Public CMS Preview
로그인 없이 확인하는 원주 ICT 빅데이터 중급 CMS 프리뷰입니다. AI 역량 진단과 만들고 싶은 업무 도구 설문부터 1일차 Google AI Studio Build, 2일차 Cursor 기반 CRP-LC100 QC 대시보드 실습까지 전체 모듈과 스텝을 보여줍니다.
Modules
25
Steps
132
자동화 도구에서 바이브코딩, 에이전트 활용까지 이어지는 흐름을 이해하고 2일 워크숍의 학습 목표를 정렬합니다.
9 steps
Step 1
이론 01 · AI 실무 흐름과 과정 오리엔테이션
유스튜디오 | USLAB AI 팀 | 강사 양승철 pd@ustudio.co.kr
이 Learn 과정은 인쇄용 워크북 합본과 같은 순서로 구성되어 있습니다.
Step 2
이론 01 · AI 실무 흐름과 과정 오리엔테이션
| 시간 | 공식 세션명 | 도구 | 실제 진행 핵심 |
|---|---|---|---|
| 09:00~09:30 | 오리엔테이션 및 과정 소개 | uslab-learn/Form | 사전 진단 결과 확인 · 만들고 싶은 앱 설문 · 한 문장 목표 작성 |
| 09:30~10:30 | 의료·바이오 데이터 리터러시 | AI Studio | 데이터 유형 · 좋은 프롬프트 5요소 · 요구사항 입력/처리/출력 정리 |
| 10:40~12:00 | AI 기반 데이터 분석 기초 | AI Studio Build | 앱① QC 판정 체크리스트 |
| 13:00~14:20 | 생성형 AI 활용 사례 이해 | AI Studio Build | 앱② 시험성적서 요약기 |
| 14:30~15:40 | 프롬프트로 데이터 다루기 | AI Studio Build | 앱③ CAPA 원인분류 또는 개인 앱 아이디어 축소 |
| 15:50~17:20 | 실습: 문서·표 데이터 정리하기 | AI Studio + 이론 | 앱 결과 정리표 마무리 + 배포·서버·API·보안 이론 |
| 17:20~17:50 | Q&A 및 정리 | Cursor 설치 | 회고 + Cursor 설치·로그인 + 2일차 대시보드 티저 |
Step 3
이론 01 · AI 실무 흐름과 과정 오리엔테이션
| 시간 | 공식 세션명 | 도구 | 실제 진행 핵심 |
|---|---|---|---|
| 09:00~09:30 | 전일 리뷰 및 실습 안내 | Cursor | 폴더 열기 · pip install · streamlit run |
| 09:30~10:30 | 바이브코딩 기초 이해 | Cursor | Chat/Agent 차이 · 프로젝트 설명 · CSV 컬럼 의미 파악 |
| 10:40~12:00 | 데이터 분석 프로토타입 기획 | Cursor | 추가 기능 선택 · 입력/처리/출력 설계 · 수정 프롬프트 준비 |
| 13:00~14:20 | 실습: 데이터 분석 기능 만들기 | Cursor Agent | 기능 1개 추가 · 앱 실행 · 오류 메시지로 복구 |
| 14:30~15:40 | 화면 구성 및 시각화 | Cursor | KPI·차트·표·요약 문장 다듬기 |
| 15:50~17:00 | 테스트 및 결과 공유 | Cursor | 실행·데이터 검증(500건/FAIL 43) · 1인 2분 발표 |
| 17:00~17:50 | 정리 및 수료 | - | 2일 회고 · 업무 적용 계획 · 사후 설문 · 수료 |
Step 4
이론 01 · AI 실무 흐름과 과정 오리엔테이션
본 과정의 진단평가, 학습 목표 작성, 단계별 실습은 USLab Learn 플랫폼에서도 진행할 수 있습니다.
| No | 구분 | 제목 |
|---|---|---|
| 01 | 이론 01 | AI 실무 흐름과 과정 오리엔테이션 |
| 02 | 이론 02 | 의료·바이오 데이터 리터러시 |
| 03 | 이론 03 | 좋은 프롬프트 5요소와 4패턴 |
| 04 | 이론 04 | Google AI Studio Build 실습 |
| 05 | 실습 01 | AI Studio Build 기본 사용법 |
| 06 | 실습 02 | QC 판정 체크리스트 앱 만들기 |
| 07 | 실습 03 | 시험성적서 요약 앱 만들기 |
| 08 | 실습 04 | CAPA 원인분류 앱 만들기 |
| 09 | 이론 05 | 생성형 AI 활용 사례와 한계 |
| 10 | 이론 06 | 배포·서버·보안 기초 |
| 11 | 이론 07 | Cursor 온보딩과 개발환경 기초 |
| 12 | 실습 05 | Cursor 온보딩 |
| 13 | 이론 08 | QC 대시보드와 데이터 분석 |
| 14 | 실습 06 | QC 대시보드 Cursor 핸즈온 |
| 15 | 이론 09 | 규제·안전·평가와 수료 후 적용 |
Step 5
이론 01 · AI 실무 흐름과 과정 오리엔테이션
자동화 도구에서 바이브코딩, 에이전트 활용까지 이어지는 흐름을 이해하고 2일 워크숍의 학습 목표를 정렬합니다.
키워드: 오리엔테이션 · AI 트렌드 · 학습 목표 · 역량 진단
작년에는 Make, n8n 같은 자동화 도구가 반복 절차를 대신하는 방식이 주목받았습니다. 이후 Cursor, GitHub Copilot 같은 바이브코딩 도구가 “내가 원하는 도구를 직접 만드는” 경험을 열었습니다.
랩온어칩·체외진단 현장은 문서와 데이터가 많지만 전담 개발 인력이 항상 붙어 있지 않습니다. 비개발 실무자가 AI로 작은 도구를 만들 수 있으면 업무 병목을 빠르게 줄일 수 있습니다.
하나의 도구가 모든 것을 해결하지 않습니다. 단계별로 도구를 구분해야 수업 흐름이 자연스럽습니다.
| 단계 | 도구 | 목적 |
|---|---|---|
| 아이디어 확인 | Google AI Studio Build | 말로 앱 시안을 빠르게 확인 |
| 실제 파일 수정 | Cursor | 코드·CSV·설정 파일 기반 프로젝트 수정 |
| 실행 확인 | Python + Streamlit | 데이터 앱을 브라우저에서 확인 |
| 보존·공유 | Git/GitHub | 변경 이력과 배포 준비 |
Step 6
이론 01 · AI 실무 흐름과 과정 오리엔테이션
자동화 도구에서 바이브코딩, 에이전트 활용까지 이어지는 흐름을 이해하고 2일 워크숍의 학습 목표를 정렬합니다.
키워드: 오리엔테이션 · AI 트렌드 · 학습 목표 · 역량 진단
개발자가 되는 것이 아니라 AI와 협업해 업무 문제를 작은 도구로 바꾸는 감각을 얻는 것이 목표입니다.
“나는 [데이터/문서]를 입력하면 [결과]를 보여주는 앱을 만들고 싶다.” 이 문장이 2일 동안의 실습 기준입니다.
비개발자 실습은 도구보다 운영 설계가 중요합니다.
Step 7
이론 01 · AI 실무 흐름과 과정 오리엔테이션
자동화 도구에서 바이브코딩, 에이전트 활용까지 이어지는 흐름을 이해하고 2일 워크숍의 학습 목표를 정렬합니다.
키워드: 오리엔테이션 · AI 트렌드 · 학습 목표 · 역량 진단
공식 세션명은 그대로 유지하고, 각 세션 안에서 최신 AI 도구 활용 방식으로 운영합니다.
AI는 정답을 대신 내는 도구가 아니라 요구사항을 코드와 문서로 바꿔주는 협업 도구입니다.
> 이 과정의 목표는 개발자가 되는 것이 아닙니다. 내 업무를 AI가 이해할 수 있는 구조로 바꾸고, 작은 도구로 확인하는 법을 배우는 것입니다.
Step 8
이론 01 · AI 실무 흐름과 과정 오리엔테이션
자동화 도구에서 바이브코딩, 에이전트 활용까지 이어지는 흐름을 이해하고 2일 워크숍의 학습 목표를 정렬합니다.
키워드: 오리엔테이션 · AI 트렌드 · 학습 목표 · 역량 진단
AI Studio Build로 앱 시안을 최소 1개 이상 만들고, 내 업무 아이디어를 Cursor 실습 명세로 바꿉니다.
실제 CSV 500행이 들어 있는 Streamlit 대시보드를 Cursor로 열고 기능을 하나 이상 추가합니다.
시작 단계에서 내 업무 맥락을 떠올려 봅니다.
Step 9
이론 01 · AI 실무 흐름과 과정 오리엔테이션
자동화 도구에서 바이브코딩, 에이전트 활용까지 이어지는 흐름을 이해하고 2일 워크숍의 학습 목표를 정렬합니다.
키워드: 오리엔테이션 · AI 트렌드 · 학습 목표 · 역량 진단
다음 발표자료에서는 의료·바이오 현장의 데이터가 왜 단순 숫자가 아니라 문서·표·기준·판정 맥락인지 설명합니다.
각 발표자료의 마지막에는 바로 다음 핸즈온으로 넘어갈 수 있도록 산출물을 하나 정합니다.
QC CSV, 시험성적서, CAPA, SDS, 실험기록지, 장비점검표를 AI 활용 데이터로 다시 정의합니다.
6 steps
Step 1
이론 02 · 의료·바이오 데이터 리터러시
QC CSV, 시험성적서, CAPA, SDS, 실험기록지, 장비점검표를 AI 활용 데이터로 다시 정의합니다.
키워드: 데이터 리터러시 · 랩온어칩 · 체외진단 · 문서·표 데이터
의료·바이오 현장의 데이터는 숫자, 문서, 표, 기준, 판정 맥락이 함께 얽혀 있습니다.
