Transcript
00:00:00Kimi K3가 막 출시되었는데, Claude Fable 5나 GPT 5.6과 동급인 엄청나게 강력한 모델입니다.
00:00:06가장 큰 특징은 프론트엔드 작업에 정말 뛰어나다는 점입니다.
00:00:09얼마나 뛰어나냐면, 다른 어떤 모델보다 디자인을 잘한다고 평가받을 정도죠.
00:00:14정말 그 정도로 훌륭하지만, 함정이 하나 있고 이는 비단 Kimi만의 문제가 아닙니다.
00:00:17모든 AI 모델은 고유의 디자인 스타일을 가지고 있으며, 충분히 사용해 보기 전에는 이를 알아채기 어렵습니다.
00:00:22새 모델이 발표될 때마다 모두가 프론트엔드 최강이라 말하고, 처음 몇 개 사이트를 만들 땐 정말 그래 보입니다.
00:00:28하지만 진실은 모든 디자인에서 반복해서 사용하는 그들만의 패턴이 존재한다는 것입니다.
00:00:32Sonnet 4.5든 GPT 5.6이든 상관없이, 그러한 패턴들은 디자인에 계속해서 드러납니다.
00:00:38따라서 어떤 모델을 사용하든 기본 스타일에서 벗어나도록 밀어줄 무언가가 필요하며, 이것이 바로 뛰어난 디자이너가 하는 역할입니다.
00:00:43그리고 이를 위한 가장 좋은 방법 중 하나가 'Hallmark'라는 스킬입니다.
00:00:46처음 오신 분들을 위해 소개하자면, 저희는 소프트웨어 기업이며 이 채널은 AI Labs입니다.
00:00:50이곳에서 AI로 비즈니스를 최적화하는 방법을 알려드리며, 직접 비즈니스를 운영하지 않으시더라도
00:00:54이 스킬들을 활용해 타인의 비즈니스를 최적화해 주고 수익을 창출할 수 있습니다.
00:00:58이번 영상에서는 Kimi 모델과 그 프론트엔드 디자인 기능, 그리고 디자인에서 상투적인 패턴을 제거해 주는 스킬을 살펴보겠습니다.
00:01:05Moonshot의 최고 모델 중 하나로 Kimi K3를 이미 알고 계실 수도 있지만, 잘 모르는 분들을 위해 빠르게 요약해 드리겠습니다.
00:01:11Moonshot AI가 플래그십 모델로 출시했으며, 빠르게 인기를 얻었습니다.
00:01:15가장 큰 핵심은 이제 100만 토큰 컨텍스트 윈도우를 지원하는 모델 대열에 합류했다는 점입니다.
00:01:20성능 면에서는 현재 가장 강력한 두 모델인 Fable 5 및 GPT 5.6과 다방면에서 필적합니다.
00:01:26비교를 위해, 여러 분야에 걸쳐 모델을 평가하는 Artificial Analysis의 벤치마크를 활용했습니다.
00:01:32지능 면에서는 Opus 4.8과 최신 Gemini 3.6을 크게 앞서며, Fable 5 및 GPT 5.6보다는 살짝 뒤처집니다.
00:01:40그리고 수치상의 차이가 매우 적어서 사실상 동일한 티어에 속한다고 볼 수 있습니다.
00:01:44프론트엔드 디자인에서는 LM Arena 측정 기준 상 심지어 그 두 모델마저 뛰어넘습니다.
00:01:48LM Arena는 동일한 프롬프트로 모델들을 맞붙이고 실제 사용자 평가를 바탕으로 순위를 매기는 플랫폼입니다.
00:01:54Kimi가 여기서 좋은 성적을 거두는 한 가지 이유는 강력한 비전 기능에서 비롯된 내장 “Vision-in-the-loop” 덕분입니다.
00:02:00기본적으로 이 모델은 코드만 작성하는 것이 아니라, 자기가 만들고 있는 결과를 스스로 확인합니다.
