⚡ Prompt · parksy-logs · 전문가말투 Prompt Engine Collection
PARKSY WORLD · Level-2 Project Instruction Engine

PARKSY WORLD · Level-2 Project Instruction Engine 저작권 없는 잡지 · 돈은 YouTube 퍼포먼스

레벨1에서 LLM별 기본 인스트럭션을 이미 맞춰두었다고 가정하고, 여기서는 프로젝트(잡지/채널)별로 각 LLM에게 줄 "설정 프롬프트"를 자동 생성한다.

v1.1 · Single HTML Tistory / GitHub Pages에 그대로 붙여쓰기 Project-level Prompt Generator

프로젝트 설정 공리 + 직업 + 베이스라인 → 변수화

여기서 프로젝트(잡지/채널)를 정의하면, 우측에 LLM별 프로젝트 인스트럭션 생성용 프롬프트가 만들어진다.

예: KR Merit Magazine, Tablet Lab, Night Light Radio 등
예: kr-merit-mag, tablet-lab, night-light-radio
대략적인 포맷/장르
예: 출판사 사장, 유튜버, 컨설턴트, 감독, 선생님 등
프로젝트에 주로 등장하는 박씨 페르소나들
누가 이 잡지/채널을 봐야 하는지
예: 광고, 슈퍼챗, 강의, 컨설팅, 굿즈 등
예: 60분 루틴, 주 2회, 시즌 5회차 등
필요한 공리만 켜서, LLM이 프로젝트 철학을 오해하지 않게 만든다.
저작권 없는 잡지
돈은 YouTube 퍼포먼스
직업 파괴 · 제너럴리스트
AI 편집 태도 (모두를 샘플로)
실제로 사용할 LLM 범위
각 LLM에게 요청할 설명 언어
Generated Project Prompts (LLM별 설정용) 대기 중…

Level-2 Project Instruction Engine · 백서 요약 레벨1 인스트럭션 엔진과의 연결 · 설계 철학

이 블록은 코드가 아니라, 박씨와의 대화에서 정리된 레벨2 설계 철학을 보존하기 위한 "페이지 내 백서"이다. 아래 아코디언을 열면서, 개념 구조를 시각적으로 훑을 수 있다.

0. 정의: 레벨2 엔진이 하는 일 ▶

레벨2 엔진은 이미 레벨1에서 LLM별 기본 인스트럭션(역할·톤·6축 벡터)을 맞춰 둔 상태에서, 그 위에 얹히는 프로젝트 단위(= 잡지/채널 단위)의 규칙과 응답 구조를 설계하기 위한 프롬프트 생성기다.

즉, 레벨2는 인스트럭션 자체를 직접 쓰는 것이 아니라, "각 LLM이 자기 프로젝트 인스트럭션을 설계하게 만드는 메타 프롬프트"를 생성한다.

1. 공리 세트: 저작권 없는 잡지 · 돈은 YouTube 퍼포먼스 ▶
  • 공리 A – 저작권 없는 잡지: AI 시대에는 모든 콘텐츠가 샘플/편집 대상이고, 핵심 가치는 퍼포먼스와 조합 능력에 있다.
  • 공리 B – 돈은 YouTube 퍼포먼스: 실질 수익의 엔드 포인트를 유튜브(영상·라이브·스트리밍)로 고정한다.
  • 공리 C – AI 편집 태도: 세상 모든 것을 바텀업으로 다시 편집/요약/리믹스 해서 나만의 버전으로 만든다는 태도를 전제한다.
  • 공리 D – 직업 파괴 · 제너럴리스트: 기존 직업 구분을 깨고, 한 사람이 여러 역할(기능인·철학자·화가·뮤지션 등)을 순환하는 구조를 지향한다.
2. 변수 체계: 프로젝트를 정의하는 입력값들 ▶

왼쪽 설정 패널의 모든 입력값은 프로젝트를 정의하는 변수다.

