스크립트
00:00:00AI 에이전트의 성능이 요즘 정말 좋아졌습니다.
00:00:02이제 무언가를 만드는 건 그다지 어렵지 않죠.
00:00:04문제는 에이전트에게 무언가를 지시할 때마다
00:00:08항상 처음부터 시작해야 한다는 점입니다.
00:00:09이 문제를 해결하기 위해 저희는 두 가지 스킬을 찾아냈는데요.
00:00:12기본적으로 지침이 적혀 있는 파일 형태여서
00:00:15에이전트가 특정 워크플로를 따를 수 있게 해줍니다.
00:00:17즉, 두 가지 워크플로를 통해
00:00:19AI 에이전트와 함께 훨씬 더 빠르게 개발할 수 있습니다.
00:00:22클라우드 코드나 코덱스 중 무엇을 쓰든 말이죠.
00:00:25그리고 첫 번째 스킬은 깃허브에 대한 아주 흥미로운 사실도 보여줍니다.
00:00:28이로 인해 깃허브에서 자료를 다운로드하는 방식이 바뀌었죠.
00:00:31채널에 처음 오셨다면 환영합니다.
00:00:33저희는 소프트웨어 회사이자 AI 랩스입니다.
00:00:35저희 팀의 검증된 방법을 바탕으로 AI를 활용해
00:00:38워크플로를 최적화하는 방법을 보여드리고 있죠.
00:00:41이번 영상에서는 이 두 가지 스킬을 살펴보고
00:00:43어떻게 개발 속도를 높여주는지 알아보겠습니다.
00:00:46본격적으로 스킬을 소개하기 전에
00:00:48문제점에 대해 좀 더 자세히 살펴보겠습니다.
00:00:50새로운 아이디어가 떠오르거나
00:00:52문제를 해결하기 위해 무언가를 만들고 싶을 때,
00:00:54에이전트에게 가서 계획 모드를 켜고
00:00:56아이디어를 설명합니다.
00:00:58그러면 에이전트가 한참 계획을 세운 뒤
00:00:59원하는 것을 어떻게 구축할지 알려주죠.
00:01:01하지만 여기서 여러분과 에이전트가
00:01:03완전히 놓치고 있는 큰 부분이 있습니다.
00:01:05만들고자 하는 것이 유료 도구나 오픈소스 형태로
00:01:08이미 세상에 존재하고 있다면 어떨까요?
00:01:10에이전트는 원하는 기능이
00:01:11이미 존재하는지 확인하지 않습니다.
00:01:14이런 일은 새로운 프로젝트를
00:01:15시작할 때만 발생하는 게 아닙니다.
00:01:17이미 작업 중인 제품이 있고
00:01:19거기에 새로운 기능을
00:01:20추가하기로 마음먹었다고 가정해 봅시다.
00:01:23코딩 에이전트를 열어서 새 기능을 설명하겠지만,
00:01:25에이전트는 그저 문제를 해결할 수 있는
00:01:27방법들을 탐색하기 시작할 뿐입니다.
00:01:28그 문제가 이미 해결되어 있는지,
00:01:30인터넷에 공개되어 있는지는 절대 찾아보지 않죠.
00:01:33경쟁사들은 그 문제를 어떻게 해결했는지 전혀 보지 않습니다.
00:01:36이건 심각한 문제입니다.
00:01:38이미 해결된 문제에 소중한 시간과
00:01:39토큰을 전부 낭비하고 있는 셈이니까요.
00:01:42그래서 어떤 누군가가 이 문제를 해결할 스킬을 만들었습니다.
00:01:45스킬의 이름은 'advise project approach'입니다.
00:01:48이 스킬이 가장 먼저 하는 일은
00:01:49현재 상황이 어떤지 파악하는 것입니다.
00:01:51완전히 새로운 아이디어를 설명하는 것과
00:01:53이미 만든 제품에 기능을 추가하려는 것은
00:01:56완전히 다른 문제이므로
00:01:57스킬도 각각 다른 방식으로
00:01:59이 문제들에 접근합니다.
00:02:01새로운 아이디어라면
00:02:02전체 시스템을 어떻게 구축해야 할지 설계합니다.
00:02:04하지만 이미 무언가를 만들었다면
00:02:06이미 가지고 있는 것을 살펴보고
00:02:08어떤 것을 유지하고 어떤 것을 바꿀지 알려줍니다.