00:02:04대부분의 모델은 코드만 보고 사이트가 어떻게 나올지 추측하지만,
00:02:07Kimi는 자신이 만든 화면의 스크린샷을 찍어 결과를 확인하고 이를 바탕으로 수정합니다.
00:02:11그리고 이것이 사람들이 Kimi가 프론트엔드를 더 잘한다고 말하는 결정적인 이유 중 하나입니다.
00:02:15여백과 레이아웃이 다른 모델들에 비해 훨씬 균형 잡히고 의도에 맞게 완성됩니다.
00:02:19이제 비용 문제를 보겠습니다.
00:02:20그리고 이 부분이야말로 Kimi가 확실한 우위를 점하는 지점입니다.
00:02:22가격은 입력 토큰 100만 개당 3달러, 출력 토큰 100만 개당 15달러로 책정되어 있습니다.
00:02:27GPT 5.6은 입력 5달러, 출력 30달러로 약간 더 비쌉니다.
00:02:32그리고 Fable은 현재 입력 10달러, 출력 50달러로 가장 비쌉니다.
00:02:36따라서 Kimi는 최상위 모델들과 동등한 성능을 셋 중 가장 저렴한 가격에 제공합니다.
00:02:41Kimi는 K2.5 모델과 함께 출시된 'Kimi Code'라는 자체 하네스를 함께 제공합니다.
00:02:47터미널 기반 코딩 에이전트로, API를 직접 거치지 않고도 Kimi를 실행할 수 있게 해줍니다.
00:02:52하지만 Kimi Code를 직접 사용해 보니 매우 느리다는 것을 알게 되었습니다.
00:02:55Claude Code나 Codex로 약 3분 걸릴 작업이 Kimi Code에서는 10분에 가깝게 걸립니다.
00:03:00그리고 이는 두 가지 이유 때문입니다.
00:03:01첫째는 Kimi의 가중치(Weights)가 아직 공개되지 않아, 다른 서버 없이 Kimi 호스트에서만 가동된다는 점입니다.
00:03:08따라서 모든 요청은 다른 곳이 아닌 Kimi 자체 서버로만 전달되어야 합니다.
00:03:12이 서버들에 과부하가 걸리기 때문에 요청에 대한 응답을 받기까지 더 오래 걸립니다.
00:03:16둘째는 하네스 자체의 문제입니다.
00:03:17이전 모델에서도 다루기 까다로웠으며, Kimi 측도 공식 문서에서 K3의 잠재력을 완전히 이끌어내도록 설계되지 않았음을 인정했습니다.
00:03:25속도 외에도 두 가지 문제가 더 있습니다.
00:03:27하나는 컨텍스트입니다.
00:03:28Codex와 Claude Code의 경우 진행할 작업에 따라 모델을 자주 교체하는데, 두 도구 모두 전환 시 컨텍스트를 잘 유지합니다.
00:03:36하지만 Kimi Code에서는 모델을 바꿀 때 대화의 컨텍스트를 유지하는 방식에 오류가 생기므로 그렇게 하기 어렵습니다.
00:03:43다른 하나는 서브 에이전트 문제입니다.
00:03:44실행 중일 때는 엄청나게 많은 서브 에이전트를 생성하는 것처럼 보였습니다.
00:03:47하지만 작업이 끝난 후 물어보니 작업을 처리하기 위해 단 5개만 생성했다고 응답했습니다.
00:03:51그래서 모델을 제대로 테스트하기 위해 Claude Code 내에서 실행했습니다. 그곳에서는 매우 잘 작동하기 때문입니다.
00:03:57그리고 Kimi는 정확히 그렇게 할 수 있는 방법을 제공합니다.
00:03:59Claude Code 내부에서 Kimi를 실행하는 한 가지 방법은 API를 직접 거치는 것입니다.
00:04:03하지만 모델이 읽고 쓰는 모든 단어에 대해 요금이 부과되므로 요금 부담이 커지고, 많이 사용하다 보면 금방 누적됩니다.
