우리는 00-500 단어 분량의 기사를 작성해야 합니다. 정확히 400-500단어 사이여야 할까요? 실제로는 다음과 같이 명시되어 있습니다: "전문가들을 위해 간결한 400-500 단어 분량의 교육용 Dev.to 기사를 작성하세요." 따라서 길이는 4000단어가 아닌 400-500단어입니다. 사용자가 실수로 "400-500 word"라고 입력했습니다. 또한 앞부분에서 "400-500 word"를 반복했지만, 나중에 "중요: 기사는 반드시 400-500단어 사이여야 합니다. 최종 확정 전 단어 수를 세십시오. 500단어가 넘으면 더 짧게 다시 쓰십시오."라고 언급했습니다. 그러므로 400-500단어가 필요합니다.

제목, 서론, 핵심 내용, 미니 시나리오, 구현 단계, 결론을 포함해야 합니다. # 제목, ## 소제목을 사용하여 마크다운(Markdown)을 사용합니다.

전자책(e-book)의 사실들을 포함해야 합니다: 규칙, 단계, 기술, 그리고 BLOG_2021, DECK_2023, INT_01, INT_02, INT_03, NOTES_A와 같은 특정 항목들입니다. 또한 특정 도구의 이름과 그 목적을 언급해야 합니다: PDFelement (PDF에서 텍스트를 추출하기 위한 용도). 또한 녹취(Transcription)를 위해 Otter.ai와 같은 도구를 언급할 수도 있을까요? 하지만 사실에 기반해야 합니다: "프레젠테이션: 슬라이드를 PDF로 내보낸 다음, PDFelement와 같은 도구를 사용하여 텍스트를 추출하거나 슬라이드 노트를 문서로 복사/붙여넣기 하십시오." 따라서 도구 이름은 PDFelement입니다.

우리는 클라이언트의 노트와 기존 자료를 AI 요약과 통합해야 합니다. 규칙 1을 사용하십시오: 합성(Synthesis) 후에는 항상 음성 확인(Voice check)을 수행하십시오. 규칙 2: 출처 특유의 언어(Source-specific language)를 표시하십시오. 규칙 3: 클라이언트의 인터뷰를 앵커(Anchor, 중심축)로 사용하십시오.

1단계: 모든 출처를 디지털화하고 정규화(Normalize)하십시오. 2단계: 각 출처를 유형과 주제별로 태깅(Tag)하십시오. 3단계: 마스터 출처 인덱스(Master source index)를 생성하십시오.

기술 1: 출처 인식 요약 (Source-aware summarization). 기술 2: 개요 프레임워크를 통한 강제 합성 (Forced synthesis via outline framework). 기술 3: 클라이언트 노트를 사용하여 AI로 공백 채우기.

하나의 핵심 원칙이나 프레임워크를 명확하게 설명해야 합니다. 원칙으로 "출처 인식 요약 (Source-aware summarization)"을 선택하거나, "개요 프레임워크를 통한 강제 합성 (Forced synthesis via outline framework)"을 선택할 수 있습니다. 핵심 원칙으로 "출처 인식 요약 (Source-aware summarization)"을 선택하겠습니다.

미니 시나리오가 필요합니다: 원칙이 실제로 작동하는 모습을 보여주는 2개의 문장입니다.

구현: 3가지 상위 수준의 단계(정확한 프롬프트가 아님)를 제시해야 합니다. 이는 원칙과 일치해야 합니다.

결론: 핵심 요점만 요약할 것 (e-book 홍보, URL, 할인 코드 포함 금지).

톤: 전문적이고, 대화 중심적이며, 도움이 되고, 권위 있는 말투.

단어 수 400-500단어. 약 440단어를 목표로 합니다.

초안을 작성해 봅시다.

제목, ## 서론 (Introduction), ## 핵심 원칙 (Core Principle), ## 미니 시나리오 (Mini-Scenario), ## 구현 (Implementation), ## 결론 (Conclusion) 섹션이 포함된 마크다운 형식이 필요합니다.