00:02:10그렇다고 곧바로 검색부터 시작하는 것도 아닙니다.
00:02:12무언가를 찾아보기 전에
00:02:14여러분이 하려는 일에 대해 충분히 알고 있는지 먼저 확인하죠.
00:02:16아이디어가 여전히 모호하다면
00:02:18먼저 돌아와서 몇 가지 질문을 던집니다.
00:02:20예를 들어, 이 기능이 실제로 누구를 위한 것인지,
00:02:22그 사용자에게 어떤 역할을 해야 하는지,
00:02:24예산 제약은 어떻게 되는지 물어봅니다.
00:02:26유료 솔루션을 쓸 수 있는지,
00:02:27아니면 무료 옵션을 고수해야 하는지 말이죠.
00:02:29이미 이 모든 정보를 제공했다면
00:02:31질문 단계를 완전히 건너뜁니다.
00:02:33그리고 여러분이 대답하지 않은 부분도
00:02:35혼자 넌지시 짐작하지 않습니다.
00:02:36자신이 어떤 가정을 하고 있는지 적어두기 때문에
00:02:38여러분이 보고 틀린 부분을 바로잡아 줄 수 있죠.
00:02:40그래서 실제로 조사를 시작할 때쯤이면
00:02:42무언가 구체적인 것을 찾고 있게 됩니다.
00:02:44이미 이 작업을 수행하는 유료 도구와
00:02:47같은 일을 하는 오픈소스 프로젝트를 찾아 나섭니다.
00:02:49하지만 공식 문서나 깃허브만으로는
00:02:50충분하지 않을 경우,
00:02:52X, 레딧, 유튜브까지 들어가서
00:02:55추가 정보를 얻어야 할지
00:02:56다시 물어보기도 합니다.
00:02:58다양한 곳에서 테스트하며 써본 시간으로 볼 때,
00:03:01답을 꽤 빨리 찾아내기 때문에
00:03:03보통 그런 소스까지 쓸 필요는 없습니다.
00:03:05하지만 다른 사람들이 만든 것을 살펴보는 데에는 함정이 있습니다.
00:03:09에이전트는 무조건 가장 인기 있는 것부터 찾아내려 하죠.
00:03:11깃허브에서 인기 있다는 것은 기본적으로
00:03:13가장 많은 스타를 받은 프로젝트라는 뜻인데,
00:03:15스타 수는 북마크 개수라 오직 올라가기만 합니다.
00:03:18즉, 과거에 많은 사람이 좋아했다는 뜻일 뿐이며
00:03:20여러분이 하려는 일에 적합하다는 뜻은 아닙니다.
00:03:22그리고 그보다 더 큰 문제는 셋업 그 자체입니다.
00:03:25여러분이 하려는 일을 다루는 가장 큰 프로젝트는 보통
00:03:28뒤에 전담 팀이 있고
00:03:30많은 사람이 사용하기 때문에 규모가 큰 것입니다.
00:03:31따라서 그들이 구축한 방식은 그들에게만 맞는 방식이죠.
00:03:33만약 에이전트가 그것을 그대로 복사하면,
00:03:35그 복잡한 셋업은 다 가져오면서도
00:03:37왜 그렇게 만들었는지 그 이유는 얻지 못하게 됩니다.
00:03:38그래서 이 스킬은 찾아낸 모든 프로젝트에 대해
00:03:41두 가지를 반드시 적도록 만듭니다.
00:03:43실제로 여러분에게 적용되는 부분과
00:03:44단지 그들이 규모가 커져서 생겨난 부분은 무엇인지 말이죠.
00:03:47바로 이것이 여러분의 상황에 맞춘 계획과
00:03:50다른 회사의 기업용으로 세워진 계획의 차이입니다.
00:03:52그리고 비용 문제가 있습니다.
00:03:53앱에 다이렉트 메시지 기능을 추가하고 싶다고 해봅시다.
00:03:55직접 만들 필요는 없습니다.
00:03:57스트림이나 센드버드 같은 서비스들이
00:03:59이미 전체 시스템을 구축해 두었으므로
00:04:00앱에 연동하기만 하면 되니까요.
00:04:02하지만 비용을 살펴보세요.
00:04:04센드버드의 무료 플랜은 약 100명의 사용자를 지원합니다.
