제로부터 구축하는 완전 자동 AI 작품 생산 엔진: 한 특수 전형 준비생의 30일 실험

글 한 줄 직접 쓰지 않고, 영상 한 편 직접 편집하지 않고, 매일 새벽 2시, AI가 모든 생산을 자동으로 완료하여 5대 플랫폼에 게시합니다.

배경

저는 커더웨이(柯德瑋)이며, 현재 청화대(NTHU) 拾穗 / 교통대(NYCU) 百川 특수 전형을 통해 대학 입시를 준비하고 있습니다. 이 과정에서 저는 극한의 실험을 하기로 결정했습니다: 모든 작품 생산을 완전히 AI 자동화에 맡기는 것입니다.

한 달 후, 이 시스템은 자동으로 다음을 생산했습니다:

• 30편의 기술 블로그 포스트
• 30부의 비즈니스 분석 보고서
• 30편의 영어 에세이 (Essay, 중국어 요약 포함)
• 30부의 수리 연구 보고서 (LaTeX 유도 포함)
• 30부의 CTF 문제 풀이 Writeup
• 30개의 YouTube 교육 영상 (썸네일 포함)
• 9개의 GitHub 오픈 소스 프로젝트 README
• 1개의 자동 업데이트되는 개인 웹사이트

시스템 아키텍처

새벽 2:00 (cron)
    │
    ├── CTF 문제 풀이 엔진 (ctf_solver.py)
...

핵심 기술

구성 요소	기술 선정
LLM 엔진	SiliconFlow API (DeepSeek-V4-Flash)
...

배운 점

1. 프롬프트 엔지니어링 (Prompt Engineering) 이 핵심이다

동일한 모델이라도 프롬프트 (Prompt) 품질에 따라 결과물이 쓰레기가 될지, 투고할 만한 수준이 될지가 결정됩니다. 저는 각 모듈마다 최소 5~10회의 반복적인 프롬프트 개선 과정을 거쳤습니다.

2. API 비용이 매우 낮다

SiliconFlow의 DeepSeek-V4-Flash는 100만 토큰(token)당 대만 달러 5원 미만입니다. 한 달 총 비용은 약 대만 달러 200원이었으며, 150개 이상의 작품을 생산했습니다.

3. 배포가 진짜 지옥이다

GitHub Pages CDN 캐시, HackMD API 속도 제한, FFmpeg 경로 문제, Python 의존성 지옥(dependency hell) — 자동화 시간의 80%는 시스템이 "자동으로 돌아가게" 만드는 데 소비되었습니다.

4. 품질 vs 수량

완전 자동 생산된 품질은 직접 작성한 것보다 못하지만, "매일 무언가를 생산한다"는 사실 자체의 가치는 "가끔 완벽한 글 한 편을 쓰는 것"보다 큽니다. 지속적인 출력(output)이 구축하는 신호의 강도는 단발적인 폭발보다 훨씬 강력합니다.

다음 단계

• LinkedIn / Medium / Substack 연동
• SEO 자동 최적화 추가
• 독자 상호작용 루프 구축 (댓글 자동 답장?)
• 엔진 전체 오픈 소스화

본문은 Davin Portfolio Engine에 의해 자동 생성되었으며, 수동 검토를 거쳐 게시되었습니다.

GitHub: TeWei02/Davin-daily-briefs