AI가 읽기 쉬운 정도는 데이터의 구조화 수준에 따라 달라집니다.
| 유형 | 예시 | AI 처리 난이도 |
|---|---|---|
| 정형 | QC CSV, 장비 로그 | 상대적으로 쉬움 |
| 반정형 | 시험성적서, SDS, CAPA | 구조 추출 필요 |
| 비정형 | 연구노트, 회의록 | 의미 해석 필요 |
랩온어칩 개발은 설계, 실험, 시제품, 검증, 품질, 인허가로 이어지며 단계마다 다른 데이터가 생깁니다.
Step 2
이론 02 · 의료·바이오 데이터 리터러시
QC CSV, 시험성적서, CAPA, SDS, 실험기록지, 장비점검표를 AI 활용 데이터로 다시 정의합니다.
키워드: 데이터 리터러시 · 랩온어칩 · 체외진단 · 문서·표 데이터
문서가 사람에게 익숙하다고 AI에게도 쉬운 것은 아닙니다.
실습 샘플 데이터 패키지는 실제 현장의 문서 범주를 반영합니다.
리서치 자료에서 반복적으로 확인되는 핵심은 데이터 정리의 기본기입니다.
Step 3
이론 02 · 의료·바이오 데이터 리터러시
QC CSV, 시험성적서, CAPA, SDS, 실험기록지, 장비점검표를 AI 활용 데이터로 다시 정의합니다.
키워드: 데이터 리터러시 · 랩온어칩 · 체외진단 · 문서·표 데이터
의료·바이오에서 단위 오류는 단순 표시 문제가 아니라 판단 오류로 이어질 수 있습니다.
문서에 없는 값을 AI가 그럴듯하게 채우는 순간 품질 문서의 신뢰성이 무너집니다.
> 데이터 리터러시는 AI에게 문서를 던지는 능력이 아니라, AI가 읽을 수 있게 책상을 정리해주는 능력이다.
Step 4
이론 02 · 의료·바이오 데이터 리터러시
QC CSV, 시험성적서, CAPA, SDS, 실험기록지, 장비점검표를 AI 활용 데이터로 다시 정의합니다.
키워드: 데이터 리터러시 · 랩온어칩 · 체외진단 · 문서·표 데이터
2일차 실습의 runs.csv는 정형 데이터지만, 의미를 이해하려면 QC 기준과 도메인 맥락이 필요합니다.
시험성적서는 표처럼 보이지만 승인자, 시험환경, 기준, 측정값, 판정이 섞여 있습니다.
CAPA는 원인 확정 문서가 아니라 문제를 정의하고 증거를 모아가는 품질 개선 문서입니다.
Step 5
이론 02 · 의료·바이오 데이터 리터러시
QC CSV, 시험성적서, CAPA, SDS, 실험기록지, 장비점검표를 AI 활용 데이터로 다시 정의합니다.
키워드: 데이터 리터러시 · 랩온어칩 · 체외진단 · 문서·표 데이터
SDS는 국제적으로 16개 섹션 체계를 갖습니다. 교육에서는 모든 섹션보다 업무상 필요한 항목을 안전하게 추출하는 능력이 중요합니다.
내 업무 문서 하나를 골라 AI가 어려워할 부분을 찾아봅니다.
데이터 리터러시를 갖추면 AI에게 시킬 수 있는 일이 명확해집니다.
Step 6
이론 02 · 의료·바이오 데이터 리터러시
QC CSV, 시험성적서, CAPA, SDS, 실험기록지, 장비점검표를 AI 활용 데이터로 다시 정의합니다.
키워드: 데이터 리터러시 · 랩온어칩 · 체외진단 · 문서·표 데이터
데이터를 이해했다고 해서 판단까지 AI에게 넘기는 것은 아닙니다.
이제 내가 고른 문서를 입력·처리·출력으로 나누고, AI Studio Build 요구사항으로 바꿉니다.
각 발표자료의 마지막에는 바로 다음 핸즈온으로 넘어갈 수 있도록 산출물을 하나 정합니다.
역할·목적·입력·출력·제약을 기반으로 추출, 요약, 비교, 분류 프롬프트를 설계합니다.
6 steps
Step 1
이론 03 · 좋은 프롬프트 5요소와 4패턴
역할·목적·입력·출력·제약을 기반으로 추출, 요약, 비교, 분류 프롬프트를 설계합니다.
키워드: 프롬프트 · 요구사항 · 추출 · 요약 · 분류
좋은 프롬프트는 멋진 표현이 아니라 업무 요구사항을 빠뜨리지 않는 구조입니다.
각 요소가 빠질 때 AI 답변의 품질이 크게 흔들립니다.
| 요소 | 질문 | 예시 |
|---|---|---|
| 역할 | 어떤 관점인가? | 의료기기 품질 담당자 보조 |
| 목적 | 왜 하는가? | 출하 전 기준 위반 항목 확인 |
| 입력 | 무엇을 주는가? | 시험성적서 텍스트 |
| 출력 | 어떤 형태인가? | 시험항목/기준/측정값/판정 표 |
| 제약 | 무엇을 금지하나? | 없는 값 추정 금지 |
“이 시험성적서 정리해줘”는 너무 많은 것을 AI가 추측하게 합니다.
Step 2
이론 03 · 좋은 프롬프트 5요소와 4패턴
역할·목적·입력·출력·제약을 기반으로 추출, 요약, 비교, 분류 프롬프트를 설계합니다.
키워드: 프롬프트 · 요구사항 · 추출 · 요약 · 분류
역할, 목적, 출력, 제약이 들어가면 AI가 해야 할 일이 좁아집니다.
문서에서 특정 항목만 표로 뽑는 패턴입니다.
긴 문서를 의사결정용으로 압축하는 패턴입니다.
Step 3
이론 03 · 좋은 프롬프트 5요소와 4패턴
역할·목적·입력·출력·제약을 기반으로 추출, 요약, 비교, 분류 프롬프트를 설계합니다.
키워드: 프롬프트 · 요구사항 · 추출 · 요약 · 분류
여러 문서의 차이와 공통점을 비교하는 패턴입니다.
이슈나 문서를 기준에 따라 묶는 패턴입니다.
각 패턴에는 자주 생기는 실패가 있습니다.
Step 4
이론 03 · 좋은 프롬프트 5요소와 4패턴
역할·목적·입력·출력·제약을 기반으로 추출, 요약, 비교, 분류 프롬프트를 설계합니다.
키워드: 프롬프트 · 요구사항 · 추출 · 요약 · 분류
CAPA에서는 원인을 확정하지 않고 원인 후보와 확인 증거를 정리해야 합니다.
SDS에서는 문서에 없는 안전 정보를 추가하면 안 됩니다.
CSV 분석에서는 컬럼명과 기준을 함께 줘야 합니다.
Step 5
이론 03 · 좋은 프롬프트 5요소와 4패턴
역할·목적·입력·출력·제약을 기반으로 추출, 요약, 비교, 분류 프롬프트를 설계합니다.
키워드: 프롬프트 · 요구사항 · 추출 · 요약 · 분류
AI Studio Build에서는 프롬프트가 곧 앱 명세가 됩니다.
내가 자주 쓰는 나쁜 프롬프트 하나를 5요소 기준으로 고칩니다.
다음 실습에서는 이 구조를 AI Studio Build에 넣어 QC 체크리스트 앱, 시험성적서 요약기, CAPA 분류 앱을 만듭니다.
Step 6
이론 03 · 좋은 프롬프트 5요소와 4패턴
역할·목적·입력·출력·제약을 기반으로 추출, 요약, 비교, 분류 프롬프트를 설계합니다.
키워드: 프롬프트 · 요구사항 · 추출 · 요약 · 분류
각 발표자료의 마지막에는 바로 다음 핸즈온으로 넘어갈 수 있도록 산출물을 하나 정합니다.
프롬프트를 빠르게 앱 시안으로 바꾸고 Preview에서 검증·수정하는 프로토타이핑 흐름을 익힙니다.
6 steps
Step 1
이론 04 · Google AI Studio Build 실습 이론
프롬프트를 빠르게 앱 시안으로 바꾸고 Preview에서 검증·수정하는 프로토타이핑 흐름을 익힙니다.
키워드: AI Studio · Builder · 프로토타입 · Preview
AI Studio Build는 아이디어를 빠르게 앱처럼 확인하는 도구입니다. 실제 운영 시스템보다 빠른 시안 제작에 적합합니다.
두 도구는 경쟁 관계가 아니라 단계가 다릅니다.
| 구분 | AI Studio Build | Cursor |
|---|---|---|
| 목적 | 빠른 프로토타입 | 실제 파일 기반 프로젝트 수정 |
| 시작 | 프롬프트 입력 | 폴더 열기 |
| 산출물 | 앱 초안·Preview | 코드·CSV·실행 앱 |
| 한계 | 세밀한 파일 제어 제한 | 환경 설정 필요 |
화면 사용법보다 반복 구조를 먼저 잡아줍니다.
Step 2
이론 04 · Google AI Studio Build 실습 이론
프롬프트를 빠르게 앱 시안으로 바꾸고 Preview에서 검증·수정하는 프로토타이핑 흐름을 익힙니다.
키워드: AI Studio · Builder · 프로토타입 · Preview
바로 앱을 만들기보다 입력·출력·기준을 먼저 정리하게 하면 실패가 줄어듭니다.
첫 앱은 기준이 분명한 QC 판정 앱이 좋습니다.
생성된 앱이 그럴듯해 보여도 반드시 테스트 값을 넣어야 합니다.
Step 3
이론 04 · Google AI Studio Build 실습 이론
프롬프트를 빠르게 앱 시안으로 바꾸고 Preview에서 검증·수정하는 프로토타이핑 흐름을 익힙니다.
키워드: AI Studio · Builder · 프로토타입 · Preview
수정은 작고 구체적으로 해야 합니다.
두 번째 앱은 문서 텍스트를 표로 바꾸는 경험을 제공합니다.
세 번째 앱은 분류와 확인 질문 생성을 다룹니다.