00:04:06스트림은 10,000명 기준으로 한 달에 약 500달러부터 시작하죠.
00:04:09그 단계를 넘어가면 두 서비스 모두
00:04:11채팅을 여는 추가 사용자마다 비용을 지불해야 합니다.
00:04:13이러한 비용 측면을 에이전트는 대개 놓치곤 합니다.
00:04:16이것이 바로 스킬이 세 가지 서로 다른 시점에서
00:04:18비용을 확인해야 하는 이유입니다.
00:04:20첫째, 개발 중이고 아무도 쓰지 않을 때,
00:04:22둘째, 실제 사용자들이 유입되는 날,
00:04:25그리고 셋째, 서비스가 성장한 후입니다.
00:04:266개월이 지나서가 아니라 지금 당장 비용을 파악하는 것이죠.
00:04:28이 내용에 대해 더 깊이 들어가기 전에,
00:04:30채널을 구독해주시고
00:04:32좋아요 버튼을 눌러주시면 정말 감사하겠습니다.
00:04:34이 작은 지원의 손길이 저희에게는 큰 힘이 됩니다.
00:04:36스킬이 실제로 어떻게 작동하는지 살펴보기 전에,
00:04:39여기서 해결해야 했던 문제가
00:04:41무엇인지 이해하셔야 합니다.
00:04:42스킬 업데이트는 오직 한 방향으로만 이루어집니다.
00:04:44저희가 무언가를 수정해도 그걸 다운로드한 사람은
00:04:46전혀 알지 못합니다.
00:04:47그들의 복사본은 예전 상태 그대로 유지되죠.
00:04:49그래서 우리만의 무언가가 필요했습니다.
00:04:51우리가 한 번 게시하면
00:04:52커뮤니티에 속한 모든 사람들이
00:04:54업데이트된 버전에 접근할 수 있는 방식 말이죠.
00:04:57업데이트는 우리 팀에 먼저 배포된 후
00:04:59전체 커뮤니티에도 전달되도록 말입니다.
00:05:01이 문제는 실제로 커뮤니티의
00:05:03어떤 분이 지적해 주셨는데,
00:05:04그 우려는 매우 타당했습니다.
00:05:06따라서 스킬을 설치하려면
00:05:08깃허브 저장소 링크만 있으면 됩니다.
00:05:10해당 링크는 아래 설명란에 남겨두겠습니다.
00:05:12사용 중인 에이전트를 열고
00:05:15해당 링크를 붙여넣은 뒤 스킬을 설치하라고 지시하면 됩니다.
00:05:17여기서는 클라우드 코드를 사용하고 있습니다.
00:05:18따라서 .claude 폴더를 열고
00:05:20skills 폴더로 들어가 보면
00:05:22'advise project approach' 스킬이
00:05:24그곳에 고스란히 들어 있는 것을 볼 수 있습니다.
00:05:25스킬을 설치한 후에는
00:05:26해당 스킬을 참조하여 원하는 바를 알려주었습니다.
00:05:29우리가 만들고자 한 것은 웹 앱이었는데,
00:05:30그곳에 우리의 스킬들을 올려두면
00:05:32노트북에 스킬을 다운로드한 누구나
00:05:34자동으로 업데이트를 받을 수 있는 웹 앱입니다.
00:05:36현재 가지고 있는 버전이 최신 버전인지
00:05:38일일이 걱정할 필요가 없게 만드는 것이죠.
00:05:40그렇게 에이전트가 조사를 시작했습니다.
00:05:42간단한 조사를 몇 가지 진행하더니
00:05:43그 직후에
00:05:44우리에게 몇 가지 질문을 해야 한다는 것을 깨달았습니다.
00:05:47먼저, 가장 먼저 물어본 것은
00:05:48이게 누구를 위한 것인지였습니다.
00:05:49에이전트는 수많은 옵션을 제시해 주었고
00:05:51아주 유용한 조언도 해주었습니다.
00:05:52전체 커뮤니티를 위해 실제로 구현하기 전에
00:05:54먼저 우리 팀을 위해 만들어보라는 조언이었죠.
00:05:55우리 팀 역시 내부 스킬들을 사용하고 있으니까요.
00:05:57그래서 당장은 팀을 위해 구축해야 한다고 에이전트에게 알려주었습니다.
