00:00:00Claude code에 NotebookLM을 더한 것이 놀랍고, Claude code와 Obsidian의 조합이
00:00:04공짜나 다름없는 가치를 제공하며, Claude code와 새로운 Skill Creator의 결합이 진심으로 게임
00:00:09체인저라면, 이 모든 도구들을 실용적이면서도 설정하기 간단한
00:00:13워크플로우로 결합했을 때 어떤 일이 벌어질까요? 오늘 바로 시작할 수 있고 30분 이내에
00:00:19완료할 수 있습니다. 오늘 영상에서 바로 그 결과를 확인해 보려고 합니다.
00:00:23Claude code 내에서 가장 강력한 워크플로우 중 하나를 만드는 방법을 단계별로 보여드리겠습니다.
00:00:28이 워크플로우는 Claude code를 완벽한 리서치 괴물로 만들어 줍니다.
00:00:33그리고 이번 영상은 지난 몇 개의 영상에서 다뤘던 모든 내용의 집대성이라고 할 수 있습니다.
00:00:37Claude code와 NotebookLM, Claude code와 Obsidian, 그리고 Claude code와
00:00:40새로운 Skill Creator에 대해 다뤄왔기 때문이죠.
00:00:43하지만 여기서는 그 모든 교훈을 취합하여 실질적인 가치를 지닌
00:00:47무언가로 합성해 낼 것입니다. 여기서 중요한 점은 제 정확한
00:00:52사용 사례가 아닙니다. 이건 개인적인 Chase AI의 사용 사례일 뿐이죠.
00:00:57제가 콘텐츠 리서치를 어떻게 하는지에 대한 것이지만, 여러분은 콘텐츠 크리에이터가 아닐 수도 있고 본업이 따로 있을 겁니다.
00:01:01그래서 이번 강의 전체에서 여러분이 집중해 주셨으면 하는 부분은
00:01:05제가 유튜브 검색을 어떻게 하는지에 대한 세세한 세부 사항이 아닙니다.
00:01:10여러분은 유튜브 검색을 본인의 사용 사례와 필요한 정보 소스에 맞춰
00:01:14어떻게 바꿀 수 있을지에 집중해야 합니다. 그게 PDF든, 기사든, 텍스트든 상관없습니다.
00:01:18어떻게 이 템플릿을 여러분의 삶에 적용할 수 있을까요? 거기에 가치가 있습니다.
00:01:22그 부분에 집중해 주시길 바랍니다. 또한 이것은 매우 유연한 워크플로우라
00:01:26여러분의 요구에 맞춰 조정될 수 있습니다. 우리는 그런 점을 좋아하죠.
00:01:32그렇다면 이 워크플로우가 도대체 무엇을 하게 될까요? 앞서 말씀드렸듯이,
00:01:36이것은 강화된 리서치입니다. 우리는 Claude code 내부에서
00:01:40유튜브를 통해 리서치를 할 것입니다. 이 경우 제 데이터 소스는
00:01:45유튜브 영상이 될 것입니다. 이를 위해 특정 기술(Skill)을 사용할 것입니다. 거기서부터,
00:01:50해당 유튜브 데이터를 Claude code를 통해 NotebookLM으로 보낼 것입니다.
00:01:55NotebookLM은 우리를 위해 그 영상들을 분석해 줄 것입니다. 또한 NotebookLM은
00:02:00팟캐스트, 영상, 인포그래픽, 슬라이드 데크 등 우리가 원하는 결과물을 제공할 것입니다.
00:02:04그리고 그 모든 것을 다시 Claude code 내부로 전달해 줍니다. 이 모든 것은
00:02:09기술(Skills)을 통해 실행됩니다. 더 나아가, 우리는 이 모든
00:02:15하위 기술들을 모아 본질적으로 하나의 슈퍼 기술로 통합할 것입니다.
00:02:22Skill Creator를 사용해서 말이죠. 여기서 Skill Creator와
00:02:26NotebookLM 관련 기능이 활약하게 됩니다. Obsidian은 어떨까요?
00:02:31이 자체로도 좋지만, 우리는 이것을 더 강력하게 만들고 싶습니다. 저는 아마도
00:02:35이 워크플로우를 한 번만 실행하지는 않을 것입니다. 이때 Obsidian이 등장합니다.
00:02:40우리가 분석하는 모든 데이터, 그리고 개별 데이터보다 더 중요한 것은 데이터를 공략하는 방식,
00:02:46분석이 어떻게 되길 원하는지, 결과물이 어떤 모습이길 바라는지, 우리의 사고방식 등입니다.
