Loop)가 인간을 뛰어넘는 품질을 만들어냅니다."

05

Chapter 5: 맛보기와 서빙 (The Finish)

Objective: 데이터 기반 품질 검증 및 피드백 루프

마지막으로 손님에게 요리를 내기 전, **'간'**을 봐야 합니다. AI의 실수를 줄이고 신뢰도를 높이는 **RAG**와 **검증(Harness)** 과정입니다.

📖 RAG (최신 레시피 북)

학습 데이터에 없는 '우리 학교 정보'나 '어제 뉴스'를 AI에게 건네주는 기술입니다. 할루시네이션(거짓 정보)을 원천 차단합니다.

⚖️ Harness (완성도 검사)

"정말 질문에 맞는 답인가?"를 수학적으로, 혹은 다른 AI를 통해 객관적으로 점수 매기는 시스템입니다. 감이 아닌 데이터로 요리하세요.

Master's Final Wisdom

"완벽한 AI 요리는 한 번에 탄생하지 않습니다.
피드백을 통해 끊임없이 다듬는 과정이 당신을 마스터로 만듭니다."

CHAPTERS

이제, 당신만의 레시피를 시작하세요

"오늘 당신은 누구를 위해, 무엇을,
어떤 형식으로 요리하고 싶나요?"

레시피 아카이브 이동

Student Exclusive Access