플레이스홀더(placeholders)를 사용해서는 안 됩니다. 실행 가능한 콘텐츠를 제공하세요.

약 440단어로 작성합니다.

단어 수를 수동으로 계산합니다.

초안을 작성한 후 계산하겠습니다.

초안:

서론 (Introduction)

고스트라이터(Ghostwriters)는 수 시간 분량의 인터뷰 오디오, 클라이언트 노트, 기존 슬라이드 덱(decks) 등을 동시에 다뤄야 하지만, 이러한 가공되지 않은 자료를 일관성 있는 비소설(non-fiction) 챕터로 만드는 과정은 마치 그림이 없는 퍼즐을 맞추는 것처럼 느껴질 때가 많습니다. AI는 이 과정을 가속화할 수 있지만, 이는 우리가 각 소스(source)를 의도적으로 다루고 클라이언트의 목소리를 중심에 두었을 때만 가능합니다.

핵심 원칙 (Core Principle): 소스 인지형 요약 (Source-Aware Summarization)

소스 인지형 요약(Source-aware summarization)이란 AI에게 각 사실이 어디에서 유래했는지 기억하고, 사용자가 설정한 계층 구조를 존중하는 요약을 생성하도록 요청하는 것을 의미합니다. 먼저, 인터뷰 녹취록(interview transcripts), 슬라이드 덱(slide decks), 수기 노트 등 모든 콘텐츠에 유형(예: INT_01, DECK_2023, NOTES_A)과 주제(경력 전환, 재정적 어려움, 방법론 등)별로 태그를 지정합니다. 그런 다음, 모델에게 클라이언트의 인터뷰를 앵커(anchor, 기준점)로 삼아 가중치를 두도록 지시하고, 다른 소스의 세부 정보는 해당 앵커를 보강하거나 명확하게 할 때만 가져오도록 합니다. 마지막으로, 보이스 체크(voice check)를 수행합니다. AI가 생성한 요약을 소리 내어 읽어보고 클라이언트의 원래 표현과 비교하여, 너무 일반적이거나 빌려온 듯한 느낌이 드는 언어가 있는지 확인합니다.

미니 시나리오 (Mini-Scenario)

상상해 보세요. 당신에게는 INT_01(90분 분량의 퇴사 이야기), DECK_2023(번아웃 통계가 포함된 투자자 슬라이드), 그리고 NOTES_A(퇴사 계기와 모순되는 손으로 쓴 커피 메모)가 있습니다. 태깅(Tagging)을 마친 후, 당신은 AI에게 INT_01을 기준점(Anchor)으로 삼아 “내가 회사를 떠난 이유” 섹션을 요약해 달라고 요청합니다. AI는 INT_01에서 퇴사 날짜와 감정적 세부 사항을 인용하고, DECK_2023의 번아웃 통계를 뒷받침하는 사실로 추가하며, NOTES_A의 불일치 사항을 당신이 검토할 수 있도록 다른 계기 사건을 표시하여 한 단락의 요약을 반환합니다.

구현 (Implementation)

1. 디지털화 및 정규화 (Digitize and normalize) – 모든 오디오를 텍스트로 변환하고(전사 서비스 사용), 슬라이드를 PDF로 내보낸 다음, PDFelement를 사용하여 텍스트를 추출해 깨끗하고 검색 가능한 문서를 만듭니다. 각 문서는 일반 텍스트(Plain-text) 파일로 저장합니다.
2. 태깅 및 인덱싱 (Tag and index) – 각 파일에 일관된 메타데이터 태그(소스 ID, 유형, 주제)를 적용하고, 이를 소스 인덱스 역할을 하는 마스터 스프레드시트나 경량 데이터베이스에 로드합니다.
3. 생성 및 검증 (Generate and verify) – 소스 인지형(Source-aware) 지침 세트로 AI에 프롬프트를 입력하여 요약을 생성한 다음, 원본 인터뷰 오디오와 대조하며 읽어보는 보이스 체크(Voice check)를 수행하여 조정이 필요한 소스 특유의 표현이 있는지 확인합니다.