00:04:10따라서 더 좋은 방법은 이미 결제 중인 Kimi 플랜을 통해 실행하는 것입니다.
00:04:14그렇게 하면 요금 걱정을 할 필요 없이 평소의 월간 구독료만 지불하면 됩니다.
00:04:18이를 위해 CLI Proxy API라는 도구가 있습니다.
00:04:21이미 로그인되어 있는 코딩 도구들을 자체 로컬 API로 변환하여 사용자 머신에서 실행해 줍니다.
00:04:28즉, 이미 지불 중인 구독 서비스를 경유 가능한 서버로 전환하는 셈입니다.
00:04:33`brew install` 명령어료 설치하시면 됩니다.
00:04:35설치가 끝나면 `kimi login` 명령어로 Kimi에 로그인하며, Kimi 로그인 페이지가 열리면 로그인 절차를 진행합니다.
00:04:41인증 정보가 확인되면 로그인이 완료됩니다.
00:04:43그런 다음 Kimi 연결이 유지되도록 서버를 시작합니다.
00:04:47그 후 한 가지 단계가 더 남는데, 로컬 설정을 위한 API 키를 생성하는 것입니다. 이 키를 Claude Code에 전달해야 접근 권한을 얻을 수 있습니다.
00:04:54하지만 직접 할 필요 없이 Claude Code나 사용하는 에이전트에게 해당 도구로 API 키를 설정해 달라고 요청하기만 하면 됩니다.
00:05:02작업이 끝나면 키를 복사해서 사용하시면 됩니다.
00:05:04그런 다음 Claude Code를 실행합니다.
00:05:06이를 위해 Claude가 요청을 보내는 URL을 변경해 줍니다.
00:05:09기본적으로는 Claude의 자체 URL을 가리키고 있으므로, 이제 서버가 사용자 머신에서 동작 중이니 로컬호스트로 지정을 바꿔줍니다.
00:05:16Claude가 생성한 키를 Anthropic 인증 토큰으로 붙여넣고 모델을 Kimi K3로 설정합니다.
00:05:22이후 `claude` 명령어를 실행하면, Kimi 구독을 이용해 K3 기반으로 구동되는 Claude Code가 열립니다.
00:05:28그리고 한 가지 알아두실 점은 이 설정들이 해당 터미널 세션에만 유효하다는 사실입니다.
00:05:32따라서 영구적인 변경 사항이 아닙니다.
00:05:33세션을 종료하고 새 터미널에서 Claude를 실행하면, 이전처럼 기존 구독대로 Claude Code를 사용할 수 있습니다.
00:05:39스킬의 세부 사항으로 넘어가기 전에, 채널 구독과 좋아요를 눌러주시면 감사하겠습니다.
00:05:44이러한 작은 응원이 저희에게는 정말 큰 힘이 됩니다.
00:05:47랜딩 페이지는 회사의 얼굴입니다.
00:05:49랜딩 페이지가 조잡해 보이면 신뢰도를 잃게 되고 사람들은 비즈니스를 전혀 찾지 않게 됩니다.
00:05:54따라서 제대로 제작하려면 모델이 안일하게 사용하는 뻔한 패턴들에서 벗어나게 해야 합니다.
00:06:00정확히 그 목적을 위해 만들어진 스킬들이 많이 있습니다.
00:06:02가장 인기 있는 것 중 하나는 에이전트용 'Anti-AI Slop' 디자인 스킬인 Hallmark입니다.
00:06:074가지 동사(명령어)를 통해 사용할 수 있습니다.
00:06:08첫째는 기본 모드로, 에이전트에 만들고자 하는 바를 전달하면 지침의 워크플로우에 따라 새 UI를 구축합니다.
00:06:15둘째는 'Audit'으로, 알려진 저품질 패턴(Anti-pattern)과 코드를 대조 검사하여 사이트에 그런 요소가 없는지 확인합니다.
00:06:21셋째는 'Redesign'으로, 현재 디자인을 폐기하고 완전히 다른 방향으로 신규 개정판을 시도합니다.