Step 4
이론 04 · Google AI Studio Build 실습 이론
프롬프트를 빠르게 앱 시안으로 바꾸고 Preview에서 검증·수정하는 프로토타이핑 흐름을 익힙니다.
키워드: AI Studio · Builder · 프로토타입 · Preview
앱이 만들어졌다고 실제 업무 시스템이 완성된 것은 아닙니다.
교육에서는 합성·가명 샘플만 사용합니다.
교육용 앱은 작고 분명해야 합니다.
Step 5
이론 04 · Google AI Studio Build 실습 이론
프롬프트를 빠르게 앱 시안으로 바꾸고 Preview에서 검증·수정하는 프로토타이핑 흐름을 익힙니다.
키워드: AI Studio · Builder · 프로토타입 · Preview
1일차 결과물은 2일차 Cursor 실습의 요구사항이 됩니다.
앱을 만들고 나면 결과보다 질문을 남깁니다.
이제 AI Studio Builder에서 QC 체크리스트 앱을 만들고, Preview에서 정상값과 실패값을 넣어 검증합니다.
Step 6
이론 04 · Google AI Studio Build 실습 이론
프롬프트를 빠르게 앱 시안으로 바꾸고 Preview에서 검증·수정하는 프로토타이핑 흐름을 익힙니다.
키워드: AI Studio · Builder · 프로토타입 · Preview
각 발표자료의 마지막에는 바로 다음 핸즈온으로 넘어갈 수 있도록 산출물을 하나 정합니다.
첫 실습은 코딩이 아니라 앱 아이디어를 빠르게 화면으로 확인하는 경험입니다.
2 steps
Step 1
실습 01 · AI Studio Build 기본 사용법
첫 실습은 코딩이 아니라 앱 아이디어를 빠르게 화면으로 확인하는 경험입니다.
키워드: AI Studio · Build · Preview · 수정 요청
AI Studio Build를 “앱을 말로 설명하고 바로 확인하는 도구”로 이해합니다.
처음부터 멋진 앱을 요구하지 않고 입력·처리·출력만 명확히 씁니다.
| 구성 | 질문 | 예시 |
|---|---|---|
| 목적 | 무엇을 도와주는 앱인가? | QC 기준 위반 여부 확인 |
| 입력 | 사용자가 무엇을 넣나? | 측정값, 기준값, 시험명 |
| 처리 | 어떤 기준으로 판단하나? | 기준 범위 밖이면 FAIL |
| 출력 | 무엇을 보여주나? | PASS/FAIL, 사유, 다음 조치 |
화면을 따라 같은 속도로 진행합니다.
프롬프트 예시
의료기기 QC 담당자가 쓰는 간단한 판정 앱을 만들어줘. 사용자가 시험명, 측정값, 기준 하한, 기준 상한을 입력하면 PASS/FAIL과 사유를 보여줘. 결과는 표와 짧은 설명으로 보여줘.Step 2
실습 01 · AI Studio Build 기본 사용법
첫 실습은 코딩이 아니라 앱 아이디어를 빠르게 화면으로 확인하는 경험입니다.
키워드: AI Studio · Build · Preview · 수정 요청
한 번에 완성하려 하지 말고 작은 수정 요청을 반복합니다.
프롬프트 예시
결과 영역에 PASS/FAIL만 보여주지 말고, 기준 범위와 실제 측정값을 함께 보여줘. FAIL이면 “확인 필요” 배지를 빨간색으로 표시해줘.막히는 이유는 대부분 도구 사용법보다 요구사항이 흐릿해서입니다.
실습은 완성보다 확인이 중요합니다. 마지막 3분은 결과를 직접 보고, 다음 실습으로 넘길 준비를 합니다.
QC 지표와 기준값을 앱 흐름으로 바꾸는 첫 도메인 실습입니다.
2 steps
Step 1
실습 02 · QC 판정 체크리스트 앱 만들기
QC 지표와 기준값을 앱 흐름으로 바꾸는 첫 도메인 실습입니다.
키워드: QC · PASS/FAIL · 기준값 · 체크리스트
QC 판정은 AI가 마음대로 판단하는 것이 아니라 사람이 정한 기준을 자동 적용하는 구조입니다.
앱은 업무 판단을 작은 구조로 나눈 결과입니다.
| 구간 | 내용 | 예시 |
|---|---|---|
| 입력 | 측정값과 기준 | CV 6.1%, 기준 ≤ 5.0% |
| 처리 | 기준 위반 여부 계산 | 6.1 > 5.0 |
| 출력 | 판정과 사유 | FAIL: CV 기준 초과 |
| 검토 | 사람의 확인 | 재측정 또는 장비 점검 |
AI Studio Build에서 QC 판정 앱을 만듭니다.
프롬프트 예시
체외진단 의료기기 QC 담당자를 위한 체크리스트 앱을 만들어줘. CV, 회수율, LoD, TAT 값을 입력하면 기준을 넘는 항목을 찾아 PASS/FAIL을 표시해줘. 기준은 CV ≤ 5.0%, 회수율 90~110%, LoD ≤ 0.60 mg/L, TAT ≤ 15분으로 적용해줘.
Step 2
실습 02 · QC 판정 체크리스트 앱 만들기
QC 지표와 기준값을 앱 흐름으로 바꾸는 첫 도메인 실습입니다.
키워드: QC · PASS/FAIL · 기준값 · 체크리스트
실무자가 바로 확인할 수 있도록 FAIL 사유를 구체화합니다.
프롬프트 예시
FAIL 항목마다 “기준”, “실제값”, “확인할 조치”를 3열 표로 보여줘. 조치는 재측정, 장비 점검, 시약 로트 확인 중에서 제안하되 최종 판단은 담당자 확인이라고 표시해줘.앱이 멋져 보이는 것보다 “왜 FAIL인지 설명되는가”가 더 중요합니다.
실습은 완성보다 확인이 중요합니다. 마지막 3분은 결과를 직접 보고, 다음 실습으로 넘길 준비를 합니다.
반정형 문서를 항목 추출 표로 바꾸는 실습입니다.
2 steps
Step 1
실습 03 · 시험성적서 요약 앱 만들기
반정형 문서를 항목 추출 표로 바꾸는 실습입니다.
키워드: 시험성적서 · 문서 요약 · 항목 추출 · 표 출력
시험성적서는 그냥 요약하면 위험합니다. 항목, 기준, 측정값, 판정을 분리해 추출해야 합니다.
먼저 문서를 붙여넣으면 표로 정리하는 앱을 만듭니다.
프롬프트 예시
시험성적서 텍스트를 붙여넣으면 시험항목, 기준, 측정값, 판정, 비고를 표로 추출하는 앱을 만들어줘. 없는 값은 추정하지 말고 “원문 확인 필요”라고 표시해줘.문서 요약 결과를 바로 제출하지 않도록 검토 장치를 넣습니다.
프롬프트 예시
표 아래에 “검토 필요 항목” 섹션을 추가해줘. 기준 미달, 측정값 누락, 단위 불명확, 판정 누락을 각각 표시해줘.Step 2
실습 03 · 시험성적서 요약 앱 만들기
반정형 문서를 항목 추출 표로 바꾸는 실습입니다.
키워드: 시험성적서 · 문서 요약 · 항목 추출 · 표 출력
문서 AI에서 가장 위험한 것은 그럴듯한 누락과 추정입니다.
실습은 완성보다 확인이 중요합니다. 마지막 3분은 결과를 직접 보고, 다음 실습으로 넘길 준비를 합니다.
품질 이슈 문장을 원인 후보와 조치안으로 정리하는 실습입니다.
2 steps
Step 1
실습 04 · CAPA 원인분류 앱 만들기
품질 이슈 문장을 원인 후보와 조치안으로 정리하는 실습입니다.
키워드: CAPA · Deviation · 원인분류 · 사람 검토
CAPA 앱은 정답 생성기가 아니라 이슈를 구조화하는 보조 도구입니다.
도메인 용어를 앱의 선택지와 출력 구조로 바꿉니다.
| 분류 | 예시 | AI 역할 |
|---|---|---|
| 사람 | 작업자 교육 미흡 | 가능성 후보 제시 |
| 장비 | 캘리브레이션 지연 | 점검 필요 항목 제안 |
| 시약/재료 | 로트 편차 | 확인 질문 생성 |
| 절차 | SOP 불명확 | 문서 개정 후보 제시 |
CAPA 문장을 넣으면 구조화된 초안을 출력하게 합니다.
프롬프트 예시
CAPA/Deviation 보고서 초안 작성을 돕는 앱을 만들어줘. 이슈 설명을 입력하면 원인 후보를 사람, 장비, 시약/재료, 절차, 환경으로 나누고 즉시 조치와 재발 방지 조치 후보를 표로 제안해줘. 최종 판단은 품질 담당자 검토라고 표시해줘.Step 2
실습 04 · CAPA 원인분류 앱 만들기
품질 이슈 문장을 원인 후보와 조치안으로 정리하는 실습입니다.
키워드: CAPA · Deviation · 원인분류 · 사람 검토
AI가 원인을 단정하지 못하게 제약을 넣습니다.
프롬프트 예시
원인을 단정하지 말고 “가능성”, “현재 근거”, “추가 확인 질문”으로 나눠줘. 근거가 부족하면 “근거 부족”이라고 표시해줘.CAPA는 규제·품질 기록으로 이어질 수 있으므로 AI 결과를 공식 기록으로 바로 쓰지 않습니다.
실습은 완성보다 확인이 중요합니다. 마지막 3분은 결과를 직접 보고, 다음 실습으로 넘길 준비를 합니다.
의료·바이오 도메인에서 AI가 잘하는 일과 그럴듯하게 틀리는 사례를 구분합니다.
5 steps
Step 1
이론 05 · 생성형 AI 활용 사례와 한계
의료·바이오 도메인에서 AI가 잘하는 일과 그럴듯하게 틀리는 사례를 구분합니다.