결론 (Conclusion)

모든 자료를 태깅되고 추적 가능한 소스로 취급하고 AI의 출력을 고객 자신의 인터뷰에 고정함으로써, 효율적이면서도 진정성 있는 요약을 만들 수 있습니다. 디지털화, 태깅, 생성, 보이스 체크로 이어지는 워크플로(Workflow)는 AI가 합성 및 공백 메우기라는 힘든 작업을 처리하도록 맡기면서도, 고스트라이터(Ghostwriter)가 통제권을 유지할 수 있게 해줍니다.

이제 단어 수를 세어봅시다.

수동으로 세어 보겠습니다.

제목 줄: "Automating Interview Transcript Summarization and Chapter Outlines for Ghostwriters" (9단어? 실제 계산: Automating(1) Interview(2) Transcript(3) Summarization(4) and(5) Chapter(6) Outlines(7) for(8) Ghostwriters(9)). 제목 줄을 포함하나요? 보통 기사의 모든 단어를 셉니다. 모든 것을 세겠습니다.

초안을 복사해서 세어 보겠습니다.

초안:

고스트라이터(Ghostwriters)를 위한 인터뷰 녹취록 요약 및 챕터 개요 자동화

서론 (Introduction)

고스트라이터(Ghostwriters)는 수 시간 분량의 인터뷰 오디오, 클라이언트의 노트, 기존 슬라이드 덱(decks) 등을 다루며 고군분투하지만, 이러한 가공되지 않은 자료를 일관성 있는 비소설(non-fiction) 챕터로 만드는 과정은 마치 그림이 없는 퍼즐을 맞추는 것처럼 느껴질 때가 많습니다. AI는 이 과정을 가속화할 수 있지만, 이는 우리가 각 소스(source)를 의도적으로 다루고 클라이언트의 목소리를 중심에 두었을 때만 가능합니다.

핵심 원칙: 소스 인지 요약 (Source-Aware Summarization)

소스 인지 요약(Source-aware summarization)이란 AI에게 각 사실이 어디에서 유래했는지 기억하고 사용자가 설정한 계층 구조를 존중하는 요약을 생성하도록 요청하는 것을 의미합니다. 먼저, 모든 콘텐츠(인터뷰 녹취록, 슬라이드 덱, 수기 노트 등)를 유형(예: INT_01, DECK_2023, NOTES_A)과 주제(커리어 전환, 재정적 압박, 방법론 등)별로 태깅(tagging)합니다. 그런 다음 모델에게 클라이언트의 인터뷰를 앵커(anchor, 기준점)로 삼아 가중치를 두도록 지시하고, 다른 소스의 세부 정보는 해당 앵커를 보강하거나 명확하게 할 때만 가져오도록 합니다. 마지막으로, 보이스 체크(voice check)를 수행합니다. AI가 생성한 요약을 소리 내어 읽어보며 클라이언트의 원래 표현 방식과 비교하고, 너무 일반적이거나 빌려온 듯한 느낌이 드는 언어가 있다면 표시합니다.

미니 시나리오 (Mini-Scenario)

INT_01(90분 분량의 퇴사 이야기), DECK_2023(번아웃 통계가 포함된 투자자용 슬라이드), 그리고 NOTES_A(퇴사 계기와 모순되는 수기 커피 노트)가 있다고 가정해 봅시다. 태깅을 마친 후, AI에게 INT_01을 앵커로 사용하여 "내가 기업을 떠난 이유" 섹션을 요약하도록 요청합니다. 그러면 AI는 INT_01에서 퇴사 날짜와 감정적 세부 사항을 인용하고, DECK_2023에서 번아웃 통계를 보조 사실로 추가하며, NOTES_A의 불일치 사항을 별도의 계기 사건으로 표시하여 사용자가 검토할 수 있도록 하는 단락을 반환합니다.