00:06:27마지막은 'Study'로, 마음에 드는 사이트를 전달하면 그 스타일을 추출하여 해당 방향으로 작업합니다.
00:06:33여기서 중요한 점이 있습니다.
00:06:34Hallmark 없이 에이전트에 사이트 분석을 요청하면 디자인 스타일을 그대로 복제해 버립니다.
00:06:40하지만 Hallmark는 이를 명확히 방지하며, 단순히 따라 하는 대신 사이트를 디자인 참고 자료로 활용합니다.
00:06:45덕분에 결과물은 여전히 독창적으로 완성됩니다.
00:06:47또한 프로젝트에 가져다 쓸 수 있는 풍부한 디자인 스타일 라이브러리도 함께 제공합니다.
00:06:51해당 스타일들을 직접 확인하고 싶다면, 이들의 웹사이트에 각 스타일별 랜딩 페이지가 구축되어 있습니다.
00:06:56따라서 시각적으로 훑어보실 수 있습니다.
00:06:57그리고 문서 내 `recipe.md` 파일에는 프롬프트 작성 베스트 프랙티스가 정리되어 있습니다.
00:07:02Hallmark를 사용하려면 먼저 설치해야 합니다.
00:07:04이를 위해 GitHub 리포지토리에서 설치 명령어를 복사해 터미널에 붙여넣으면 설치가 시작됩니다.
00:07:11어떤 에이전트에 설치할 것인지 물어볼 것입니다.
00:07:13Kimi Code나 Codex를 실행 중이라면 변경 없이 그대로 진행하시면 됩니다.
00:07:17그러면 두 도구를 포함한 여러 에이전트가 설정을 저장하는 `.agents` 폴더에 설치됩니다.
00:07:23하지만 Claude Code 내에서 Kimi를 사용할 것이므로 에이전트 목록에서 Claude Code도 함께 선택해야 합니다.
00:07:28그렇게 하면 Claude의 모든 설정이 위치하는 `.claude` 폴더에 설치됩니다.
00:07:32설치가 완료된 후 프로젝트로 이동하면 `.agents` 및 `.claude` 폴더에 스킬이 적용된 것을 볼 수 있습니다.
00:07:38`skill.md` 파일에는 사용 방법, 호출 방식, 작동에 필요한 모든 설명이 들어있습니다.
00:07:44그리고 이것이 다른 대안들보다 뛰어난 이유입니다.
00:07:46조잡한 AI 패턴을 포함하여 다양한 요소를 다루는 100개 이상의 레퍼런스를 포함하고 있기 때문입니다.
00:07:52결과물을 반환하기 전에 58단계의 게이트 테스트를 진행하며, 이는 사이트에 저품질 요소가 없는지 검증하는 58가지 점검 사항입니다.
00:07:58또한 컴포넌트 레퍼런스와 앞서 언급한 동사(명령어) 관련 참조 자료도 포함하고 있습니다.
00:08:02이 스킬로 만든 디자인을 살펴보기 전에, 스폰서 소식을 전해드리겠습니다.
00:08:05AI 코딩 어시스턴트는 함께 작업할 때는 훌륭하지만, 도구를 닫거나 전환하는 순간 모든 것을 잊어버립니다.
00:08:12어제 구현한 내용이나 다른 에이전트가 파악한 바를 모른 채 처음부터 다시 시작하느라, 이미 아는 내용을 재설명하며 시간과 비용을 낭비하게 됩니다.
00:08:19Jolly Memory는 어시스턴트에 영구적인 기억력을 부여하는 무료 오픈소스 IDE 확장 프로그램입니다.
00:08:24티켓, 링크, 대화에서 프로젝트의 핵심 로직을 자동으로 캡처하여 머신에 저장하고, 각 커밋에 연결된 구조화된 문서로 변환해 모든 아키텍처 및 엔지니어링 결정의 근거를 자동으로 기록합니다.