키워드: AI 한계 · 환각 · 검증 · 의료·바이오
AI가 만능이라고 말하면 의료·바이오 실무자는 오히려 불안해합니다. 잘하는 일과 못하는 일을 분명히 나누어야 합니다.
이 구분은 과정 전체에서 계속 적용되는 안전 기준입니다.
| 잘하는 일 | 위험한 일 |
|---|---|
| 요약, 분류, 비교 | 최종 품질 판정 |
| 코드 초안 작성 | 규제 조항 해석 |
| 표 추출, 차트 생성 | 단위·수치 검증 |
| 오류 메시지 설명 | 근거 없는 추론 |
존재하지 않는 용도, 농도, 일반명, 규제 상태를 그럴듯하게 생성할 수 있습니다.
Step 2
이론 05 · 생성형 AI 활용 사례와 한계
의료·바이오 도메인에서 AI가 잘하는 일과 그럴듯하게 틀리는 사례를 구분합니다.
키워드: AI 한계 · 환각 · 검증 · 의료·바이오
의료·바이오에서는 단위 오류가 가장 현실적인 위험입니다.
AI는 존재하지 않는 논문, DOI, 저자를 만들어낼 수 있습니다.
전문가도 속을 수 있는 혼성 용어가 만들어질 수 있습니다.
Step 3
이론 05 · 생성형 AI 활용 사례와 한계
의료·바이오 도메인에서 AI가 잘하는 일과 그럴듯하게 틀리는 사례를 구분합니다.
키워드: AI 한계 · 환각 · 검증 · 의료·바이오
approved, cleared, registered 같은 용어 차이를 혼동할 수 있습니다.
문서를 붙이면 모든 문제가 해결되는 것은 아닙니다.
AI 출력은 반드시 초안으로 표현합니다.
Step 4
이론 05 · 생성형 AI 활용 사례와 한계
의료·바이오 도메인에서 AI가 잘하는 일과 그럴듯하게 틀리는 사례를 구분합니다.
키워드: AI 한계 · 환각 · 검증 · 의료·바이오
CAPA에서는 원인 확정이 아니라 원인 후보와 확인 질문을 생성해야 합니다.
오답을 숨기지 말고 수업에서 보여주면 신뢰가 올라갑니다.
AI 결과는 생성, 검토, 수정, 승인이라는 흐름 안에 둬야 합니다.
Step 5
이론 05 · 생성형 AI 활용 사례와 한계
의료·바이오 도메인에서 AI가 잘하는 일과 그럴듯하게 틀리는 사례를 구분합니다.
키워드: AI 한계 · 환각 · 검증 · 의료·바이오
내 업무에서 AI가 잘할 일과 위험한 일을 나눠봅니다.
다음 실습에서는 시험성적서 요약 앱을 만들되, “미기재”, “추정 금지”, “담당자 검토 필요”를 프롬프트에 반드시 넣습니다.
각 발표자료의 마지막에는 바로 다음 핸즈온으로 넘어갈 수 있도록 산출물을 하나 정합니다.
AI Studio Preview와 실제 운영 시스템의 차이를 이해하고 의료·바이오 데이터의 안전 경계를 정리합니다.
5 steps
Step 1
이론 06 · 배포·서버·보안 기초
AI Studio Preview와 실제 운영 시스템의 차이를 이해하고 의료·바이오 데이터의 안전 경계를 정리합니다.
키워드: 배포 · 서버 · API 키 · 보안 · 민감정보
프로토타입은 가능성을 보는 것이고 운영 시스템은 사용자, 데이터, 보안, 장애를 감당해야 합니다.
비개발자에게는 용어를 쉬운 비유로 풀어야 합니다.
| 개념 | 쉬운 설명 | 수업 예시 |
|---|---|---|
| Preview | 만든 사람이 미리 보는 임시 화면 | AI Studio 결과 |
| 로컬 실행 | 내 컴퓨터에서만 도는 상태 | streamlit run app.py |
| 서버 | 다른 사람이 접속할 수 있게 켜진 컴퓨터 | Cloud Run 등 |
| 배포 | URL로 접속 가능하게 올리는 일 | Streamlit Cloud |
AI Studio Build는 빠른 시안 확인에 좋지만 운영 시스템의 모든 책임을 대신하지 않습니다.
Step 2
이론 06 · 배포·서버·보안 기초
AI Studio Preview와 실제 운영 시스템의 차이를 이해하고 의료·바이오 데이터의 안전 경계를 정리합니다.
키워드: 배포 · 서버 · API 키 · 보안 · 민감정보
2일차 대시보드를 진짜 공유하려면 Streamlit Community Cloud가 가장 쉬운 출발점입니다.
Vercel은 프론트엔드와 Next.js에 강하지만 장시간 실행되는 Streamlit 앱에는 적합하지 않습니다.
API 키는 AI 서비스를 호출하는 비밀번호입니다. 코드에 직접 넣으면 유출 위험이 큽니다.
Step 3
이론 06 · 배포·서버·보안 기초
AI Studio Preview와 실제 운영 시스템의 차이를 이해하고 의료·바이오 데이터의 안전 경계를 정리합니다.
키워드: 배포 · 서버 · API 키 · 보안 · 민감정보
의료·바이오 데이터는 외부 AI에 넣기 전에 최소화해야 합니다.
교육에서는 실제 데이터 대신 합성 데이터와 가명화된 문서를 사용합니다.
AI가 만든 초안은 공식 GMP/인허가 기록과 분리해 관리해야 합니다.
Step 4
이론 06 · 배포·서버·보안 기초
AI Studio Preview와 실제 운영 시스템의 차이를 이해하고 의료·바이오 데이터의 안전 경계를 정리합니다.
키워드: 배포 · 서버 · API 키 · 보안 · 민감정보
중급에서는 구현보다 체크 관점을 남기는 것이 중요합니다.
AI 사용 가능 여부보다 중요한 것은 사용 목적과 검토 책임입니다.
오늘 만든 앱은 가능성을 보는 프로토타입이고, 실제 업무 적용 전에는 데이터 보안, 검토 책임, 배포 방식을 따로 정해야 합니다.
Step 5
이론 06 · 배포·서버·보안 기초
AI Studio Preview와 실제 운영 시스템의 차이를 이해하고 의료·바이오 데이터의 안전 경계를 정리합니다.
키워드: 배포 · 서버 · API 키 · 보안 · 민감정보
1일차 마지막에는 만든 앱 3개를 운영 전 체크리스트로 평가하고, 2일차 Cursor 실습으로 넘어갑니다.
각 발표자료의 마지막에는 바로 다음 핸즈온으로 넘어갈 수 있도록 산출물을 하나 정합니다.
Cursor, Python, pip, Git, Streamlit의 역할을 비개발자 언어로 이해하고 실습 환경을 준비합니다.
8 steps
Step 1
이론 07 · Cursor 온보딩과 개발환경 기초
Cursor, Python, pip, Git, Streamlit의 역할을 비개발자 언어로 이해하고 실습 환경을 준비합니다.
키워드: Cursor · Python · Git · Streamlit · 온보딩
프롬프트만 입력하던 1일차와 달리 2일차는 폴더, 파일, 터미널, 실행 결과를 함께 다룹니다.
Cursor는 프로젝트 폴더 전체를 읽고 파일을 직접 수정할 수 있는 AI IDE입니다.
비개발자에게 각 도구의 역할을 한 문장으로 설명합니다.
| 도구 | 오늘의 역할 |
|---|---|
| Python | 대시보드를 실행하는 언어 |
| pip | 필요한 패키지를 설치하는 도구 |
| Streamlit | 데이터 앱을 브라우저로 보여주는 도구 |
| Git | 변경 이력을 확인하는 도구 |
| Cursor | AI와 함께 파일을 수정하는 작업공간 |
Step 2
이론 07 · Cursor 온보딩과 개발환경 기초
Cursor, Python, pip, Git, Streamlit의 역할을 비개발자 언어로 이해하고 실습 환경을 준비합니다.
키워드: Cursor · Python · Git · Streamlit · 온보딩
설치 여부는 버전 명령으로 확인합니다.
Git은 코드의 변경 이력을 관리합니다. 오늘은 깊은 GitHub 사용보다 변경 확인 감각을 익힙니다.
Cursor에서 File → Open Folder로 중급-QC대시보드 폴더를 엽니다.
Step 3
이론 07 · Cursor 온보딩과 개발환경 기초
Cursor, Python, pip, Git, Streamlit의 역할을 비개발자 언어로 이해하고 실습 환경을 준비합니다.
키워드: Cursor · Python · Git · Streamlit · 온보딩
requirements.txt는 이 앱을 실행하는 데 필요한 부품 목록입니다.
앱은 터미널에서 실행하고 브라우저에서 확인합니다.
오류 메시지는 Cursor에게 다시 지시할 수 있는 자료입니다.
Step 4
이론 07 · Cursor 온보딩과 개발환경 기초
Cursor, Python, pip, Git, Streamlit의 역할을 비개발자 언어로 이해하고 실습 환경을 준비합니다.
키워드: Cursor · Python · Git · Streamlit · 온보딩
초보자는 먼저 Chat으로 이해하고, 그 다음 Agent로 수정하는 것이 안전합니다.
파일 기반 프로젝트에서는 기존 기능 유지와 수정 범위 제한이 중요합니다.
AI가 바꾼 내용을 사용자가 확인해야 합니다.
Step 5
이론 07 · Cursor 온보딩과 개발환경 기초
Cursor, Python, pip, Git, Streamlit의 역할을 비개발자 언어로 이해하고 실습 환경을 준비합니다.
키워드: Cursor · Python · Git · Streamlit · 온보딩
20명 규모 실습에서는 설치 문제를 완전히 없앨 수 없습니다. 흐름을 멈추지 않는 폴백이 필요합니다.
가장 중요한 첫 성공은 대시보드가 브라우저에서 열리는 순간입니다.