00:02:50이 모든 것이 Claude code에 의해 일련의 마크다운 파일, 즉 텍스트 파일로 기록될 것이며,
00:02:55Obsidian은 이를 확인할 수 있게 됩니다. 이 모든 과정이 우리 볼트(Vault) 안에서 일어나기 때문이죠.
00:02:59여기서 Obsidian을 보면 볼트 기능이 몇 가지 이유로 매우 훌륭합니다.
00:03:03사용자인 저에게는 텍스트 파일에서 무슨 일이 일어나고 있는지에 대한 훌륭한 통찰력을 제공합니다.
00:03:06파일들을 클릭해 볼 수 있고, 파일들이 서로 어떻게 연결되는지 확인하며 멋진 그래프도 얻을 수 있죠.
00:03:09하지만 더 중요한 것은, Claude code 내부에서
00:03:13그 모든 마크다운 파일들이 Claude code 자체에 투명하게 공개된다는 점입니다.
00:03:19이런 Obsidian 형식으로 설정되어 있으면 Claude code가
00:03:22필요한 것을 찾기가 더 쉽습니다. 또한, 시간이 지남에 따라
00:03:29Claude.md 파일을 통해 Claude code가 우리에게 말하고 생각하는 방식을 세밀하게 조정할 수 있습니다.
00:03:34이는 시간이 흐를수록 Obsidian이 Claude code로 하여금 우리가 원하는 방식으로
00:03:41이 워크플로우를 수행하도록 돕는다는 의미입니다. Obsidian이 이 워크플로우에 추가되면,
00:03:47우리는 Claude code를 우리를 대신해 이 워크플로우를 실행하는
00:03:53잘 훈련된 개인 비서처럼 만들 수 있습니다. 이건 매우 강력합니다.
00:03:58이것은 거의 자기 개선 루프처럼 변합니다. 워크플로우를 더 많이 실행할수록,
00:04:02분석 결과가 제가 좋아하는 방식으로 더 많이 쌓이기 때문이죠. Claude code와 더 많이 대화할수록,
00:04:07데이터가 기록되고 Claude code는 시간이 지남에 따라 제가 일하는 방식에 대한 지식과 증거의 말뭉치를 계속해서 쌓아갑니다.
00:04:11그렇게 해서 우리는 이 멋진 공생 관계를 갖게 되며, Claude code를
00:04:16Skill Creator, NotebookLM, Obsidian과 결합함으로써 이 모든 것들이 서로를 돕게 됩니다.
00:04:20이것이 얼마나 유연한지 알 수 있습니다. 왜냐하면 이런 종류의 워크플로우는
00:04:24유튜브 대신 PDF를 넣을 수도 있기 때문입니다. 심지어 NotebookLM 부분을
00:04:28뺄 수도 있습니다. 어떤 워크플로우든 여기에 넣을 수 있습니다.
00:04:31어떤 흐름이든 삽입해 보세요. 하지만 이 흐름의 템플릿인 Obsidian과
00:04:37Skill Creator를 통한 기술 개선 방식을 유지한다면, 여러분은 손끝에 매우 강력한 도구를 갖게 되는 것입니다.
00:04:42많은 사람들이 아직 이렇게 하지 않고 있습니다. 이제 이것을 정확히 어떻게 설정하는지 알아보기 전에,
00:04:46저의 짧은 광고가 있겠습니다. Claude code에 대해 더 자세히 배우고 싶다면,
00:04:50제가 방금 Chase AI Plus 내에 Claude code 마스터클래스를 출시했습니다.
00:04:56여러분의 기술적 배경 지식 유무에 상관없이 여러분을 기초부터
00:05:01AI 개발자로 만들어 드릴 것입니다. Chase AI Plus는 여러분이
00:05:07AI에 진심이고 이것으로 커리어를 쌓으려 한다면 아주 좋습니다.
00:05:09꼭 확인해 보세요. 또한 무료 Chase AI 커뮤니티도 있습니다.
00:05:15설명란에서 찾으실 수 있습니다. 오늘 이야기한 모든 기술(Skills)과
00:05:18다양한 무료 리소스를 그곳에서 찾을 수 있습니다. 모두를 위한 것이 준비되어 있습니다.
00:05:23가장 먼저 해야 할 일은 기술을 만드는 것입니다. 제가 볼트(Vault) 안에 있는 것을 보실 수 있습니다.
00:05:27Obsidian이 이 내용들을 감지할 수 있도록 볼트 폴더 안에 있어야 합니다. 이제,
00:05:31Skill Creator 기술을 어떻게 설치하고 작동시키는지에 대해서는 위에 있는 영상을
00:05:35자세히 설명되어 있지만, 5초 요약 버전으로는 그냥 '/plugin'을 입력하시면 됩니다.
