자기 주도 학습 (Self-learning)은 그 어느 때보다 쉬워졌지만, 꾸준함을 유지하는 것은 여전히 가장 큰 과제 중 하나입니다. 우리는 수많은 튜토리얼, 강의, 문서, 그리고 영상에 접근할 수 있지만, 다음에 무엇을 배울지 결정하는 것 자체가 하나의 과업이 되곤 합니다. 주제를 선택한 후에도 학습 자료를 준비하고, 연습 문제를 찾고, 복습 질문을 만드는 과정은 실제 학습이 시작되기도 전에 귀중한 시간을 소모하게 만듭니다.

저는 학습자가 애플리케이션을 열기도 전에 개인화된 일일 학습 콘텐츠를 준비하는 자율 학습 동반자인 ByteMentor AI를 구축함으로써 이 문제를 해결하고자 했습니다.

사용자의 입력을 기다리는 또 다른 AI 챗봇 (chatbot)으로 기능하는 대신, ByteMentor는 정해진 일정에 따라 구조화된 학습 세션을 선제적으로 생성합니다. 매일 학습자의 로드맵 (roadmap)을 분석하여 다음 주제를 결정하고, 실용적인 예제, 코딩 연습, 퀴즈, 복습 자료가 포함된 완전한 레슨을 생성한 다음, 학습자가 돌아왔을 때 즉시 사용할 수 있도록 모든 것을 저장합니다.

목표는 명확했습니다:

학습자가 무엇을 배울지 계획하는 대신, 학습 자체에 집중할 수 있도록 하는 것.

아이디어

학습 로드맵 (Learning roadmaps)은 점점 더 인기를 얻고 있지만, 대개 주제를 순서대로 나열하는 데 그칩니다. 학습자는 여전히 각 개념을 조사하고, 양질의 리소스를 찾으며, 매일 무엇을 공부할지 결정해야 하는 책임을 집니다.

저는 로드맵을 더 지능적인 무언가로 확장하고 싶었습니다.

ByteMentor는 단순히 주제 목록을 보여주는 대신, 해당 로드맵 (roadmap)을 지속적으로 일일 학습 세션으로 변환합니다. 로드맵이 생성되면 애플리케이션은 다음에 무엇이 와야 하는지 정확히 파악하고 모든 것을 자동으로 준비합니다.

생성된 각 레슨 (lesson)에는 다음 내용이 포함됩니다:

• 주제에 대한 상세한 설명
• 실용적인 코딩 예제
• 직접 해보는 프로그래밍 연습 문제
• 객관식 퀴즈 질문
• 학습 요약
• 생산성 팁

학습자가 애플리케이션을 열면, 오늘의 레슨이 이미 준비되어 있습니다.

시스템 아키텍처 (System Architecture)

                GitHub
                   │
                   ▼
...

각 AWS 서비스는 워크플로 (workflow)의 단일 부분을 담당하며, 그 결과 확장 가능하고 이벤트 기반인 아키텍처 (event-driven architecture)를 형성합니다.

프론트엔드 (Frontend)

프론트엔드는 다음을 사용하여 구축되었습니다:

• React
• TypeScript
• Vite
• Tailwind CSS

인터페이스를 통해 학습자는 다음을 수행할 수 있습니다:

• 개인화된 학습 로드맵 생성
• 오늘의 레슨 보기
• 이전 레슨 찾아보기
• 학습 이력 추적

애플리케이션은 GitHub에서 프론트엔드를 직접 자동으로 빌드하고 배포하는 AWS Amplify를 사용하여 배포됩니다.

백엔드 (Backend)

백엔드는 Node.js와 AWS Lambda를 사용하여 구축되었습니다.

Amazon API Gateway는 비즈니스 로직 (business logic)을 처리하는 Lambda 함수와 통신하는 REST 엔드포인트 (endpoints)를 노출합니다.

백엔드는 다음을 담당합니다:

• 학습 로드맵 읽기
• 다음 레슨 결정
• AI 콘텐츠 생성
• 생성된 레슨 저장
• 이전 학습 세션 검색

모든 것이 Lambda 내부에서 실행되기 때문에 관리할 서버가 없으며, 이를 통해 애플리케이션을 가볍고 비용 효율적으로 유지할 수 있습니다.

AI 콘텐츠 생성 (AI Content Generation)

ByteMentor는 대규모 언어 모델 (LLM)과 통합되어 구조화된 교육 콘텐츠를 생성합니다.

단순한 텍스트 응답을 요청하는 대신, 애플리케이션은 모델이 구조화된 JSON을 반환하도록 프롬프트 (Prompt)를 구성합니다. 이를 통해 인터페이스 전반에 걸쳐 일관되게 레슨을 렌더링 (Render)할 수 있습니다.

각 레슨은 다음을 포함합니다:

• 주제 개요 (Topic overview)
• 단계별 설명 (Step-by-step explanation)
• 코드 스니펫 (Code snippets)
• 실습 과제 (Practical exercise)
• 퀴즈 문제 (Quiz questions)
• 핵심 요약 (Key takeaways)

이러한 접근 방식은 단순히 AI가 생성한 문단을 보여주는 것보다 훨씬 더 풍부한 학습 경험을 제공합니다.

영구 저장소 (Persistent Storage)

Amazon DynamoDB는 생성된 모든 학습 콘텐츠를 저장합니다.