구현 (Implementation)

1. 디지털화 및 정규화 (Digitize and normalize) – 모든 오디오를 텍스트로 변환하고(전사 서비스 사용), 슬라이드를 PDF로 내보낸 다음, PDFelement를 사용하여 텍스트를 추출하여 깨끗하고 검색 가능한 문서를 만듭니다. 각 문서는 일반 텍스트(plain-text) 파일로 저장합니다.
2. 태그 지정 및 인덱싱 (Tag and index) – 각 파일에 일관된 메타데이터 태그(소스 ID, 유형, 주제)를 적용하고, 이를 소스 인덱스 역할을 하는 마스터 스프레드시트나 경량 데이터베이스에 로드합니다.
3. 생성 및 검증 (Generate and verify) – 소스 인지형(source-aware) 지침 세트로 AI에게 프롬프트를 입력하여 요약본을 생성한 다음, 원본 인터뷰 오디오와 대조하며 읽어보는 음성 체크(voice check)를 수행하여 조정이 필요한 소스 특유의 표현을 표시합니다.

이제 결론입니다:

결론 (Conclusion)

모든 자료를 태그가 지정되고 추적 가능한 소스로 취급하고, AI의 출력을 클라이언트 자신의 인터뷰에 고정함으로써, 효율적이면서도 진정성 있는 요약본을 만들 수 있습니다. 디지털화, 태그 지정, 생성, 음성 체크로 이어지는 워크플로우는 AI가 합성 및 공백 채우기(gap-filling)와 같은 힘든 작업을 처리하도록 하면서도 고스트라이터(Ghostwriter)가 통제권을 유지할 수 있게 합니다.

이제 단어 수를 세어 보겠습니다.

올바른 섹션으로 전체 기사를 다시 작성하겠습니다.

전체 기사:

고스트라이터(Ghostwriters)를 위한 인터뷰 녹취록 요약 및 챕터 개요 자동화

서론 (Introduction)

고스트라이터(Ghostwriters)는 수 시간 분량의 인터뷰 오디오, 클라이언트 노트, 기존 슬라이드 덱(decks)을 다루며 고군분투하지만, 이러한 가공되지 않은 재료를 일관성 있는 비소설(non-fiction) 챕터로 만드는 과정은 마치 그림이 없는 퍼즐을 맞추는 것처럼 느껴질 때가 많습니다. AI는 이 과정을 가속화할 수 있지만, 이는 우리가 각 소스(source)를 의도적으로 다루고 클라이언트의 목소리를 최우선으로 유지할 때만 가능합니다.

핵심 원칙: 소스 인식 요약 (Source-Aware Summarization)

소스 인식 요약(Source-aware summarization)이란 AI에게 각 사실이 어디에서 유래했는지 기억하고 사용자가 설정한 계층 구조를 존중하는 요약을 생성하도록 요청하는 것을 의미합니다. 먼저, 인터뷰 녹취록(interview transcripts), 슬라이드 덱(slide decks), 수기 노트(handwritten notes) 등 모든 콘텐츠에 유형(예: INT_01, DECK_2023, NOTES_A)과 주제(커리어 전환, 재정적 압박, 방법론 등)별로 태그를 지정합니다. 그런 다음, 모델에게 클라이언트의 인터뷰를 앵커(anchor, 중심축)로 삼아 가중치를 두도록 지시하고, 다른 소스에서는 해당 앵커를 보강하거나 명확하게 해주는 경우에만 보조적인 세부 정보를 가져오도록 합니다. 마지막으로, 보이스 체크(voice check)를 수행합니다. AI가 생성한 요약을 소리 내어 읽어보며 클라이언트의 원래 표현 방식과 비교하고, 너무 일반적이거나 빌려온 듯한 느낌이 드는 언어가 있다면 표시합니다.

미니 시나리오 (Mini-Scenario)

INT_01(90분 분량의 퇴사 이야기), DECK_2023(번아웃 통계가 포함된 투자자 슬라이드), 그리고 NOTES_A(퇴사 계기와 모순되는 커피숍 수기 노트)가 있다고 가정해 봅시다. 태깅을 마친 후, AI에게 INT_01을 앵커로 사용하여 "내가 기업을 떠난 이유" 섹션을 요약하도록 요청합니다. AI는 INT_01에서 퇴사 날짜와 감정적 세부 사항을 인용하고, DECK_2