00:05:40그다음 Skill Creator 도구를 검색합니다. 제 것은 이미 설치되어 있는 것을 볼 수 있습니다.
00:05:46Skill Creator를 설치하고 Claude code를 종료했다가 다시 실행하세요. 준비 끝입니다.
00:05:51기술을 만들고 싶다면, 실제로 그 기술을 사용하도록 '/skillcreator'를 입력하겠습니다.
00:05:55그다음 기술에 대해 설명하면 됩니다. 이 경우, 저는 유튜브를 검색하고
00:05:59구조화된 영상 결과를 반환하는 기술을 만들고 싶다고 말했습니다. 검색을 위해
00:06:03yt-dlp를 사용하여 쿼리로 영상을 검색하고, 결과를 반환하는 식이죠.
00:06:08이것이 유튜브 관련 설정입니다. 여러분이 원하는 소스에 맞춰 조정하세요.
00:06:11다시 말씀드리지만, 이 프롬프트들은 제 커뮤니티에서 제공될 것입니다. 실행하면,
00:06:15자동으로 '.claude' 폴더 안에 기술이 생성됩니다. Skill Creator 도구로
00:06:19무엇을 했는지에 대한 설명을 보여줄 것입니다. 원한다면 테스트를
00:06:23실행할 수도 있지만, 지금은 건너뛰겠습니다. 이제 유튜브 기술이 생겼습니다.
00:06:28이제 유튜브를 검색할 수 있습니다. NotebookLM 쪽은 어떨까요? 이전 내용들과 마찬가지로,
00:06:31심층 분석 영상이 따로 있으니 위에서 확인해 보세요. 하지만 30초 요약을 해드리겠습니다.
00:06:35NotebookLM은 공개 API가 없습니다. 그래서 Claude code를
00:06:41NotebookLM에 연결하기 위해, 이 깃허브 저장소인 notebooklm-py를 사용할 것입니다.
00:06:46설치를 위해 설명란에 링크를 걸어두겠습니다. 매우 쉽습니다. 터미널에서
00:06:50이 명령어들을 실행하기만 하면 됩니다. 복사해서 새로운 터미널을 만듭니다.
00:06:55이 시점에서는 Claude code 내부가 아닙니다. 순수하게 터미널 환경이며,
00:06:59여기에 붙여넣고 설치를 실행합니다. 설치가 완료된 후에는,
00:07:03NotebookLM에 로그인하여 인증해야 합니다. 여기 CLI 섹션에 나와 있습니다.
00:07:09그냥 'notebooklm login'을 복사해서 터미널에 입력하고 엔터를 누릅니다.
00:07:14브라우저 창이 뜨면서 로그인을 요청할 것입니다. 로그인하면 끝입니다. 설치가 완료되어
00:07:19이제 NotebookLM을 사용할 수 있습니다. 하지만 Claude code에 이를 사용하는 법을 가르쳐야 합니다.
00:07:24여기서 기술(Skill)이 필요합니다. 이 저장소에서 명령어를 제공합니다.
00:07:29원한다면 'notebooklm skill install'을 실행할 수 있습니다. 또한 이제
00:07:34Skill Creator가 있으니 더 좋은 방법은 이 깃허브 저장소 전체를 복사하거나
00:07:38링크를 Claude code에 주고, "이봐, Skill Creator를 사용해서
00:07:43notebooklm-py를 위한 기술을 만들어줘"라고 말하는 것입니다. 그 프롬프트가
00:07:50바로 여기 있습니다. Skill Creator에게 여기에 있는 NotebookLM 기술을 가장 잘 사용할 수 있도록 기술을 만들라고 시킵니다.
00:07:55Claude code의 가장 좋은 점 중 하나는 자체적인 사용 환경에 영향을 주는
00:08:00일을 스스로 한다는 점입니다. 자기 생태계 내에서 기술이 어떻게 작동하는지 이해하죠.
00:08:06이런 일을 시키면 스스로 개선되는 셈인데, 정말 멋지죠. 실행하면 유튜브 검색 기술을
00:08:11만들었을 때와 거의 같은 메시지를 보게 될 것입니다. 그리고 특히
00:08:15NotebookLM 기술의 경우, 이 명령어들을 통해 평소 NotebookLM 내부에서 하던 모든 일을
00:08:21Claude code 터미널에서도 할 수 있게 됩니다. 즉, 우리만의
00:08:26노트북을 만들 수 있는 능력이 생깁니다. 원하는 만큼 소스를 추가할 수도 있습니다. 최대 50개까지,
00:08:30드라이브, 텍스트 파일 복사, 유튜브 등에서 가져올 수 있죠. 그리고 말씀드렸듯이
00:08:35오디오 리뷰, 마인드맵, 플래시카드, 인포그래픽 등 NotebookLM이 제공하는 모든 결과물을 얻을 수 있습니다.