00:06:00그리고 상황을 더 복잡하게 만든 또 다른 요인은
00:06:02이 프로젝트가 어떤 에이전트들을 위한 것인가 하는 점이었습니다.
00:06:06만약 클라우드 코드 전용이었다면
00:06:09해결책은 이미 나와 있었습니다.
00:06:11클라우드 코드에는 플러그인이라는 기능이 있어서
00:06:14그것들이 자동으로 업데이트되거든요.
00:06:18하지만 우리 시청자층뿐만 아니라
00:06:20우리 자신도 코덱스를 함께 사용하기 때문에
00:06:22다른 에이전트들도 포함시키게 되었고,
00:06:24이로 인해 상황이 복잡해졌습니다.
00:06:25그다음에 에이전트가 물어본 것은 우리가 만드는 앱이
00:06:28실제로 스킬을 편집하는 용도로 쓰이냐는 것이었습니다.
00:06:30그래서 우리는 아니라고 명확히 밝혔죠.
00:06:32단지 스킬을 보관하고
00:06:33애초에 그 스킬들을 가지고 있던 사람들에게
00:06:35업데이트를 보내기 위한 용도일 뿐이라고요.
00:06:37그러자 에이전트는 추가 조사를 더 진행한 뒤
00:06:39업데이트를 기기로 자동 다운로드할 것인지
00:06:41확인하는 절차를 거쳤습니다.
00:06:43그래서 명확히 했죠,
00:06:45앱에 푸시하는 것은 수동이어야 한다고
00:06:46우리가 기술 업데이트가 필요하다고 느낄 때마다요.
00:06:49하지만 그 기술을 가진 사람은 누구나
00:06:50자동으로 받아야 한다고 했죠.
00:06:52그러자 docs 폴더를 만들었고
00:06:53그 docs 폴더 안에서
00:06:55실제로 그 프로젝트 접근 방식을 작성하고 있었어요.
00:06:58하지만 그것이 취한 방식에는 몇 가지 결함이 있었는데
00:07:00혼자서는 해결 방법을 찾아낼 수가 없었죠.
00:07:03그래서 다른 기술을 사용해야 했던 것입니다.
00:07:05하지만 그 두 번째 기술을 보기 전에,
00:07:07스폰서 말씀을 들어보겠습니다.
00:07:08러버블입니다.
00:07:09이 셀프 체크아웃 이커머스 스토어를 확인해 보세요.
00:07:11시계 판매를 위해 단 하나의 프롬프트로 만들었으며
00:07:13러버블에서 계획을 승인한 후에 제작되었습니다.
00:07:15우리는 앱에 대해 설명하는 것으로 시작했어요.
00:07:17플랜 모드의 프롬프트로요.
00:07:19먼저, 우리가 만드는 앱에 대해
00:07:20추가적인 질문을 던졌습니다.
00:07:21그런 다음 계획을 제안했는데
00:07:22앱 전체의 세부 사항과
00:07:24내린 결정들이 검증되는 방식이었죠.
00:07:25그리고 얼마 지나지 않아 우리 스토어의 첫 화면을 얻었습니다.
00:07:28러버블은 또한 MCP 서버도 제공하는데요,
00:07:31어떤 AI 에이전트와도 연결할 수 있으며
00:07:33클로드 코드, 커서, 코덱스를 이용해 빌드할 수 있습니다.
00:07:36결제는 보통 AI 빌더들이 막히는 부분이지만
00:07:39러버블은 이를 설정하고 글로벌 세금까지 처리해 주므로
00:07:41개발자가 앱을 라이브로 전환하기 전에
00:07:43안전하게 테스트할 수 있습니다.
00:07:45따라서 아이디어 단계에서 고객의 실제 주문을 받는
00:07:47라이브 앱으로 곧바로 전환할 수 있습니다.
00:07:49그러니 아래 설명란의 링크를 통해
00:07:51러버블로 개발을 시작해 보세요.
00:07:53그 기술로 넘어가기 전에,
00:07:55첫 번째 기술이 이미 전체 계획을 건네주었는데도
00:07:57왜 두 번째 기술이 필요한지 설명해 드리겠습니다.
00:07:59첫 번째 기술이 가져온 것은
00:08:01skills CLI였습니다.
00:08:03에이전트에 기술을 설치하기 위해
00:08:04터미널에서 실행하는 도구인데요,
00:08:06우리가 원하던 부분 중 상당수를
00:08:08이미 파악하고 있었습니다.