  • 프로젝트/잡지 이름 · 슬러그 → 브랜드·URL·채널 ID
  • 프로젝트 타입 → 블로그/매거진, 튜토리얼, 팟캐스트, 뮤직, 정치, 스포츠 등
  • 당신의 역할(직업 페르소나) → 출판사 사장, 유튜버, 컨설턴트, 감독 등
  • 페르소나 조합 → 블로거 박씨 / 기능인 박씨 / 철학자 박씨 / 화가 박씨 / 뮤지션 박씨
  • 타깃 독자/시청자 → 고딩 이상, AI 유료 사용자, 중년 엘리트 등
  • 수익화 계획 → 광고, 슈퍼챗, 강의, 컨설팅, 굿즈 등
  • 생산 사이클 → 60분 루틴, 시즌 5회차 구조, 주 2회 등
  • 베이스라인 샘플 → 참고 잡지/채널, 정서, 레퍼런스
  • 공리(Axiom) 칩 → 위 철학을 온/오프하는 스위치
  • LLM 세트 / 언어 모드 → 어떤 모델들이 어떤 언어로 설명을 들을지
3. 출력물 정체: 뭐가 생성되는가? ▶

[⚡ 프로젝트 프롬프트 생성] 버튼을 누르면, 우측 textarea에는 각 LLM에게 붙여넣을 한글 프롬프트 묶음이 생성된다.

이 프롬프트들은 다음을 요구한다:

  • 해당 LLM이 맡을 포지션(브레인/CTO/마케팅/알바)
  • 프로젝트 철학(공리 세트), 타깃, 수익 구조, 생산 사이클
  • 해당 정보를 반영한 "프로젝트 전용 인스트럭션 초안" 작성

사용자는 LLM이 작성한 인스트럭션을 검토·수정한 뒤, 각 플랫폼의 System/Custom Instruction 영역에 등록한다.

4. 레벨1과의 연결: 사람 설정 vs 프로젝트 설정 ▶
  • 레벨1: Multi-LLM Instruction Engine v1.1 → LLM별 기본 프로필(D/E/S/V/C/P, 역할, 톤, 범위)을 정의한다.
  • 레벨2: Project Instruction Engine → 특정 프로젝트(잡지/채널) 단위에서, 각 LLM이 따라야 할 추가 규칙·우선순위·응답 템플릿을 설계하게 만든다.

비유하자면, 레벨1이 "사람(LLM)의 성격·역할 설정"이라면, 레벨2는 "그 사람이 특정 잡지를 맡았을 때의 근무 매뉴얼"에 가깝다.

5. 사용 워크플로: 6단계 루틴 ▶
  1. 레벨1 페이지에서 각 LLM의 기본 인스트럭션을 세팅한다.
  2. 이 레벨2 페이지에서 프로젝트/잡지 설정을 입력한다.
  3. [⚡ 프로젝트 프롬프트 생성]을 눌러, 우측에 생성된 묶음을 복사한다.
  4. ChatGPT / Claude / Grok / Gemini 각각 새 대화에 붙여넣고 실행한다.
  5. 각 LLM이 설계해 준 "프로젝트 전용 인스트럭션"을 해당 플랫폼의 System/Custom Instruction에 등록한다.
  6. 이후 그 프로젝트와 관련된 대화는, 해당 LLM + 해당 인스트럭션 조합으로 진행한다.
6. 확장 아이디어: 데이터셋 · 메타 엔진 ▶
  • 같은 구조를 그대로 복제해서, 여러 프로젝트(= 여러 잡지/채널)를 병렬로 운영할 수 있다.
  • 입력값을 JSON으로 내보내 dtslib/GitHub에 쌓아두면 "프로젝트 데이터셋"이 된다.
  • 나중에 이 데이터셋을 다시 LLM에게 먹이면, "내가 지금까지 만든 모든 프로젝트의 패턴"을 역으로 분석하는 메타 엔진으로 활용 가능하다.
← Prompt Engines · parksy-logs · GitHub