이제 Cursor에게 프로젝트 구조를 설명받고, 작은 기능 하나를 추가할 준비를 합니다.
Step 6
이론 07 · Cursor 온보딩과 개발환경 기초
Cursor, Python, pip, Git, Streamlit의 역할을 비개발자 언어로 이해하고 실습 환경을 준비합니다.
키워드: Cursor · Python · Git · Streamlit · 온보딩
각 발표자료의 마지막에는 바로 다음 핸즈온으로 넘어갈 수 있도록 산출물을 하나 정합니다.
Step 7
이론 07 · Cursor 온보딩과 개발환경 기초
2일차 실습은 Cursor, Python, Git을 모두 전문가처럼 쓰는 시간이 아닙니다. 목표는 “실습 폴더를 열고, 앱을 실행하고, AI가 바꾼 내용을 사람이 확인하는 흐름”을 만드는 것입니다.
| 도구 | 공식 주소 | 오늘 쓰는 이유 |
|---|---|---|
| Cursor | https://cursor.com/download | 프로젝트 폴더를 열고 AI에게 코드 설명·수정을 요청합니다. |
| Python | https://www.python.org/downloads/ | Streamlit 앱을 실행합니다. |
| Git for Windows | https://git-scm.com/install/windows | AI가 바꾼 파일의 변경 전후를 확인합니다. |
| GitHub | https://github.com/ | 수업 후 코드를 온라인 저장소에 보관할 때 사용합니다. |
| GitHub CLI | https://cli.github.com/ | 선택 도구입니다. 터미널에서 GitHub 로그인·저장소 작업을 할 때 씁니다. |
복사용 텍스트
1. Python 설치 2. Git for Windows 설치 3. Cursor 설치 4. Cursor 재시작 5. Cursor Terminal에서 python, pip, git 버전 확인 6. 실습 폴더 열기 7. 패키지 설치 후 Streamlit 실행
Add python.exe to PATH 옵션을 켭니다.복사용 텍스트
python --version py --version pip --version
Windows에서는 python 대신 py가 정상으로 잡히는 경우가 있습니다.
복사용 텍스트
git --versionGit은 “AI가 어디를 바꿨는지 보는 도구”로 이해하면 됩니다. 수업 중에는 commit/push보다 diff 확인이 더 중요합니다.
복사용 텍스트
gh --version gh auth status gh auth login
오늘 실습 완주에는 GitHub CLI가 필수는 아닙니다. 배포나 저장소 업로드까지 이어갈 때만 사용합니다.
Step 8
이론 07 · Cursor 온보딩과 개발환경 기초
Cursor는 AI 채팅창이 아니라 프로젝트 폴더 전체를 이해하는 개발 도구입니다. 처음부터 “고쳐줘”라고 하기보다 “읽고 설명해줘”로 시작합니다.
| 위치 | 역할 |
|---|---|
| Explorer/File Tree | 프로젝트 파일 목록을 봅니다. |
| Editor | app.py 같은 파일 내용을 봅니다. |
| Terminal | pip install, streamlit run 같은 명령을 실행합니다. |
| Chat/Composer | AI에게 설명·수정 요청을 합니다. |
| Diff | AI가 바꾼 내용을 비교합니다. |
복사용 텍스트
이 프로젝트는 CRP-LC100 QC 대시보드야. app.py, requirements.txt, data/runs.csv, data/thresholds.yaml을 먼저 읽고 구조를 설명해줘. 아직 코드는 수정하지 말고, 어떤 파일이 어떤 역할인지 알려줘.
복사용 텍스트
이제 app.py에서 FAIL만 보기 필터를 추가하고 싶어. 먼저 어떤 부분을 바꿀지 계획을 설명하고, 수정 범위를 작게 잡아줘.
2일차 실습을 위한 Python, Git, Cursor 기본 환경을 확인합니다.
4 steps
Step 1
실습 05 · Cursor 온보딩
2일차 실습을 위한 Python, Git, Cursor 기본 환경을 확인합니다.
키워드: Cursor · Python · Git · 터미널 · Streamlit
비개발자에게 Cursor는 “AI가 붙은 파일 작업공간”입니다. 설치 자체보다 실행 흐름을 익히는 것이 중요합니다.
도구 이름에 겁먹지 않도록 역할을 단순화합니다.
| 도구 | 쉬운 설명 | 오늘 하는 일 |
|---|---|---|
| Python | 앱을 실행하는 언어 | Streamlit 실행 |
| pip | 필요한 부품 설치 도구 | requirements 설치 |
| Git | 변경 이력 확인 도구 | 수정 전후 비교 |
| Cursor | AI와 함께 파일을 고치는 작업공간 | app.py 수정 |
설치가 아니라 확인을 중심으로 진행합니다.
터미널 명령어
python --version git --version
첨부파일
Cursor에서 열어 실행할 Streamlit 예제입니다. app.py, requirements.txt, data/runs.csv, data/thresholds.yaml이 포함되어 있습니다.
원주ICT_빅데이터중급_2일차_QC대시보드_실습자료.zip
Step 2
실습 05 · Cursor 온보딩
2일차 실습을 위한 Python, Git, Cursor 기본 환경을 확인합니다.
키워드: Cursor · Python · Git · 터미널 · Streamlit
QC 대시보드 실습 폴더를 Cursor에서 엽니다.
프롬프트 예시
이 프로젝트의 파일 구조와 실행 방법을 비개발자도 이해할 수 있게 설명해줘.환경 이슈는 수업 흐름을 멈추게 만들 수 있으니 체크리스트로 빠르게 분리합니다.
실습은 완성보다 확인이 중요합니다. 마지막 3분은 결과를 직접 보고, 다음 실습으로 넘길 준비를 합니다.
첨부파일
Cursor에서 열어 실행할 Streamlit 예제입니다. app.py, requirements.txt, data/runs.csv, data/thresholds.yaml이 포함되어 있습니다.
원주ICT_빅데이터중급_2일차_QC대시보드_실습자료.zip
Step 3
실습 05 · Cursor 온보딩
실습 폴더를 제대로 여는 것이 2일차 실습의 절반입니다. ZIP 파일 자체가 아니라 압축을 푼 폴더를 Cursor에서 엽니다.
복사용 텍스트
File -> Open Folder -> 중급-QC대시보드 폴더 선택복사용 텍스트
app.py requirements.txt data/runs.csv data/thresholds.yaml
이 네 가지가 보이지 않으면 폴더를 한 단계 위나 아래로 잘못 연 것입니다.
복사용 텍스트
dirMac/Linux 또는 Git Bash에서는 아래 명령도 사용할 수 있습니다.
복사용 텍스트
ls복사용 텍스트
pip install -r requirements.txt막히면 아래 중 하나로 다시 시도합니다.
복사용 텍스트
py -m pip install -r requirements.txt python -m pip install -r requirements.txt
복사용 텍스트
streamlit run app.py브라우저가 열리고 QC 대시보드 화면이 보이면 성공입니다.
첨부파일
Cursor에서 열어 실행할 Streamlit 예제입니다. app.py, requirements.txt, data/runs.csv, data/thresholds.yaml이 포함되어 있습니다.
원주ICT_빅데이터중급_2일차_QC대시보드_실습자료.zip
Step 4
실습 05 · Cursor 온보딩
오류가 나면 실패가 아니라 실습 데이터가 생긴 것입니다. 중요한 것은 AI에게 해결을 단정하게 만드는 것이 아니라 확인 순서를 만들게 하는 것입니다.
복사용 텍스트
아래 Streamlit 실행 에러를 보고 원인을 단정하지 말고 확인 순서로 정리해줘. 1. 핵심 오류 줄 2. 가능한 원인 후보 3. 먼저 확인할 명령어 4. 다시 실행할 명령어 형식으로 알려줘.
| 증상 | 먼저 볼 것 | 확인 명령 |
|---|---|---|
streamlit을 찾을 수 없음 | 패키지 설치 여부 | pip show streamlit |
app.py가 없음 | 폴더 위치 | dir 또는 ls |
| CSV 파일 오류 | data/runs.csv 위치 | 파일 트리 확인 |
| YAML 오류 | data/thresholds.yaml 문법 | 들여쓰기 확인 |
첨부파일
Cursor에서 열어 실행할 Streamlit 예제입니다. app.py, requirements.txt, data/runs.csv, data/thresholds.yaml이 포함되어 있습니다.
원주ICT_빅데이터중급_2일차_QC대시보드_실습자료.zip
CRP-LC100 QC 데이터의 의미를 이해하고 Streamlit 대시보드를 업무 판단 화면으로 개선합니다.
6 steps
Step 1
이론 08 · QC 대시보드와 데이터 분석 실습 이론
CRP-LC100 QC 데이터의 의미를 이해하고 Streamlit 대시보드를 업무 판단 화면으로 개선합니다.
키워드: QC · Dashboard · Streamlit · pandas · 시각화
대시보드는 예쁜 화면이 아니라 어디를 먼저 봐야 하는지 알려주는 판단 도구입니다.
실습 데이터는 QC 런 로그 500행과 판정 기준 YAML로 구성됩니다.
코드를 몰라도 지표의 업무 의미를 이해하는 것이 중요합니다.
| 지표 | 의미 | 기준 |
|---|---|---|
| CV | 반복 측정 흔들림 | ≤ 5.0% |
| 회수율 | 정확도 | 90~110% |
| LoD | 민감도 | ≤ 0.60 mg/L |
| TAT | 검사 소요 시간 | ≤ 15분 |
첨부파일
Cursor에서 열어 실행할 Streamlit 예제입니다. app.py, requirements.txt, data/runs.csv, data/thresholds.yaml이 포함되어 있습니다.
원주ICT_빅데이터중급_2일차_QC대시보드_실습자료.zip
Step 2
이론 08 · QC 대시보드와 데이터 분석 실습 이론
CRP-LC100 QC 데이터의 의미를 이해하고 Streamlit 대시보드를 업무 판단 화면으로 개선합니다.