00:08:39특정 도구나 모델에 종속되지 않으므로 Claude에서 Gemini, Qwen으로 넘어가더라도 `state.md` 파일이나 동기화할 노트 없이 메모리가 유지됩니다.
00:08:48VS Code, IntelliJ, Cursor, Claude, Windsurf 내에서 작동하여 한 번만 설치하면 어디서든 기억을 공유합니다.
00:08:56문제가 생겼을 때 모든 변경 사항의 근거를 추적할 수 있으며, 프로젝트의 단순한 지도처럼 한눈에 보여줍니다.
00:09:03고정 댓글의 링크를 통해 Jolly Memory를 다운로드해 보세요.
00:09:06Kimi가 프론트엔드에 진심으로 뛰어남에도 불구하고 고유의 패턴들을 갖고 있으며, 이것들이 모여 고유한 디자인 스타일을 이룹니다.
00:09:13완전히 새로 나온 모델이라 이러한 패턴이 아직 두드러지지는 않지만, 시간이 지나면 점점 더 명확해질 것입니다.
00:09:18중국계 모델들은 Claude 모델의 증류(Distillation), 즉 한 모델의 출력값으로 다른 모델을 학습시키는 방식으로 훈련된다고 알려져 있어 Opus 4.8의 스타일이 Kimi의 결과물에 많이 드러납니다.
00:09:29히어로 섹션 뒤에 이미지를 배치하고, 대형 히어로 텍스트를 한쪽에 치우치게 두며, 다크/라이트 모드와 상관없이 따뜻한 오렌지와 브라운 팔레트를 사용하는 Opus의 방식이 Kimi 디자인에도 나타납니다.
00:09:40하지만 Kimi에서 마음에 드는 점은 Opus가 의존하는 과장된 마케팅 수식어로 텍스트를 채우지 않는다는 것입니다.
00:09:46모든 요소가 의도적으로 배치된 느낌이며, 다른 모델들이 출력하는 것보다 훨씬 다듬어진 글로 읽힙니다.
00:09:51스킬을 테스트하기 위해 Kimi 기반 Claude Code에서 실행하고 랜딩 페이지 작성을 위한 간단한 프롬프트를 입력했습니다.
00:09:56실행되면 'Pre-flight'라는 사전 단계로 시작합니다.
00:09:59Pre-flight는 디자인 스타일에 관한 정보가 담긴 기존 파일들을 검토하여 유지할 항목과 변경할 항목을 파악합니다.
00:10:06방금 막 Next.js 템플릿을 생성했기 때문에 프레임워크를 Next.js로 확정하고 나머지는 버렸습니다.
00:10:11다음 단계로 넘어가기 전, 타깃 고객, 사이트의 용도, 톤앤매너라는 3가지를 질문합니다.
00:10:18프롬프트에 이를 직접 기재하는 것이 좋지만, 빠뜨리더라도 알아서 물어보므로 반드시 미리 입력해야 하는 것은 아닙니다.
00:10:25답변을 입력하면 참조 자료에서 테마와 필요한 요소를 가져와 사이트를 제작합니다.
00:10:30그리고 완성이 되면 58가지의 저품질 감지 체크를 모두 통과했는지 확인합니다.
00:10:34Hallmark는 해당 명령어들로 구동되므로, 전체 리디자인을 요청하면 모든 것이 바뀌게 됩니다.
00:10:39명령어를 인식해 리디자인 프로토콜을 로드하고, 질문을 다시 던진 뒤 동일한 워크플로우를 시작하여 첫 번째와 완전히 다른 방향으로 전체를 재구축합니다.
00:10:49다음으로 AI의 상투적 패턴을 점검하는 Audit 모드가 있습니다.
00:10:53Hallmark Audit을 실행하면 스킬을 다시 불러와 해당 패턴을 기반으로 보고서를 작성하고 모든 발견 사항을 표시합니다.
00:11:00그리고 해당 보고서를 바탕으로 어떤 수정 사항을 적용할지 결정하게 됩니다.
