📖 EduPrompT (EUPMD Framework) MOC

1. 프로젝트 목적 (Purpose)

• Generative Authorship: 인공지능이 인간의 철학적 깊이를 유지하면서도 체계적이고 방대한 분량의 도서를 집필할 수 있도록 돕는 전문 글쓰기 프레임워크(EUPMD) 개발 및 실증.
• Synthesizing Wisdom: [[05 Projects/EduPrompT/사과 하나의 무게_최종본|사과 하나의 무게]]라는 구체적인 결과물을 통해 AI 저작물의 새로운 표준 제시.

2. EUPMD 프레임워크 핵심 단계

1. Explore (탐색): 주제에 대한 거대 질문(Big Questions) 도출 및 철학적 배경 조사.
2. Understand (이해): 파편화된 정보를 논리적 체계(DNA)로 재구성.
3. Plan (기획): 전체 목차 설계 및 각 장별 핵심 메타포(Metaphor) 설정.
4. Manifest (집필): “달의 이성” 문체를 적용하여 감성과 이성이 공존하는 본문 생성.
5. Develop (고도화): 퇴고 에이전트를 통한 논리적 무결성 및 가독성 검증.

3. 기술적 구현 및 에이전트

• Book Architect: 전체 책의 뼈대와 일관된 논리 흐름 관리.
• Research Curator: 집필에 필요한 외부 지식 및 사례 수집.
• Ghostwriter: 설정된 문체와 은유를 바탕으로 실제 문장 생성.
• Related Master: [[05 Projects/AI_Publisher/PUBLISHER_MASTER_CONTROL|AI Publisher Master Controller]].

4. 성과 및 리소스

• Result Document: [[05 Projects/EduPrompT/사과 하나의 무게_최종본|사과 하나의 무게 (최종본)]]
• Cold Storage Archive: EduPrompT_Archive.zip (기획안v1~17, 스크립트, 중간 원고 포함)
• Source Code (External): F:/dev/Book_Editing_Agent

Status Note: AI 도서 집필 프레임워크 구축 및 실전 원고 제작 완료. 지식의 구조화와 언어적 미학이 결합된 ‘지능형 저작 시스템’으로서의 효용성 입증.

🎯 Darlbit Level Test System MOC

1. 프로젝트 목표 (Purpose)

학습자의 영어 능력을 국제 표준인 CEFR(Common European Framework of Reference for Languages) 기준으로 객관적으로 측정하고, 단순 점수를 넘어선 다차원적 역량 분석(20 Rubrics)을 제공하는 진단 도구.

2. 진단 레벨 구성 (CEFR Levels)

• PRE-A1: 입문 (기초 파닉스 및 단어 수준)
• A1: 기초 (미국 초등 1.5-3.5 학년 가독성)
• A2: 초중급 (미국 초등 3.5-5.0 학년 가독성)
• B1: 중급 (미국 초등 5.0-7.0 학년 가독성)
• B2: 중상급 (고교 심화 및 성인 기본 원서 수준)

3. 핵심 시스템 아키텍처

• Test Generator: CEFR 지수와 어휘 난이도를 유지하며 자동으로 문항과 지문을 생성.
• 20-Point Analysis Rubric: 문법, 어휘, 추론, 논리 흐름 등 20가지 상세 항목으로 학습자의 강/약점 도출.
• Automated Reporting: 테스트 직후 AI가 분석하여 학습자의 현재 상태와 ‘Next Step’ 로드맵을 리포트 형태로 출력.

4. 리소스 및 경로

• Source Code Path: F:/dev/darlbit-lv-test-system
• Tech Stack: Python, Gemini/Claude API integration, Report Generation Engine.

Status Note: 레벨별 문항 DB 및 자동 채점/분석 알고리즘 고도화 완료. 정기적인 레벨 테스트 및 입학 진단용으로 활용 중.

