– 7 스테이션 워크센터 구조 –
나는 AI 기능인이다.
키보드 대신 말을 쓰고(STT), GitHub·에이전트·멀티 노드 인프라·데이터 파이프라인·모델/배포 레이어를 지나, 마지막에는 웹·영상·장난감 같은 실제 물건으로 굳히는 7단계 파이프라인을 운영한다.
이 백서는 그 7개 워크센터(Station)를 기준으로 내가 어디까지 와 있는지, 어떤 CS/IT 영역을 커버하는 AI 기능인인지 정의한다.
말로 시작 → 로그 캡처 → GitHub 허브 → 에이전트/MCP → 멀티 노드 인프라 → 모델/웹/영상 출력 → 장난감/IoT 물성화
7개 스테이션이 내가 움직이는 모든 작업의 기본 리듬이다.
폰·태블릿에서 모든 입력을 거의 말로 처리한다. 키보드는 예외 상황용이고, 기본 인터페이스는 STT다. 이 단계에서 아이디어 덤프, 작업 지시, 코드 설명, 회고, 설계 메모 등 모든 생각을 음성으로 쏟아낸다. CS/IT 관점: HCI/UX, 입력 시스템, 프롬프트·문제 정의 역량 축을 담당한다.
LLM(Claude, GPT 등)과의 대화를 핵심 로데이터로 본다. 안드로이드 브라우저에서 전체 복사/캡처가 막혀 있는 걸 우회하기 위해 직접 만든 APK 공유 앱으로 웹에서 "공유" → 로컬 Download 폴더에 저장 → Download 폴더와 GitHub 로그 레포를 싱크한다. 결과: 모든 대화·작업 로그가 GitHub 로그 레포지토리로 빨려 들어간다. CS/IT 관점: 데이터 수집, 포맷 통제, 개인용 ETL 초입이다.
GitHub는 나에게 코드 저장소를 넘어선 중앙역이다. 코드 레포, 로그 레포, MCP 레포, 웹페이지 빌더·제너레이터 레포, 출판용/문서 레포를 운영한다. 설계 포인트: 레포/디렉터리/파일 이름을 에이전트·모델이 읽기 좋은 구조로 설계하고, 28개 레포를 마이크로서비스처럼 운영한다. CS/IT 관점: 소프트웨어 공학(버전 관리, 모듈화, 코드/문서 구조), DevOps/플랫폼(개인용 CI·출판 시스템), 정보 관리(머신 친화적 아카이빙)를 커버한다.
Claude Code, Deepseek Aider, MCP들이 모여 있다. Termux 위젯에서 Ph Claude.sh, Ph Aider.sh 등으로 세션을 분리해 에이전트별 컨텍스트를 독립 유지한다. MCP는 여러 Space(역할/입출력 스키마)로 쪼개서 설계하고, parksy-webpage 등 실제 서비스로 돌린 경험이 있다. 같은 질문을 여러 LLM에 던지고 답을 비교·약분·교차검증한다 → 개인용 self-consistency/committee-of-models. CS/IT 관점: AI Engineering, 에이전트 시스템, 멀티 에이전트 아키텍처, 문제 정의·프롬프트·결과 검증 역량, 엔터프라이즈 온톨로지+지식그래프+LLM을 개인 버전으로 치환한 의사결정 엔진.
로컬 PC + 외장 디스크 위의 Windows+WSL, 폰(안드로이드 + Termux + 티루트 우분투), 태블릿, ADB로 연결된 기타 디바이스로 구성된다. Termux 위젯 5개 스크립트(Ph Claude.sh, Ph Aider.sh, Ph Local.sh, PC RustDesk.sh, PC Shell.sh)로 운영한다. Windows+WSL을 외장 디스크에 올리고 BIOS 자동부팅으로 PC를 24시간 서버처럼 돌린다. 폰·태블릿·PC가 서로 복구용 백업 노드 역할을 한다. CS/IT 관점: 운영체제, 네트워크, 원격 접속, DevOps/AIOps 스타일 인프라.
AI를 "호출만 하는 것"으로 끝내지 않고 내 모델·내 앱·내 웹·내 영상을 찍어내는 층이다. RunPod(GPU 워크스테이션), Hugging Face(모델·앱 레지스트리), Railway(웹·API 배포)로 구성한다. GitHub 레포와 Station B·C에서 나온 코드/데이터를 받아 웹페이지 빌더가 페이지를 생성하고, 그걸 다시 영상 스크립트로 쓰는 파이프라인을 운영한다. CS/IT 관점: MLOps(학습→저장→배포), 웹 개발·호스팅, 콘텐츠 파이프라인.
안전·저전압·저가 장난감/교보재 영역에서만 작업한다. ESP32나 유사 보드를 이용해 싸구려 장난감·모터·LED·센서를 커스터마이즈하고, 필요하면 Wi-Fi/BLE로 폰/클라우드와 연결하는 스마트 토이를 만든다. 이 출구에서 위 단계에서 정리된 로직·데이터·모델이 실제 손에 잡히는 물건으로 굳는다. "AI 기능인 라이프"가 물리 세계까지 확장된다.
전통 CS의 전체(알고리즘 이론, 컴퓨터 구조 설계, 커널·보안 심층 등)를 100이라 하면: - 정통 이론·저수준 영역 커버리지: 30–40% (일부러 깊게 안 간 영역은 의도적 OUT) - AI 중심 실전 CS/IT 커버리지: 70–80% (OS·네트워크·웹·데이터·AI Engineering·DevOps·MLOps·IoT 초입까지 "실제로 돌아가는 걸 만드는 데 필요한 부분")
AI 활용 역량 5축(문제 정의, 도구 활용, 시스템 설계, 결과 검증, 윤리/보안) 기준으로 각각 상위 10% 근처에 동시에 걸쳐 있는 희소한 조합의 AI 기능인 포지션.
docs/AI-functioner-whitepaper-v1.md로 저장해 MCP나 에이전트가 "나에 대한 온톨로지/역할 정의"를 읽을 수 있는 베이스로 쓴다.