00:11:02하지만 Kimi와 Claude Code를 함께 쓸 때 자동 압축(Auto-compaction)이 실행되지 않으므로 컨텍스트 관리에 유의해야 합니다.
00:11:09따라서 컨텍스트 윈도우가 가득 차더라도 작동이 멈추지는 않습니다.
00:11:12그러나 윈도우가 가득 차면 답변이 지시 사항에서 벗어나거나 이상하고 상투적으로 변하기 시작하는 것을 보게 될 것입니다.
00:11:18감사(Audit) 후 Kimi는 지적된 사항들을 계속 수정해 나갔으며, 몇 가지 변경이 이루어졌습니다.
00:11:22디자인을 인공지능이 만든 것처럼 보이게 하던 폰트를 제거했습니다.
00:11:25Unsplash는 거의 모든 모델이 애용하는 출처이므로, 이미지를 Pixum이라는 다른 사이트의 것으로 교체했습니다.
00:11:32그리고 모바일 반응형 디자인을 수정하여 전반적인 사이트 품질을 높였습니다.
00:11:36거기서부터 만족스러울 때까지 새로운 버전을 계속 요청할 수 있습니다.
00:11:39Kimi 및 Claude Code와 함께 스킬을 사용할 때 유용한 팁이 하나 있습니다.
00:11:42Kimi가 Claude Code의 기본 모델이 아니기 때문에 자동 호출이 안정적으로 작동하지 않으며,
00:11:47해당 자동 트리거는 Claude 자체 모델에 맞춰 조정되어 있습니다.
00:11:51따라서 더 나은 방법은 슬래시(/) 명령어로 스킬을 수동 호출하여, 생성을 시작하기 전에 실제로 로드되도록 하는 것입니다.
00:11:57또한 Claude Code의 Opus 4.8 모델에서 스킬 사용 여부에 따른 동일한 테스트를 진행해 보았습니다.
00:12:03스킬 없이 먼저 시작했으며, 평소와 같은 방식으로 앱을 제작했습니다.
00:12:06약 6분이 걸렸고, 제작된 사이트는 AI 특유의 뻔하고 조잡한 느낌이 강했습니다.
00:12:10선택한 색상부터 배경의 그라데이션, 자주 쓰인 라운드 박스까지 모든 요소가 전형적인 Opus 스타일임을 드러냈습니다.
00:12:16기억하시겠지만, 저희 디자인 시스템에는 AI 저품질 감지 스킬이 포함되어 있으며,
00:12:20이는 Opus의 패턴을 포함해 이미 알려진 모든 상투적 패턴을 포착하도록 훈련되어 있습니다.
00:12:24프로젝트에 이를 실행하자 신뢰도가 높거나 낮은 여러 상투적 패턴을 보고하며 대거 지적해 냈고,
00:12:30특히 그라데이션 텍스트를 집중적으로 짚어냈습니다.
00:12:32이어 Hallmark를 실행했습니다.
00:12:33스킬을 로드하고, Pre-flight를 거쳐 패턴을 기록하고, 동일한 질문을 던진 뒤 전체 워크플로우를 다시 진행했습니다.
00:12:39스킬 없이 실행했을 때보다 훨씬 오래 걸렸지만, 결과는 그만한 가치가 있었습니다.
00:12:43최종 디자인이 훨씬 더 창의적이고 의도에 맞게 나왔기 때문입니다.
00:12:46버튼의 상호작용성도 훨씬 좋아졌으며, 이 모든 것은 모델이 제품을 더 잘 이해한 덕분이었습니다.
00:12:51기본 설정상 대체(Placeholder) 이미지를 함부로 넣지 않는데, Unsplash 스톡 사진을 가져오는 것이 규칙상 감지 대상이기 때문입니다.
00:12:58제품 빌더를 위해 만들어졌으므로, AI가 생성하거나 스톡 이미지를 쓰지 말고 직접 준비한 이미지를 넣도록 안내합니다.