🎭 Claude Skills MOC

1. 프로젝트 목적 (Purpose)

• Advanced Logic Mastery: Anthropic Claude 모델(특히 3.5 Sonnet)의 고유한 강점인 ‘정교한 지시 이행’과 ‘복잡한 논리 설계’를 극대화하여 전문적인 코딩 및 분석 업무에 투입.
• Tool-Use Integration: Claude가 외부 API나 로컬 도구를 직접 제어하여 실질적인 과제를 해결하는 ‘Computer Use’ 및 ‘Function Calling’ 기능의 고도화.

2. 주요 기술 및 활용 영역

• Structured Logic Design: [[05 Projects/02 F-Drive-Index/english-exam-question-evaluator|Exam Evaluator]] 및 [[05 Projects/02 F-Drive-Index/homework-system|Homework System]]의 복잡한 데이터 구조 분석 및 리팩토링.
• Artifacts Integration: Claude의 아티팩트(Artifacts) 기능을 활용하여 웹 프로토타입이나 시각화 결과물을 실시간으로 반복 수정(Iterative design).
• Nuanced Writing: “달의 이성” 문체가 가진 철학적 깊이를 텍스트로 구현하기 위한 전용 ‘Style Prompt’ 최적화.

3. 핵심 아키텍처 및 도구

• Claude API SDK: Anthropic API를 통한 서버 사이드 연동 및 대화 맥락 관리.
• Custom System Instructions: 클로드 특유의 ‘비판적 사고’ 유도를 위한 전용 시스템 프롬프트 라이브러리.

4. 리소스 및 경로

• Source Code Path: F:/dev/claude-skills
• Related Project: [[05 Projects/AI_Model_Update_System_MOC|AI Model Management Hub]]

Status Note: 클로드 특화 논리 분석 및 도구 연동 엔진 구축 완료. 제텔카스텐 내에서 고난도의 아키텍처 설계 및 심층 텍스트 분석이 필요할 때 호출되는 ‘정밀 지능 유닛’으로 운용 중.

💰 CC Usage (Cloud Cost Monitor) MOC

1. 프로젝트 목적 (Purpose)

• API Cost Optimization: Gemini, OpenAI, Claude 등 여러 AI 모델의 API 사용량과 발생 비용을 실시간으로 추적하여 프로젝트별 가용 예산을 관리.
• Resource Transparency: 대량의 콘텐츠 생성 파이프라인([[05 Projects/Blogging_Pipeline_MOC|Blogging Pipeline]] 등) 운영 시 발생하는 비용의 효율성을 분석.

2. 주요 기능 및 대시보드

• Usage Aggregator: 다양한 AI 프로바이더의 대시보드 데이터를 통합하여 하나의 뷰(Single View)로 시각화.
• Daily Budget Alerts: 설정된 일일 비용 상한액에 도달할 경우 알림을 발송하여 과청구 방지.
• Cost-per-Content Analysis: 블로그 글 한 건 또는 학습지 1세트당 발생한 평균 API 비용을 산출하여 생산성 지표로 활용.

3. 기술 스택

• Language: Node.js / TypeScript
• CLI & Web Interface: 터미널 기반의 빠른 확인(CLI) 및 상세 분석용 웹 대시보드 제공.
• Integrations: Google Cloud Billing API, OpenAI Usage API, Vercel Billing 등.

4. 리소스 및 경로

• Source Code Path: F:/dev/ccusage
• Related Infra: [[05 Projects/GitHub_Infra_MOC|Infrastructure Secrets Management]]

Status Note: 주요 AI API 비용 트래킹 모듈 및 로컬 대시보드 구축 완료. 에코시스템 내 모든 유료 지능 자원의 비용 효율성을 감시하는 ‘재무 컨트롤 타워’로 운용 중.