키워드: QC · Dashboard · Streamlit · pandas · 시각화
전체 평균이 정상이어도 특정 로트나 장비에서 문제가 반복될 수 있습니다.
오늘 필요한 데이터 조작은 필터링, 그룹화, 집계입니다.
Streamlit은 Python 코드로 데이터 앱 화면을 만듭니다.
첨부파일
Cursor에서 열어 실행할 Streamlit 예제입니다. app.py, requirements.txt, data/runs.csv, data/thresholds.yaml이 포함되어 있습니다.
원주ICT_빅데이터중급_2일차_QC대시보드_실습자료.zip
Step 3
이론 08 · QC 대시보드와 데이터 분석 실습 이론
CRP-LC100 QC 데이터의 의미를 이해하고 Streamlit 대시보드를 업무 판단 화면으로 개선합니다.
키워드: QC · Dashboard · Streamlit · pandas · 시각화
FAIL만 보기 필터는 처음 적용하기 좋은 기능입니다.
FAIL 사유는 단순 결과를 업무 액션으로 바꿉니다.
KPI 카드는 지금 상태를 한눈에 보여줍니다.
첨부파일
Cursor에서 열어 실행할 Streamlit 예제입니다. app.py, requirements.txt, data/runs.csv, data/thresholds.yaml이 포함되어 있습니다.
원주ICT_빅데이터중급_2일차_QC대시보드_실습자료.zip
Step 4
이론 08 · QC 대시보드와 데이터 분석 실습 이론
CRP-LC100 QC 데이터의 의미를 이해하고 Streamlit 대시보드를 업무 판단 화면으로 개선합니다.
키워드: QC · Dashboard · Streamlit · pandas · 시각화
차트는 비교와 추이를 보여줍니다.
표는 최종 근거 확인에 필요합니다. 차트만으로는 담당자가 조치를 결정하기 어렵습니다.
교육용 AI 대시보드에서는 책임 경계를 화면에 남겨야 합니다.
첨부파일
Cursor에서 열어 실행할 Streamlit 예제입니다. app.py, requirements.txt, data/runs.csv, data/thresholds.yaml이 포함되어 있습니다.
원주ICT_빅데이터중급_2일차_QC대시보드_실습자료.zip
Step 5
이론 08 · QC 대시보드와 데이터 분석 실습 이론
CRP-LC100 QC 데이터의 의미를 이해하고 Streamlit 대시보드를 업무 판단 화면으로 개선합니다.
키워드: QC · Dashboard · Streamlit · pandas · 시각화
현장 실무자는 복잡한 화면보다 빠르게 판단할 수 있는 화면을 원합니다.
의료·바이오 업무 화면에서는 과도한 자동 판단이 위험합니다.
이제 Cursor로 FAIL 필터, FAIL 사유 컬럼, KPI 카드, 차트를 하나씩 추가합니다.
첨부파일
Cursor에서 열어 실행할 Streamlit 예제입니다. app.py, requirements.txt, data/runs.csv, data/thresholds.yaml이 포함되어 있습니다.
원주ICT_빅데이터중급_2일차_QC대시보드_실습자료.zip
Step 6
이론 08 · QC 대시보드와 데이터 분석 실습 이론
CRP-LC100 QC 데이터의 의미를 이해하고 Streamlit 대시보드를 업무 판단 화면으로 개선합니다.
키워드: QC · Dashboard · Streamlit · pandas · 시각화
각 발표자료의 마지막에는 바로 다음 핸즈온으로 넘어갈 수 있도록 산출물을 하나 정합니다.
첨부파일
Cursor에서 열어 실행할 Streamlit 예제입니다. app.py, requirements.txt, data/runs.csv, data/thresholds.yaml이 포함되어 있습니다.
원주ICT_빅데이터중급_2일차_QC대시보드_실습자료.zip
실제 샘플 패키지를 실행하고 Cursor로 기능을 하나씩 개선합니다.
3 steps
Step 1
실습 06 · QC 대시보드 Cursor 핸즈온
실제 샘플 패키지를 실행하고 Cursor로 기능을 하나씩 개선합니다.
키워드: Streamlit · QC 대시보드 · CSV · Cursor Agent · 배포
최종 실습은 “AI가 코드를 대신 써준다”가 아니라 “결과를 보고 요구사항을 다시 말한다”입니다.
먼저 기존 앱을 그대로 실행해 기준 화면을 확인합니다.
터미널 명령어
pip install -r requirements.txt streamlit run app.py
코드를 몰라도 데이터 파일이 어떤 의미인지 알아야 수정 요구를 할 수 있습니다.
| 파일 | 역할 | 확인 포인트 |
|---|---|---|
| data/runs.csv | QC 런 로그 500행 | FAIL 43건 포함 |
| data/thresholds.yaml | 판정 기준값 | CV, 회수율, LoD, TAT 기준 |
| app.py | 대시보드 화면과 계산 로직 | Cursor가 수정할 파일 |
| requirements.txt | 필요 패키지 목록 | Streamlit, pandas 등 |
첨부파일
Cursor에서 열어 실행할 Streamlit 예제입니다. app.py, requirements.txt, data/runs.csv, data/thresholds.yaml이 포함되어 있습니다.
원주ICT_빅데이터중급_2일차_QC대시보드_실습자료.zip
Step 2
실습 06 · QC 대시보드 Cursor 핸즈온
실제 샘플 패키지를 실행하고 Cursor로 기능을 하나씩 개선합니다.
키워드: Streamlit · QC 대시보드 · CSV · Cursor Agent · 배포
첫 기능 개선은 가장 실무적인 FAIL 필터입니다.
프롬프트 예시
app.py를 수정해서 FAIL 항목만 볼 수 있는 체크박스 필터를 사이드바에 추가해줘. 체크하면 FAIL 행만 테이블에 보이게 해줘.두 번째 개선은 사람이 바로 이해할 수 있는 설명입니다.
프롬프트 예시
각 행에 fail_reason 컬럼을 추가해줘. CV 초과, 회수율 범위 이탈, LoD 초과, TAT 초과를 각각 기준값과 실제값이 드러나게 한국어 문장으로 표시해줘.실습 마지막에는 만든 기능을 설명하는 한 장짜리 공유 문장을 남깁니다.
첨부파일
Cursor에서 열어 실행할 Streamlit 예제입니다. app.py, requirements.txt, data/runs.csv, data/thresholds.yaml이 포함되어 있습니다.
원주ICT_빅데이터중급_2일차_QC대시보드_실습자료.zip
Step 3
실습 06 · QC 대시보드 Cursor 핸즈온
실제 샘플 패키지를 실행하고 Cursor로 기능을 하나씩 개선합니다.
키워드: Streamlit · QC 대시보드 · CSV · Cursor Agent · 배포
로컬에서만 보던 대시보드를 URL로 공유합니다. 교육용 합성 데이터만 올리고, API 키와 민감정보는 GitHub에 넣지 않습니다.
실습은 완성보다 확인이 중요합니다. 마지막 3분은 결과를 직접 보고, 수료 후에도 이어 쓸 산출물을 정리합니다.
첨부파일
Cursor에서 열어 실행할 Streamlit 예제입니다. app.py, requirements.txt, data/runs.csv, data/thresholds.yaml이 포함되어 있습니다.
원주ICT_빅데이터중급_2일차_QC대시보드_실습자료.zip
의료기기·체외진단 도메인에서 AI 사용의 안전 원칙과 워크숍 효과 측정, 사후 적용 과제를 정리합니다.
5 steps
Step 1
이론 09 · 규제·안전·평가와 수료 후 적용
의료기기·체외진단 도메인에서 AI 사용의 안전 원칙과 워크숍 효과 측정, 사후 적용 과제를 정리합니다.
키워드: 규제 · 안전 · 평가 · 사후 적용
AI는 담당자를 대체하는 도구가 아니라 담당자가 더 빨리 보고, 더 잘 질문하고, 더 일관되게 정리하도록 돕는 도구입니다.
중급에서는 깊은 법규 해석보다 실무자가 기억할 원칙을 남깁니다.
AI가 문서 초안을 만들 수는 있어도 공식 품질기록의 책임은 조직과 담당자에게 남습니다.
Step 2
이론 09 · 규제·안전·평가와 수료 후 적용
의료기기·체외진단 도메인에서 AI 사용의 안전 원칙과 워크숍 효과 측정, 사후 적용 과제를 정리합니다.
키워드: 규제 · 안전 · 평가 · 사후 적용
일반 업무 보조 AI와 의료기기 소프트웨어는 목적과 사용 맥락이 다릅니다.
교육 효과는 만족도만으로 설명하기 어렵습니다. 진단, 산출물, 자신감, 사후 적용을 함께 봐야 합니다.
20명 규모에서는 정량과 정성 지표를 함께 씁니다.
| 축 | 측정 예시 |
|---|---|
| 역량 | AI 도구 경험, 프롬프트 자신감 |
| 과정 | 앱 생성 여부, 대시보드 실행 여부 |
| 산출물 | 기능 추가, 결과 공유 카드 |
| 사후 | 업무 적용 시도, 추가 교육 니즈 |
Step 3
이론 09 · 규제·안전·평가와 수료 후 적용
의료기기·체외진단 도메인에서 AI 사용의 안전 원칙과 워크숍 효과 측정, 사후 적용 과제를 정리합니다.
키워드: 규제 · 안전 · 평가 · 사후 적용
수료 기준은 출석보다 산출물 중심으로 잡는 것이 좋습니다.
현업 적용은 수업 직후 1주 안에 작은 재현을 해보는 것이 중요합니다.
후속 교육과 협의체 성과 보고를 위해 간단한 추적 질문을 준비합니다.
Step 4
이론 09 · 규제·안전·평가와 수료 후 적용
의료기기·체외진단 도메인에서 AI 사용의 안전 원칙과 워크숍 효과 측정, 사후 적용 과제를 정리합니다.
키워드: 규제 · 안전 · 평가 · 사후 적용
중급에서 만든 감각은 고급의 RAG, 배포, 검증, 로드맵으로 이어집니다.