저장 항목에는 다음이 포함됩니다:

• 학습 로드맵 (Learning roadmaps)
• 일일 레슨 (Daily lessons)
• 학습 이력 (Learning history)
• 생성된 퀴즈 (Generated quizzes)
• 코딩 연습 (Coding exercises)

레슨은 생성된 후 저장되므로, 학습자는 AI 모델이 다시 생성할 필요 없이 이전 세션을 다시 방문할 수 있습니다.

에이전트 자율화 (Making the Agent Autonomous)

ByteMentor의 결정적인 특징은 반응형 (Reactive)이 아닌 선제적 (Proactive)으로 작동한다는 점입니다.

사용자가 레슨을 요청하기를 기다리는 대신, Amazon EventBridge Scheduler가 매일 아침 자동으로 Lambda 함수를 호출합니다.

예약된 워크플로 (Workflow)는 다음과 같습니다:

EventBridge Scheduler
        │
        ▼
...

이는 학습자가 어떠한 수동 작업도 시작하지 않고도 매일 새로운 학습 콘텐츠로 맞이하게 된다는 것을 의미합니다.

사용된 AWS 서비스 (AWS Services Used)

이 프로젝트는 여러 AWS 서비스를 하나의 서버리스 (Serverless) 워크플로로 결합합니다.

• AWS Amplify
• Amazon API Gateway
• AWS Lambda
• Amazon EventBridge Scheduler
• Amazon DynamoDB
• Amazon CloudWatch
• AWS IAM
• AWS SAM

각 서비스는 집중된 책임을 수행하며, 이를 통해 시스템을 유지 관리하고 확장하기 쉽게 만듭니다.

개발 프로세스 (Development Process)

이 프로젝트는 단순히 AI 생성에만 집중하기보다 깔끔한 학습 워크플로우 (learning workflow)를 설계하는 것에서 시작되었습니다.

로드맵 (roadmap)은 향후 레슨을 결정하는 핵심적인 단일 진실 공급원 (source of truth)이 되었습니다. 해당 워크플로우가 확립된 후, 백엔드 (backend)는 독립적으로 레슨을 생성하고 저장할 수 있는 AWS Lambda 함수를 중심으로 설계되었습니다.

그 후 프론트엔드 (frontend)는 생성된 레슨을 소비하도록 구축되었으며, 이를 통해 사용자는 콘텐츠가 어떻게 또는 언제 생성되었는지 걱정할 필요 없이 내용을 볼 수 있게 되었습니다.

마지막으로, EventBridge Scheduler는 레슨 생성을 예약된 백그라운드 프로세스 (background process)로 이동시킴으로써, 애플리케이션을 온디맨드 (on-demand) AI 도구에서 자율적인 학습 에이전트 (autonomous learning agent)로 변모시켰습니다.

배운 점 (What I Learned)

ByteMentor를 구축하면서 여러 AWS 서비스와 아키텍처 패턴 (architectural patterns)에 걸쳐 귀중한 경험을 쌓을 수 있었습니다.

주요 학습 내용은 다음과 같습니다:

• 이벤트 기반 서버리스 애플리케이션 (event-driven serverless applications) 설계
• AWS SAM을 사용한 프로덕션 배포 (production deployments) 구축
• 백그라운드 자동화를 위한 Amazon EventBridge Scheduler 사용
• API Gateway와 AWS Lambda 연결
• DynamoDB 데이터 모델 (data models) 설계
• 일관되게 기계 판독 가능한 응답을 반환하는 구조화된 AI 프롬프트 (structured AI prompts) 구축
• 유지보수를 용이하게 하기 위한 프론트엔드와 백엔드의 책임 분리

더 중요한 것은, AI가 사용자의 요청을 기다리는 대신 선제적으로 작업을 수행할 때 훨씬 더 유용해진다는 아이디어를 이 프로젝트를 통해 확신할 수 있었다는 점입니다.

향후 개선 사항 (Future Improvements)

향후 반복 개발 단계에서 추가할 계획인 몇 가지 기능들이 있습니다:

• Amazon Cognito 인증 (authentication)
• 진도 추적 및 학습 분석 (learning analytics)
• 성취 배지 및 학습 스트릭 (learning streaks)
• PDF 레슨 내보내기
• 음성 내레이션 (voice narration)
• AI 생성 다이어그램 (AI-generated diagrams)
• 장기 기억을 위한 간격 반복 (spaced repetition)
• 다중 사용자 지원 (multi-user support)

이러한 기능들은 플랫폼의 자율적인 특성을 유지하면서 개인화된 학습 경험을 더욱 향상시킬 것입니다.

결론 (Conclusion)

ByteMentor AI는 AWS 서버리스 (Serverless) 서비스들을 결합하여 백그라운드에서 지속적으로 작동하는 자율 학습 시스템을 구축할 수 있음을 보여줍니다.

AWS Lambda, EventBridge Scheduler, DynamoDB, API Gateway, 그리고 Amplify를 활용함으로써, 이 애플리케이션은 사용자의 개입 없이도 개인화된 학습 세션을 생성합니다. 학습자는 매일 무엇을 공부할지 고민하는 대신, 단순히 애플리케이션을 열고 즉시 학습을 시작할 수 있습니다.

이 프로젝트를 구축하는 것은 실제 생산성 문제를 해결하는 실용적인 솔루션을 만드는 동시에, 이벤트 기반 아키텍처 (Event-driven architectures), 서버리스 개발 (Serverless development), 그리고 AI 기반 자동화 (AI-powered automation)를 탐구할 수 있는 훌륭한 기회였습니다.

라이브 데모 (Live Demo)

https://main.d2qeklo0lut2is.amplifyapp.com/

GitHub 저장소 (GitHub Repository)

https://github.com/ABDULLAH408/ByteMentor_AI