🎨 만화-공방 (AI Cartoon Workshop) MOC

1. 프로젝트 개요 (Overview)

• AI 기반 비주얼 스토리텔링: 사용자의 텍스트 시나리오를 바탕으로 AI가 캐릭터 구성, 레이아웃 설계, 그리고 최종 웹툰/만화 컷을 생성해주는 창작 도구.
• AI Studio Integration: Google AI Studio 환경과 연동되어 최신 멀티모달 모델(Gemini)을 활용한 이미지 및 스토리 일관성 유지.

2. 주요 기능 (Key Features)

• 시나리오-투-웹툰: 텍스트 형태의 시나리오를 바탕으로 만화 칸(Panel)별 이미지 및 말풍선 내용 자동 생성.
• 캐릭터 일관성 관리: AI Studio의 컨텍스트를 활용하여 장면에 관계없이 캐릭터의 외형을 일정하게 유지.
• 인터랙티브 레이아웃: 생성된 컷들을 사용자가 웹 UI에서 자유롭게 재배치하고 편집할 수 있는 도구 제공.
• 원클릭 배포: 로컬 환경에서 작업한 결과물을 AI Studio 앱으로 즉시 출시하거나 이미지 시퀀스로 내보내기.

3. 기술 스택

• Model: Google Gemini 2.0 (Vision & Reasoning)
• Runtime: Node.js / Express
• Frontend: Canvas API 및 웹 컴포넌트 기반 리치 인터페이스
• Deployment: Local Host / Google AI Studio Cloud

4. 리소스 및 경로

• Source Code Path: F:/dev/만화-공방
• Deployment URL: AI Studio App

Status Note: AI Studio 연동 및 기본적인 컷 생성 파이프라인 완성. 교육용 학습 만화나 개인 창작 웹툰의 초안 제작 도구로 최적화됨.

🧬 Deep Analysis: 3 Ways to End a Virus

1. 지문 개요 (Core Synopsis)

• Source: [[00 Inbox/RAG_Imports/[TED-Ed] 3 ways to end a virus|TED-Ed]]
• Core Question: “엄청난 개체수를 가진 바이러스도 과연 멸종할 수 있는가? 그렇다면 어떤 경로를 통하는가?”

2. Text DNA Sequencing (논리 구조 분석)

이 지문은 ‘변이 간의 경쟁’이라는 사고 실험을 통해 도입한 후, 바이러스 멸종의 3가지 메커니즘을 분류(Classification) 형식으로 설명합니다.

1. Host Scarcity (숙주의 부재):
   • 숙주가 없어지면 바이러스는 생존할 수 없음. (사회적 거리두기 등으로 인한 인플루엔자 B/Yamagata 사례)
   • 지나치게 치명적인 바이러스는 숙주를 모두 죽여 스스로 멸종할 위험이 있으나, 진화(변이)를 통해 독성을 낮추어 공존을 선택함. (호주 토끼 점액종 바이러스 사례)
2. Vaccination (백신 접종):
   • 강력한 백신을 통해 인간이 승리하는 경우. (천연두, 우역/Rinderpest 멸종 사례)
3. Competition (변이 간 경쟁/Outcompetition):
   • 더 전염력이 강한 변이가 기존 변이를 밀어냄. (델타 변이가 알파 변이를 멸종시킨 사례)
   • 하지만 서로 다른 ‘니치(Niche)’를 차지하는 바이러스들은 공존함.

3. Moonlight Academy 교육 가치 이식

• Vocabulary Mining: Transmissible, Extinction, Lineage, Reservoir, Lethal, Niche, Co-exist, Universal vaccine.
• Logical Flow: ‘Thought Experiment’ -> ‘General Rule’ -> ‘Specific Cases’ -> ‘Conclusion (Future Goal)’.
• Science Literacy: 바이러스의 진화적 생존 전략(감염력 vs 독성)의 상관관계를 이해하고 설명하는 훈련.