00:08:09또한 웹앱을 만들 필요가 없으며
00:08:10이것에 대해 더 나은 접근 방식이
00:08:11있다고 알려주기도 했죠.
00:08:13당분간은요,
00:08:14앱을 다듬고 팀만을 위해
00:08:16만드는 동안에는 말이죠,
00:08:17스토어를 위한 뭔가를 구축할 필요가 없다고 했어요.
00:08:19당장은 기술들을 깃허브에 저장할 수 있다는 것이었죠.
00:08:21커뮤니티를 위해 정식 출시할 때가 되면
00:08:23스토어 문제를 다시 살펴보면 된다고요.
00:08:25이미 앞서 말했듯이,
00:08:26여러분이 만들고자 하는 것의 대부분은
00:08:27이미 다른 사람이 만들어 놓았고
00:08:29깃허브에 올라와 있으며
00:08:30그것이 바로 첫 번째 기술이 찾아내는 데
00:08:32탁월한 분야입니다.
00:08:34하지만 그 무언가가 실험적이어서
00:08:35아무도 출시한 적이 없다면
00:08:37막히게 되죠.
00:08:38그렇다고 아무도 연구한 적이 없다는 뜻은 아닙니다.
00:08:40개념은 이미 존재할 수 있으니까요.
00:08:42우리 앱의 작은 부분에도 그런 문제가 있었습니다.
00:08:44우리가 실제로 만들고 있는 것은
00:08:45다른 사람들의 노트북에 지침을 자동으로 푸시하는
00:08:48그런 기능이었는데,
00:08:49첫 번째 기술은 바로 그 부분을
00:08:51주의해야 할 점으로 지목했습니다.
00:08:52그러고 나서
00:08:53가리킬 만한 자료가 세상에 없었기 때문에
00:08:54멈춰 섰죠.
00:08:56바로 그때 두 번째 기술이 등장합니다.
00:08:57뉴로 아카이브라고 불리는 기술이죠.
00:08:59아카이브라는 플랫폼을 검색하는 방식으로 도움을 줍니다.
00:09:01실제 연구원들이 자신의 연구를 발표하는 곳이죠.
00:09:04대학과 연구소의 사람들인데,
00:09:05특정 문제 하나에 몇 달을 보내고
00:09:08때로는 몇 년을 바치는 것이 온갖 업무인 사람들입니다.
00:09:10그리고 자신들이 무엇을 알아냈고 무엇이 효과가 없었는지
00:09:12정확히 기록해 두죠.
00:09:13그러면 다른 연구원들이 그것을 읽고 파고듭니다.
00:09:16이 모든 것은 무료이며 공개되어 있어요.
00:09:17지금 여러분이 만들고 있는 거의 모든 것들이
00:09:19거기서 시작되었습니다.
00:09:20ChatGPT를 가능하게 만든 기술의
00:09:22배경이 되는 논문은
00:09:23제품이 나오기도 수년 전에 아카이브에 올라왔습니다.
00:09:26따라서 무언가 실험적인 것을 만들고 있다면
00:09:28그 개념이 이미 머물러 있는 곳이 바로 거기입니다.
00:09:30이 기술이 실행되는 방식은
00:09:31여러분의 문제를 받아들여
00:09:32실제로 일치하는 연구 분야를 선택하는 것입니다.
00:09:35그런 다음 논문들을 가져오는데,
00:09:36그 논문들을 읽는 방식이 바로 핵심적인 부분입니다.
00:09:39한 번에 전부 다 읽지 않아요.
00:09:40모든 논문에는 각자의 하위 에이전트가 배정됩니다.
00:09:42기본적으로 메인 에이전트가
00:09:44시작할 수 있는 또 다른 에이전트이며
00:09:46새로운 컨텍스트 윈도우를 갖고
00:09:47메인 에이전트가 직접 프롬프트를 줄 수 있어서
00:09:50여러분이 따로 뭔가를 할 필요가 없습니다.
00:09:51논문당 한 명의 독자가 붙는 셈이고
00:09:53그들 중 누구도 다른 이들이
00:09:54무엇을 보고 있는지 볼 수 없으며
00:09:55모두 읽은 후에
00:09:57하나의 답으로 수렴합니다.