00:13:04전반적으로 Kimi보다 눈에 띄게 더 나은 디자인을 만들어냈기에, 현재로서는 이 스킬이 Claude와 더 잘 맞아떨어진다고 봅니다.
00:13:10Kimi의 디자인 방식에 대해 아직 깊이 파악하지 못해서, 다른 모델들의 알려진 패턴을 기반으로만 지적사항을 내놓고 있습니다.
00:13:15하지만 모든 테스트 과정에서 스킬 자체는 매우 훌륭하게 작동했습니다.
00:13:18방금 말씀드린 디자인 시스템과 저희의 모든 영상에서 제작하고 보여드리는 내용들은
00:13:23저희 커뮤니티인 AI Labs Pro에서 확인하실 수 있습니다.
00:13:26저희 콘텐츠가 유익하셨고 채널을 후원하고 싶으시다면 이 방법이 가장 좋은 후원 방식입니다.
00:13:31링크는 설명란에 있습니다.
00:13:33Codex를 사용해 보셨거나 작동 방식을 아신다면, 기본 색상이 초록색과 흰색의 조합이라는 것을 아실 겁니다.
00:13:38Opus가 오렌지, 크림, 브라운을 기본으로 사용하는 것과 마찬가지죠.
00:13:42그 색상들이 기본 스타일로서 선택하는 색상들입니다.
00:13:45또한 SVG를 많이 사용하며, 화면 대비 상당히 작은 폰트 크기를 선택하는 경향이 있습니다.
00:13:51다른 모델들과 비교해도 디자인이 꽤 잘 나오지만, 어찌 되었든 그러한 기본 패턴들이 드러나게 마련입니다.
00:13:56그래서 `.agents` 폴더에 스킬을 설치한 상태로 Codex를 테스트했으며, 제작하려는 내용을 담은 프롬프트를 전달했습니다.
00:14:03브라우저 사용 도구와 기타 훌륭한 기능들이 포함된 Codex 앱을 활용해 이 작업을 진행했습니다.
00:14:09Pre-flight 과정을 거친 후 타깃 고객, 사용 목적, 톤앤매너에 대해 질문해 왔습니다.
00:14:14선택을 마치자 전체 워크플로우를 진행하며 여러 파일을 수정하고, 일반적인 테스트 및 인터랙티브 브라우저 테스트까지 수행했습니다.
00:14:21브라우저 제어 기능을 갖추고 있고 이런 종류의 작업에 정말 뛰어나기 때문에 그 기능을 십분 활용합니다.
00:14:26작업이 끝나고 완성되어 나온 사이트는 훨씬 훌륭해 보였습니다.
00:14:29한 가지 지점은 블루와 화이트 조합이 여전히 AI 생성 느낌을 다소 줄 수 있다는 것이지만, 기술 중심 웹사이트와 잘 어울리는 색상이기에 상투적이기보다는 의도된 디자인으로 다가옵니다.
00:14:39모든 요소가 Codex가 기본적으로 만들어내는 방식과 달랐습니다.
00:14:43히어로 섹션에 배치된 이미지에서 선택된 탭의 시각 효과가 매끄럽지 않은 등 약간의 문제는 있었지만, 이는 나중에 충분히 수정할 수 있는 부분입니다.
00:14:52이어 Hallmark Audit을 실행했고, 보고서가 생성되었습니다.
00:14:54보고서에 따르면 초기 버전에서 놓치기 쉬운 반응형 구성을 포함해 몇 가지 이슈만 남아있을 뿐, 전체적인 구조는 탄탄하다고 평가되었습니다.
00:15:02이것으로 오늘 영상은 마무리하겠습니다.
00:15:03채널을 후원하고 이런 영상이 계속 제작될 수 있도록 힘을 보태주고 싶으시다면 하단의 Super Thanks 버튼을 이용해 주세요.
00:15:10언제나처럼 시청해 주셔서 감사드리며, 다음 영상에서 인사드리겠습니다.