00:08:41이제 유튜브 기술도 생겼고... 이 그래픽이 좀 지저분해졌네요. 정리해 봅시다.
00:08:45유튜브 기술과 NotebookLM 설정이 완료되었습니다. 하지만 저는 Claude code에게
00:08:50하나하나 지시하고 싶지 않습니다. "유튜브 기술 써줘, 좋아. 이제 분석 기술 써줘, 좋아."
00:08:55저는 이 모든 걸 한 번에 하고 싶습니다. 그냥 하나의 기술로 만들고 싶고,
00:09:00지금 바로 그렇게 할 것입니다. 워크플로우를 기술로 만드는 과정이죠.
00:09:04그 유튜브 파이프라인, 즉 워크플로우 슈퍼 기술을 만들기 위해 보시는 것처럼
00:09:09동일한 과정으로 Skill Creator를 사용합니다. 저는 그냥 의식의 흐름대로 설명하며
00:09:15만들어달라고 했습니다. 유튜브 파이프라인 기술을 원하고, 유튜브 검색을 사용하고,
00:09:21그걸 NotebookLM으로 보내고, 요청하면 결과물을 가져오길 원한다고 말이죠.
00:09:25좀 장황하게 설명했지만요. 그러면 기술을 생성하고 수행한 작업을 알려준 뒤,
00:09:30평가(evals)를 실행할지 물어볼 것입니다. 그건 선택 사항입니다. 이제
00:09:35우리 워크플로우의 모든 설정이 완료되었습니다. 기술들이 준비되었고 Obsidian 내부에 있습니다.
00:09:41이제 실행만 하면 됩니다. 실제로 해보죠. 이번 사용 사례에서는
00:09:47Claude code에게 Claude code와 MCP에 관한 영상을 찾아달라고 요청할 것입니다.
00:09:53상위 5개 MCP 서버를 찾고 싶습니다. 소스를 가져와서 분석하길 원하는데,
00:09:58단순히 상위 5개가 무엇인지뿐만 아니라, 그 영상들이 어떻게 성과를 내고 있는지 알고 싶습니다.
00:10:03조회수를 견인하는 요소는 무엇인지, 특이점이나 부족한 점은 무엇이며 어떻게 활용할 수 있을지 말이죠.
00:10:09또한 그 분석 결과를 토대로 인포그래픽을 만들어 달라고 요청할 것입니다.
00:10:14보시는 프롬프트가 바로 그것입니다. 유튜브 파이프라인 기술이 로드되었습니다. 자연어를
00:10:18사용할 수도 있었지만, 슬래시 명령어를 사용하면 100% 확실하게 작동한다는 걸 알 수 있죠.
00:10:22유튜브 MCP, Claude code 분석, 그리고 인포그래픽을 요청했습니다. 보시는 것처럼
00:10:28파이프라인이 시작되고 NotebookLM과 유튜브 검색 하위 기술들을 호출하고 있습니다.
00:10:34여기서 NotebookLM 연동의 좋은 점은, AI에 의한 모든 처리 과정이
00:10:41NotebookLM에 의해 수행된다는 사실입니다. 여러분이 비용을 지불하지 않아도 되고 Claude code가 소모하지 않는
00:10:45토큰들입니다. 구글로 오프로드되는 거죠. 고마워요 구글. 6분 후 분석이 완료되었습니다.
00:10:50단순 텍스트 분석 결과가 NotebookLM에서 돌아오는 건 꽤 빠릅니다.
00:10:54하지만 결과물(deliverables) 생성은 시간이 걸릴 수 있습니다. 예를 들어 전체 슬라이드 데크를
00:10:58원한다면 여러 이미지를 생성해야 해서 최대 15분까지 걸릴 수도 있습니다.
00:11:03인포그래픽 같은 단발성 결과물은 몇 분 정도 걸립니다. 여기 인포그래픽이 나왔네요.
00:11:07MCP에 대한 내용입니다. 멋지네요. 시각적인 가이드를 많이 주진 않았지만,
00:11:13결과물은 훌륭합니다. Supabase, Context7, Play 등을 다루고 있네요.
00:11:18자율 코딩과 필수적인 "바이브 코딩" 스택으로 분류했습니다. 결과는 어떨까요?