4. 관련 지식 연결

• Related Project: [[05 Projects/ECTURA_AI_MOC|과학 지문 독해 모듈]]
• Archive: [[05 Projects/TED_Ed_Knowledge_Library_MOC|TED-Ed Master Hub]]

Status Note: 바이러스학의 기초 개념을 경쟁과 공존이라는 프레임으로 설명한 지문. 수능 및 학교 내신에서 자주 다뤄지는 ‘생물학적 경쟁’과 ‘공중보건’ 테마의 핵심 전거로 활용됨.

🧬 Deep Analysis: A Brief History of Toilets

1. 지문 개요 (Core Synopsis)

• Source: [[00 Inbox/RAG_Imports/[TED-Ed] A brief history of toilets|Francis de los Reyes (TED-Ed)]]
• Core Theme: “공중보건의 핵심인 폐기물 처리가 인류 문명 발전과 어떻게 함께해 왔는가? 고대 로마에서 현대의 수세식 변기까지.”

2. Text DNA Sequencing (위생의 기술적 진화)

이 지문은 하수 처리 기술의 발전을 보건 정책과 기술적 발명(Public Health & Invention)의 인과관계로 풀어냅니다.

1. Ancient Foundations: 3000 BCE 메소포타미아의 점토 구조물, 인더스 문명의 하수망, 로마의 수로(Aqueducts).
2. The Dark Ages (위생의 암흑기): 로마 멸망 후 유럽의 비위생적 상태(Chamber pots). 콜레라, 이질 등 전염병의 온상이 됨.
3. Technical Breakthroughs:
   • 1596: John Harrington의 최초 수세식 변기 (냄새 문제 미해결).
   • 1775: Alexander Cumming의 S-trap (U-bend) 발명. 물을 채워 악취를 차단하는 핵심 원리.
4. Modern Inequity: 수십억 명의 인구가 여전히 개인 화장실 없이 질병에 노출된 상태. 사회적, 재정적 불평등의 문제로 전환.

3. Moonlight Academy 교육 가치 이식

• Vocabulary Mining: Pivotal, Cesspit, Flushed, Noxious, Aqueduct, Compost, Excrement, Inequity.
• Logical Connectives: Simultaneously, However, Surprisingly influential.
• Discussion Point: “화장실 보급은 단순한 ‘편리함’의 문제인가, 아니면 ‘기본권’의 문제인가? 저개발 국가의 위생 문제를 해결하기 위한 기술적/정치적 해법은?”

4. 관련 지식 연결

• Related Project: [[05 Projects/ECTURA_AI_MOC|보건 및 환경 독해 모듈]]
• Archive: [[05 Projects/TED_Ed_Knowledge_Library_MOC|TED-Ed Master Hub]]

Status Note: 하수 처리 시스템이라는 실용적 기술을 통해 인류의 생존과 문명적 성취를 보여주는 지문. 과학적 원리(기압/냄새 차단)와 사회적 이슈(불평등)가 잘 결합되어 있음.

🧬 Deep Analysis: 3 Tips on How to Study Effectively

1. 지문 개요 (Core Synopsis)

• Source: [[00 Inbox/RAG_Imports/[TED-Ed] 3 tips on how to study effectively|TED-Ed]]
• Core Question: “뇌의 기억 저장 원리를 바탕으로 한 가장 효율적인 학습 방법은 무엇인가?”

2. Text DNA Sequencing (기억의 과학과 전략)

이 지문은 뇌과학적 원리(입력-저장-인출)를 바탕으로 3가지 핵심 전략을 병렬적(Parallel)으로 제시합니다.

1. Retrieval Practice (인출 연습): 단순히 다시 읽는 것(Passive)보다 시험을 치는 것(Active Recall)이 기억을 강화함. (관련 개념: [[00 Brain Kernel/00_Metacognition|Metacognition]])
2. Interleaving (교차 학습): 한 번에 한 주제만 파는 것보다 여러 주제를 섞어서 공부할 때 뇌가 일시적으로 ‘망각’했다가 ‘인출’하는 과정을 반복하며 기억이 더 단단해짐.
3. Spaced Repetition (분산 학습): 벼락치기(Cramming)보다 며칠에 걸쳐 나누어 공부할 때, 수면 중 ‘신피질(Neocortex)’로의 지식 전이가 원활해짐.

