Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
Gemini 2.5 Flash 무료 티어를 활용하여 콘텐츠 생성, 영업 리드 발굴, 보안 스캐닝 등을 수행하는 4개의 AI 에이전트 시스템 구축 사례를 소개합니다. 토큰 최적화와 효율적인 아키텍처 설계를 통해 월간 LLM 비용을 0달러로 유지하며 1인 기업 운영을 자동화했습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 HN Show HN (AI)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기저는 대만의 1인 개발자입니다. 저는 제 기술 에이전시의 콘텐츠, 영업 리드 (sales leads), 보안 스캐닝 및 운영 (ops)을 처리하는 4개의 AI 에이전트를 구축했습니다. 이 모든 것은 Gemini 2.5 Flash 무료 티어(일일 1,500회 요청)를 통해 이루어집니다. 저는 약 105회의 요청을 사용합니다. 월간 LLM 비용은 $0입니다.
아키텍처: OpenClaw(오픈 소스) 기반의 4개 에이전트가 집에서 WSL2 상에서 25개의 systemd 타이머와 함께 실행됩니다.
매일 수행하는 작업:
토큰 최적화 트릭: 에이전트는 긴 대화를 나누지 않습니다. 모든 요청은 (1) 미리 계산된 정보 파일 읽기 (로컬 마크다운, 0 토큰), (2) 모든 문맥이 주입된 하나의 집중된 프롬프트 (prompt), (3) 하나의 응답 → 파싱 (parse) → 실행 → 완료 순으로 진행됩니다. 리서치 파이프라인(RSS, HN, 웹 스크래핑)은 LLM 토큰을 전혀 사용하지 않습니다. 이는 순수하게 HTTP + Jina Reader를 사용합니다. LLM은 창의적/분석적 작업에만 관여합니다.
실제 수치:
잘못되었던 점:
해당 사이트(https://ultralab.tw)는 21개의 블로그 포스트를 포함하여 완전한 이중 언어(zh-TW/en)로 구성되어 있으며, 맞습니다 — 국제화 (i18n), 블로그 발행, 그리고 Discord 알림 모두 자동화된 파이프라인 (pipeline)의 일부입니다.
라이브 에이전트 대시보드: https://ultralab.tw/agent
스택 (Stack): OpenClaw, Gemini 2.5 Flash (무료), WSL2/systemd, React/TypeScript/Vite, Vercel, Firebase, Telegram Bot, Resend, Jina Reader.
GitHub (플레이북): https://github.com/UltraLabTW/free-tier-agent-fleet
아키텍처 (architecture), 토큰 예산 편성 (token budgeting), 또는 1인 기업으로서 AI 에이전트를 24시간 내내 운영하는 것이 실제로 어떤 느낌인지에 대한 질문이 있다면 기꺼이 답변해 드리겠습니다.