Cursor·AI Studio는 정답을 대신 내는 도구가 아니라 내 요구사항을 코드와 문서로 바꿔주는 협업 도구입니다.
과정이 끝난 뒤에도 혼자 다시 해볼 수 있도록 자료와 링크를 정리합니다.
Step 5
이론 09 · 규제·안전·평가와 수료 후 적용
의료기기·체외진단 도메인에서 AI 사용의 안전 원칙과 워크숍 효과 측정, 사후 적용 과제를 정리합니다.
키워드: 규제 · 안전 · 평가 · 사후 적용
AI를 도입한다는 것은 버튼 하나를 누르는 일이 아니라, 업무 기준을 더 명확하게 쓰고 검증 책임을 더 분명히 하는 일입니다.
각 발표자료의 마지막에는 바로 다음 핸즈온으로 넘어갈 수 있도록 산출물을 하나 정합니다.
공고문, 평가표, 제안서 초안을 넣고 평가위원별 점수·감점 사유·예상 질문을 생성합니다.
3 steps
Step 1
실습 07 · AI 모의심사단
공고문과 평가표를 기준으로 제안서 초안을 평가하는 가장 단순한 앱을 만듭니다.
AI Studio Build 1단계 프롬프트
총 18줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 입력칸에 아래 데이터를 넣고 결과가 나오는지 확인합니다.
테스트 데이터
총 28줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 결과가 너무 길거나 모호하면 아래 수정 요청을 이어서 입력합니다.
AI Studio Build 2차 수정 프롬프트
방금 만든 앱을 아래 기준으로 수정해줘. 이번 Step 목표: 기본형: 평가표 기준 점수표 만들기 보완 방향: 공고문과 평가표를 기준으로 제안서 초안을 평가하는 가장 단순한 앱을 만듭니다. 수정 요구: - 결과를 표나 체크리스트처럼 한눈에 보이게 정리해줘. - 근거가 부족한 항목은 "추가 확인 필요"로 표시해줘. - 최종 판단은 단정하지 말고 "담당자 검토 필요" 문구를 남겨줘. - Preview에서 테스트하기 쉽도록 입력 예시와 출력 예시가 보이게 해줘.
수업 시간이 남으면 마지막으로 안전장치와 출력 형식을 점검합니다.
AI Studio Build 최종 점검 프롬프트
Preview 결과를 기준으로 앱을 한 번 더 점검해줘. 점검할 것: - 입력칸 이름이 수강생이 이해하기 쉬운가? - 출력 결과가 표, 점수, 체크리스트, 보고서 초안 중 하나 이상으로 구조화되어 있는가? - 문서에 없는 내용을 추정하지 않도록 안내 문구가 있는가? - 실제 선정/지원/제출 가능성을 단정하지 않고 담당자 검토 필요로 남기는가? 부족한 부분이 있으면 화면 문구와 출력 형식을 수정해줘.
첨부파일
Google AI Studio Build에 붙여넣어 앱을 만들고 수정할 프롬프트입니다.
wonju-bd-mid-ai-studio-review-panel_step-01_prompt.md
첨부파일
해당 Step에서 붙여넣거나 업로드할 공개자료 기반 교육용 샘플 데이터입니다.
wonju-bd-mid-ai-studio-review-panel_step-01_data.md
Step 2
실습 07 · AI 모의심사단
점수만 내지 않고 감점 사유, 근거 문장, 추가 확인 질문을 분리합니다.
AI Studio Build 1단계 프롬프트
총 15줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 입력칸에 아래 데이터를 넣고 결과가 나오는지 확인합니다.
테스트 데이터
총 19줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 결과가 너무 길거나 모호하면 아래 수정 요청을 이어서 입력합니다.
AI Studio Build 2차 수정 프롬프트
방금 만든 앱을 아래 기준으로 수정해줘. 이번 Step 목표: 검증형: 감점 사유와 근거 문장 확인하기 보완 방향: 점수만 내지 않고 감점 사유, 근거 문장, 추가 확인 질문을 분리합니다. 수정 요구: - 결과를 표나 체크리스트처럼 한눈에 보이게 정리해줘. - 근거가 부족한 항목은 "추가 확인 필요"로 표시해줘. - 최종 판단은 단정하지 말고 "담당자 검토 필요" 문구를 남겨줘. - Preview에서 테스트하기 쉽도록 입력 예시와 출력 예시가 보이게 해줘.
수업 시간이 남으면 마지막으로 안전장치와 출력 형식을 점검합니다.
AI Studio Build 최종 점검 프롬프트
Preview 결과를 기준으로 앱을 한 번 더 점검해줘. 점검할 것: - 입력칸 이름이 수강생이 이해하기 쉬운가? - 출력 결과가 표, 점수, 체크리스트, 보고서 초안 중 하나 이상으로 구조화되어 있는가? - 문서에 없는 내용을 추정하지 않도록 안내 문구가 있는가? - 실제 선정/지원/제출 가능성을 단정하지 않고 담당자 검토 필요로 남기는가? 부족한 부분이 있으면 화면 문구와 출력 형식을 수정해줘.
첨부파일
Google AI Studio Build에 붙여넣어 앱을 만들고 수정할 프롬프트입니다.
wonju-bd-mid-ai-studio-review-panel_step-02_prompt.md
첨부파일
해당 Step에서 붙여넣거나 업로드할 공개자료 기반 교육용 샘플 데이터입니다.
wonju-bd-mid-ai-studio-review-panel_step-02_data.md
Step 3
실습 07 · AI 모의심사단
평가위원 3명 관점으로 예상 질문과 수정 우선순위를 정리합니다.
AI Studio Build 1단계 프롬프트
총 17줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 입력칸에 아래 데이터를 넣고 결과가 나오는지 확인합니다.
테스트 데이터
총 21줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 결과가 너무 길거나 모호하면 아래 수정 요청을 이어서 입력합니다.
AI Studio Build 2차 수정 프롬프트
방금 만든 앱을 아래 기준으로 수정해줘. 이번 Step 목표: 업무형: 평가위원별 질문과 수정 우선순위 만들기 보완 방향: 평가위원 3명 관점으로 예상 질문과 수정 우선순위를 정리합니다. 수정 요구: - 결과를 표나 체크리스트처럼 한눈에 보이게 정리해줘. - 근거가 부족한 항목은 "추가 확인 필요"로 표시해줘. - 최종 판단은 단정하지 말고 "담당자 검토 필요" 문구를 남겨줘. - Preview에서 테스트하기 쉽도록 입력 예시와 출력 예시가 보이게 해줘.
수업 시간이 남으면 마지막으로 안전장치와 출력 형식을 점검합니다.
AI Studio Build 최종 점검 프롬프트
Preview 결과를 기준으로 앱을 한 번 더 점검해줘. 점검할 것: - 입력칸 이름이 수강생이 이해하기 쉬운가? - 출력 결과가 표, 점수, 체크리스트, 보고서 초안 중 하나 이상으로 구조화되어 있는가? - 문서에 없는 내용을 추정하지 않도록 안내 문구가 있는가? - 실제 선정/지원/제출 가능성을 단정하지 않고 담당자 검토 필요로 남기는가? 부족한 부분이 있으면 화면 문구와 출력 형식을 수정해줘.
첨부파일
Google AI Studio Build에 붙여넣어 앱을 만들고 수정할 프롬프트입니다.
wonju-bd-mid-ai-studio-review-panel_step-03_prompt.md
첨부파일
해당 Step에서 붙여넣거나 업로드할 공개자료 기반 교육용 샘플 데이터입니다.
wonju-bd-mid-ai-studio-review-panel_step-03_data.md
공고문과 기관 정보를 비교해 지원 가능성, 부족 조건, 컨소시엄 필요 여부를 진단합니다.
3 steps
Step 1
실습 08 · 공고문 지원 적합도 진단기
공고문 요건과 기관 정보를 비교해 지원 가능성을 3단계로 판정합니다.
AI Studio Build 1단계 프롬프트
총 17줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 입력칸에 아래 데이터를 넣고 결과가 나오는지 확인합니다.
테스트 데이터
총 22줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 결과가 너무 길거나 모호하면 아래 수정 요청을 이어서 입력합니다.
AI Studio Build 2차 수정 프롬프트
방금 만든 앱을 아래 기준으로 수정해줘. 이번 Step 목표: 기본형: 지원 가능성 판정 앱 만들기 보완 방향: 공고문 요건과 기관 정보를 비교해 지원 가능성을 3단계로 판정합니다. 수정 요구: - 결과를 표나 체크리스트처럼 한눈에 보이게 정리해줘. - 근거가 부족한 항목은 "추가 확인 필요"로 표시해줘. - 최종 판단은 단정하지 말고 "담당자 검토 필요" 문구를 남겨줘. - Preview에서 테스트하기 쉽도록 입력 예시와 출력 예시가 보이게 해줘.
수업 시간이 남으면 마지막으로 안전장치와 출력 형식을 점검합니다.
AI Studio Build 최종 점검 프롬프트
Preview 결과를 기준으로 앱을 한 번 더 점검해줘. 점검할 것: - 입력칸 이름이 수강생이 이해하기 쉬운가? - 출력 결과가 표, 점수, 체크리스트, 보고서 초안 중 하나 이상으로 구조화되어 있는가? - 문서에 없는 내용을 추정하지 않도록 안내 문구가 있는가? - 실제 선정/지원/제출 가능성을 단정하지 않고 담당자 검토 필요로 남기는가? 부족한 부분이 있으면 화면 문구와 출력 형식을 수정해줘.
첨부파일
Google AI Studio Build에 붙여넣어 앱을 만들고 수정할 프롬프트입니다.
wonju-bd-mid-ai-studio-fit-checker_step-01_prompt.md
첨부파일
해당 Step에서 붙여넣거나 업로드할 공개자료 기반 교육용 샘플 데이터입니다.
wonju-bd-mid-ai-studio-fit-checker_step-01_data.md
Step 2
실습 08 · 공고문 지원 적합도 진단기
필수조건, 가점요소, 제출서류를 분리해 누락 위험을 줄입니다.