3. Moonlight Academy 교육 가치 이식

• Vocabulary Mining: Suture, Neurons, Hippocampus, Neocortex, Retrieval, Competence, Interleaving, Retention.
• Logical Connectives: Gradually, Crucially, After all, Yet.
• Discussion Point: “우리는 왜 효율적이지 않은 ‘다시 읽기’나 ‘벼락치기’에 끌리는가? 뇌의 착각(False sense of competence)을 어떻게 극복할 것인가?”

4. 관련 지식 연결

• Related Project: [[05 Projects/Fullstack_Mastery_MOC|학습 전략 모듈]]
• Instruction Tool: [[05 Projects/TED_Worksheet_Generator_MOC|TED Worksheet Generator]]를 통해 ‘나만의 복습 플래너’ 제작 유도.

Status Note: 학습자 스스로 자신의 학습 방식을 교정하게 만드는 메타인지 강화 지문. 뇌과학 용어와 실용적 학습 팁이 결합되어 있어, 학생들의 실질적인 성적 향상과 직결되는 콘텐츠로 활용됨.

🧬 Deep Analysis: A Brief History of Plural Word…s

1. 지문 개요 (Core Synopsis)

• Source: [[00 Inbox/RAG_Imports/[TED-Ed] A brief history of plural word…s|John McWhorter (TED-Ed)]]
• Core Question: “영어 복수형은 왜 규칙적인 ‘-s’와 불규칙한 형태가 공존하는가? 왜 ‘book’은 ‘books’인데 ‘goose’는 ‘geese’인가?”

2. Text DNA Sequencing (언어의 복잡성에서 스트림라이닝으로)

이 지문은 영어의 역사를 언어 접촉과 단순화(Language Contact & Simplification) 관점에서 흥미롭게 풀어냅니다.

1. Old English Complexity (고대 영어의 혼란): 독일어와 유사하게 사물에 성별(Gender)이 있었고, 복수형을 만드는 방법이 오늘날보다 훨씬 복잡했음. (예: goat -> gat, book -> beek, egg -> eggru)
2. Viking Invasion (바이킹의 침공): 8세기 스칸디나비아인들의 유입. 성인 학습자였던 그들은 복잡한 굴절(Inflection) 시스템을 배우기 어려워했고, 가장 범용적인 ‘-s’ 형태로 단순화(Streamlining)함.
3. The Result of Marriage & Contact: 바이킹과 영국인들의 활발한 교류를 통해 단순화된 영어(Streamlined English)가 표준으로 자리 잡음.
4. Hold-outs (고립적 잔류): children, teeth, feet 등 일상에서 너무 많이 사용되어 습관을 깨기 어려웠던 극소수의 단어들만이 불규칙형으로 남음.

3. Moonlight Academy 교육 가치 이식

• Vocabulary Mining: Inanimate, Streamlined, Inflection, Hold-out, Ancestors, Marvelous.
• Logical Flow: ‘Anomaly Discovery’ -> ‘Backstory (Old English)’ -> ‘The Turning Point (Vikings)’ -> ‘The Result’.
• Linguistic Insight: 언어의 변화가 ‘침략과 정복’이라는 역사적 사건을 통해 어떻게 실용적으로 압축되었는지 이해하기.

4. 관련 지식 연결

• Related Project: [[05 Projects/ECTURA_AI_MOC|영어학 및 고전 독해]]
• Archive: [[05 Projects/TED_Ed_Knowledge_Library_MOC|TED-Ed Master Hub]]

Status Note: 영어 학습자들이 가장 궁금해하는 ‘불규칙 변화의 이유’를 언어학적/역사적 관점에서 명쾌하게 설명함. 언어의 ‘경제성’과 ‘역사성’을 동시에 이해하게 만드는 최고의 교양 지문.