00:09:58그래서 이 기술이 해결한 문제는
00:10:00우리가 파일들을 사람들의 노트북에
00:10:01자동으로 푸시하고 있었는데
00:10:03이것이 어떤 보안 문제를 야기할지
00:10:04전혀 알지 못했다는 점이었습니다.
00:10:0612개의 논문을 가져와서는
00:10:08어떤 논문이 우리에게 실제로 적용되는지
00:10:09여러 번 검토를 거친 끝에
00:10:11하나를 낙점했습니다.
00:10:12패키지 시스템에 관한 논문이었는데,
00:10:14논문에서 다룬 기법을 구현하고
00:10:16테스트를 거쳐 정상 작동을 확인했습니다.
00:10:17테스트를 거쳐 정상 작동을 확인했습니다.
00:10:19따라서 이전 기술과 마찬가지로,
00:10:21링크를 제공했고
00:10:22바로 여기서 볼 수 있듯이 기술 폴더에 설치했습니다.
00:10:24바로 여기서 볼 수 있듯이 말이죠.
00:10:25그런 다음 기술을 로드했고
00:10:26보시다시피,
00:10:27하위 에이전트들을 생성하여
00:10:28각각 각의 논문을 하나씩 읽도록 했습니다.
00:10:31수정을 구현한 후에는
00:10:32작동하는 버전의 도구를 완성하게 되었죠.
00:10:35CLI 도구인데,
00:10:36단순히 터미널 안에서 실행된다는 뜻입니다.
00:10:38이러한 코딩 에이전트들은
00:10:40이미 터미널 자체에서 실행되므로
00:10:42직접 사용하여
00:10:43혼자서 모든 작업을 수행할 수 있습니다.
00:10:45이것이 실제로 작동하는 방식입니다.
00:10:46우리 쪽에서는 명령어 두 개면 됩니다.
00:10:48이미 가지고 있는 기술을 가리키게 한 다음
00:10:50배포하는 것이죠.
00:10:51클로드 코드에게 배포하라고 지시할 수도 있으며
00:10:53그것을 통해 도움을 받을 수 있습니다.
00:10:55그러면 다른 모든 사람들의 에이전트가
00:10:56에이전트를 다시 열 때마다
00:10:58백그라운드에서 이를 다운로드합니다.
00:11:00각자 노트북에 설치하기만 하면
00:11:02클로드 코드와 코덱스에 자동으로 연동되어 작업을 수행합니다.
00:11:05작업을 수행하죠.
00:11:06현재 우리는 이 둘을 따로따로 사용하고 있으며
00:11:09두 링크 모두 아래에 남겨두겠습니다.
00:11:11하지만 따로 실행하는 것에는 문제가 있습니다.
00:11:13두 번째 것은 실행 비용이 많이 들고
00:11:14만드는 것들의 대부분은 그것이 필요 없다는 점이죠.
00:11:16그래서 실행하지 않게 됩니다.
00:11:17그러다 정작 필요했던 유일한 순간에는
00:11:19귀찮아서 실행하지 않게 되죠.
00:11:20그래서 우리는 이 둘을 결합한 헤드 스타트라는
00:11:22별도의 기술을 만들었습니다.
00:11:24모든 것에 첫 번째 기술을 실행하고
00:11:26정말로 새로운 무언가와 부딪힐 때만
00:11:27두 번째 기술을 끌어들이는 방식이죠.
00:11:29테스트해 본 결과 매우 잘 작동했습니다.
00:11:31그 기술은 저희 커뮤니티 AI 랩스 프로에 있습니다.
00:11:34거기서 영상에서 보여드린 다른 기술과 리소스는 물론
00:11:37저희 팀과 소통할 수 있는
00:11:38공간도 찾아보실 수 있습니다.
00:11:41그러니 저희의 활동이 유익했고
00:11:43채널을 지원하고 싶으시다면
00:11:44이것이 가장 좋은 방법입니다.
00:11:46링크는 설명란에 있습니다.
00:11:47이것으로 이번 영상은 마무리하겠습니다.
00:11:49채널을 지원하고 싶으시거나
00:11:50이와 같은 영상을 계속 만드는 데 도움을 주고 싶다면
00:11:53아래의 슈퍼 땡스 버튼을 통해 그렇게 하실 수 있습니다.
00:11:55언제나 그렇듯 시청해 주셔서 감사드리며
00:11:57다음 영상에서 뵙겠습니다.
00:11:59감사합니다.