00:11:23Supabase, Figma, Sentry, PostHog, Context7, Play 등입니다.
00:11:30반박할 수 없는 구성이네요. 그리고 상단에 보시면 리서치에 대한
00:11:36전체 마크다운 파일을 제공했습니다. 아시다시피 이건 Obsidian 내부에 있습니다.
00:11:41무작위로 대괄호가 쳐진 평범한 마크다운 파일처럼 보일 수 있지만, 인간의 입장에서는
00:11:46Obsidian을 통해 문맥 안에서 보는 것이 훨씬 더 명확하고 쉽습니다. 이것이
00:11:51Obsidian 내부의 동일한 문서입니다. 주요 시사점과 서버들이 정리되어 있습니다. 관련 있는
00:11:57다른 기사들을 보여주는 백링크도 있고, 그래프 뷰에서도 확인할 수 있습니다. 멋진 기능들이죠.
00:12:02하지만 Obsidian의 가치는 여기서 끝이 아닙니다. 제가 왼쪽에 보시는 것처럼
00:12:07이 모든 마크다운 파일들을 가지고 있다는 사실이 중요한데, 이것들은 총체적으로
00:12:13Claude code에게 제가 일하는 방식을 보여줍니다. 여기서 Claude.md 파일을 살펴보면,
00:12:20바로 저기 있네요. Claude.md 파일은 '두뇌 안의 두뇌'가 됩니다.
00:12:25이 볼트가 제 아이디어들이 담긴 '제2의 두뇌'라면, Claude.md 파일은 다시 한번
00:12:30이 모든 것이 무엇을 의미하는지, 그리고 저와 대화하는 관례나 결과물 형식,
00:12:37제가 원하는 방식이 무엇인지 Claude에게 알려주는 두뇌 안의 두뇌 역할을 합니다. 말씀드렸듯이,
00:12:41시간이 흐를수록 이 볼트는 계속해서 커지겠지만, Claude.md도 그에 맞춰 성장하기 매우 쉽습니다.
00:12:48이 지식의 말뭉치와 함께 훈련되고 배우며 성장하는 것이죠. 간단합니다.
00:12:54Claude code에게 "최근 대화 내용을 바탕으로 Claude.md를 업데이트해 줘"라고 말하기만 하면 됩니다.
00:13:00그러면 관례가 유지되고 실제로 제가 원하는 작업을 수행하게 됩니다.
00:13:04"최근 대화 내용을 바탕으로 내 업무 스타일 분석과 결과물 선호도를 더 잘 반영하도록
00:13:09Claude.md를 업데이트해 줄래?"라고 말이죠. 이 정도의 포괄적인 요청만으로도
00:13:15Claude는 충분히 잘 해낼 것입니다. 더 구체적이고 싶다면 그렇게 하셔도 됩니다.
00:13:19유연하게 여러분 마음대로 할 수 있다는 게 이 방식의 큰 장점입니다. 시간이 흐르며
00:13:25Claude code와 Obsidian 사이의 관계가 성능을 향상시키는
00:13:31원동력이 될 것입니다. 일주일 정도 해서는 큰 효과가 없겠지만,
00:13:35한 달이면 확실히 효과가 나타납니다. 1년 동안 수백 개의 문서와 대화가 쌓인다면
00:13:40엄청나고 지속적인 효과를 보게 될 것입니다. 오늘 내용은 여기까지입니다.
00:13:46단순히 이 워크플로우 자체보다 더 많은 것을 얻어 가셨기를 바랍니다.
00:13:50제가 콘텐츠 리서치를 어떻게 하는지에 대한 내부 모습도 조금 보여드렸는데, 결국
00:13:55가장 큰 장점은 이 모든 구성을 가져가서 여러분에게 도움이 되는
00:14:02어떤 형태의 워크플로우로든 바꿀 수 있다는 점입니다. 여러분이 하는 일이 무엇이든 말이죠.
00:14:07워크플로우를 기술로 만들고, 대량의 기술들을 다시 하나의 기술로 묶어 파이프라인에 연결한다면,
00:14:13모든 도구가 서로를 돕는 상황이 만들어집니다. 다시 한번 말씀드리지만,
00:14:18장기적으로 엄청난 가치가 있습니다. 댓글로 어떻게 생각하시는지 알려주시고,
00:14:25Claude code에 대해 더 배우거나 마스터클래스를 확인하고 싶다면,
00:14:28댓글에 있는 Chase AI Plus 링크를 확인해 보세요. 그럼 다음 영상에서 뵙겠습니다.