AI Studio Build 1단계 프롬프트
# 공고문 지원 적합도 진단기 Step 2 프롬프트 앱을 수정해서 부족 조건과 제출 전 체크리스트를 더 구체적으로 보여줘. 추가 출력: - 필수조건 충족 여부 표 - 가점요소 해당 여부 표 - 제출 전 체크리스트 - 누락 위험 높은 항목 TOP 3 규칙: - 조건별로 "충족", "부분충족", "미충족", "확인필요" 중 하나로 표시 - 확인필요는 어떤 자료를 더 봐야 하는지 함께 표시
Preview 입력칸에 아래 데이터를 넣고 결과가 나오는지 확인합니다.
테스트 데이터
총 31줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 결과가 너무 길거나 모호하면 아래 수정 요청을 이어서 입력합니다.
AI Studio Build 2차 수정 프롬프트
방금 만든 앱을 아래 기준으로 수정해줘. 이번 Step 목표: 검증형: 부족 조건과 제출 전 체크리스트 추가하기 보완 방향: 필수조건, 가점요소, 제출서류를 분리해 누락 위험을 줄입니다. 수정 요구: - 결과를 표나 체크리스트처럼 한눈에 보이게 정리해줘. - 근거가 부족한 항목은 "추가 확인 필요"로 표시해줘. - 최종 판단은 단정하지 말고 "담당자 검토 필요" 문구를 남겨줘. - Preview에서 테스트하기 쉽도록 입력 예시와 출력 예시가 보이게 해줘.
수업 시간이 남으면 마지막으로 안전장치와 출력 형식을 점검합니다.
AI Studio Build 최종 점검 프롬프트
Preview 결과를 기준으로 앱을 한 번 더 점검해줘. 점검할 것: - 입력칸 이름이 수강생이 이해하기 쉬운가? - 출력 결과가 표, 점수, 체크리스트, 보고서 초안 중 하나 이상으로 구조화되어 있는가? - 문서에 없는 내용을 추정하지 않도록 안내 문구가 있는가? - 실제 선정/지원/제출 가능성을 단정하지 않고 담당자 검토 필요로 남기는가? 부족한 부분이 있으면 화면 문구와 출력 형식을 수정해줘.
첨부파일
Google AI Studio Build에 붙여넣어 앱을 만들고 수정할 프롬프트입니다.
wonju-bd-mid-ai-studio-fit-checker_step-02_prompt.md
첨부파일
해당 Step에서 붙여넣거나 업로드할 공개자료 기반 교육용 샘플 데이터입니다.
wonju-bd-mid-ai-studio-fit-checker_step-02_data.md
Step 3
실습 08 · 공고문 지원 적합도 진단기
단독지원/협력지원 판단과 보완 우선순위를 표로 만듭니다.
AI Studio Build 1단계 프롬프트
# 공고문 지원 적합도 진단기 Step 3 프롬프트 앱을 업무형으로 확장해줘. 추가 요구: - 단독 지원 가능 여부 - 컨소시엄이 필요한 이유 - 추천 협력기관 유형 - 보완 우선순위 1~5위 - 담당자에게 보낼 질문 초안 출력은 표와 체크리스트 중심으로 보여줘. 마지막에는 "제출 전 담당자 확인 필요" 문구를 넣어줘.
Preview 입력칸에 아래 데이터를 넣고 결과가 나오는지 확인합니다.
테스트 데이터
총 20줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 결과가 너무 길거나 모호하면 아래 수정 요청을 이어서 입력합니다.
AI Studio Build 2차 수정 프롬프트
방금 만든 앱을 아래 기준으로 수정해줘. 이번 Step 목표: 업무형: 컨소시엄 필요 여부와 보완 우선순위 만들기 보완 방향: 단독지원/협력지원 판단과 보완 우선순위를 표로 만듭니다. 수정 요구: - 결과를 표나 체크리스트처럼 한눈에 보이게 정리해줘. - 근거가 부족한 항목은 "추가 확인 필요"로 표시해줘. - 최종 판단은 단정하지 말고 "담당자 검토 필요" 문구를 남겨줘. - Preview에서 테스트하기 쉽도록 입력 예시와 출력 예시가 보이게 해줘.
수업 시간이 남으면 마지막으로 안전장치와 출력 형식을 점검합니다.
AI Studio Build 최종 점검 프롬프트
Preview 결과를 기준으로 앱을 한 번 더 점검해줘. 점검할 것: - 입력칸 이름이 수강생이 이해하기 쉬운가? - 출력 결과가 표, 점수, 체크리스트, 보고서 초안 중 하나 이상으로 구조화되어 있는가? - 문서에 없는 내용을 추정하지 않도록 안내 문구가 있는가? - 실제 선정/지원/제출 가능성을 단정하지 않고 담당자 검토 필요로 남기는가? 부족한 부분이 있으면 화면 문구와 출력 형식을 수정해줘.
첨부파일
Google AI Studio Build에 붙여넣어 앱을 만들고 수정할 프롬프트입니다.
wonju-bd-mid-ai-studio-fit-checker_step-03_prompt.md
첨부파일
해당 Step에서 붙여넣거나 업로드할 공개자료 기반 교육용 샘플 데이터입니다.
wonju-bd-mid-ai-studio-fit-checker_step-03_data.md
정책자료와 공고 제목 목록을 넣고 키워드, 부처별 동향, 검토 후보, 보고서 초안을 생성합니다.
3 steps
Step 1
실습 09 · 주간 정책·사업 동향 브리핑 앱
여러 정책·공고 제목을 핵심 키워드와 분야별 묶음으로 정리합니다.
AI Studio Build 1단계 프롬프트
총 15줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 입력칸에 아래 데이터를 넣고 결과가 나오는지 확인합니다.
테스트 데이터
총 20줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 결과가 너무 길거나 모호하면 아래 수정 요청을 이어서 입력합니다.
AI Studio Build 2차 수정 프롬프트
방금 만든 앱을 아래 기준으로 수정해줘. 이번 Step 목표: 기본형: 정책·공고 목록 요약하기 보완 방향: 여러 정책·공고 제목을 핵심 키워드와 분야별 묶음으로 정리합니다. 수정 요구: - 결과를 표나 체크리스트처럼 한눈에 보이게 정리해줘. - 근거가 부족한 항목은 "추가 확인 필요"로 표시해줘. - 최종 판단은 단정하지 말고 "담당자 검토 필요" 문구를 남겨줘. - Preview에서 테스트하기 쉽도록 입력 예시와 출력 예시가 보이게 해줘.
수업 시간이 남으면 마지막으로 안전장치와 출력 형식을 점검합니다.
AI Studio Build 최종 점검 프롬프트
Preview 결과를 기준으로 앱을 한 번 더 점검해줘. 점검할 것: - 입력칸 이름이 수강생이 이해하기 쉬운가? - 출력 결과가 표, 점수, 체크리스트, 보고서 초안 중 하나 이상으로 구조화되어 있는가? - 문서에 없는 내용을 추정하지 않도록 안내 문구가 있는가? - 실제 선정/지원/제출 가능성을 단정하지 않고 담당자 검토 필요로 남기는가? 부족한 부분이 있으면 화면 문구와 출력 형식을 수정해줘.
첨부파일
Google AI Studio Build에 붙여넣어 앱을 만들고 수정할 프롬프트입니다.
wonju-bd-mid-ai-studio-policy-briefing_step-01_prompt.md
첨부파일
해당 Step에서 붙여넣거나 업로드할 공개자료 기반 교육용 샘플 데이터입니다.
wonju-bd-mid-ai-studio-policy-briefing_step-01_data.md
Step 2
실습 09 · 주간 정책·사업 동향 브리핑 앱
부처, 대상 산업, 지역, 신청기한 기준으로 검토 우선순위를 냅니다.
AI Studio Build 1단계 프롬프트
총 18줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 입력칸에 아래 데이터를 넣고 결과가 나오는지 확인합니다.
테스트 데이터
총 17줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 결과가 너무 길거나 모호하면 아래 수정 요청을 이어서 입력합니다.
AI Studio Build 2차 수정 프롬프트
방금 만든 앱을 아래 기준으로 수정해줘. 이번 Step 목표: 검증형: 부처·분야 필터와 우선 검토 후보 만들기 보완 방향: 부처, 대상 산업, 지역, 신청기한 기준으로 검토 우선순위를 냅니다. 수정 요구: - 결과를 표나 체크리스트처럼 한눈에 보이게 정리해줘. - 근거가 부족한 항목은 "추가 확인 필요"로 표시해줘. - 최종 판단은 단정하지 말고 "담당자 검토 필요" 문구를 남겨줘. - Preview에서 테스트하기 쉽도록 입력 예시와 출력 예시가 보이게 해줘.
수업 시간이 남으면 마지막으로 안전장치와 출력 형식을 점검합니다.
AI Studio Build 최종 점검 프롬프트
Preview 결과를 기준으로 앱을 한 번 더 점검해줘. 점검할 것: - 입력칸 이름이 수강생이 이해하기 쉬운가? - 출력 결과가 표, 점수, 체크리스트, 보고서 초안 중 하나 이상으로 구조화되어 있는가? - 문서에 없는 내용을 추정하지 않도록 안내 문구가 있는가? - 실제 선정/지원/제출 가능성을 단정하지 않고 담당자 검토 필요로 남기는가? 부족한 부분이 있으면 화면 문구와 출력 형식을 수정해줘.
첨부파일
Google AI Studio Build에 붙여넣어 앱을 만들고 수정할 프롬프트입니다.
wonju-bd-mid-ai-studio-policy-briefing_step-02_prompt.md
첨부파일
해당 Step에서 붙여넣거나 업로드할 공개자료 기반 교육용 샘플 데이터입니다.
wonju-bd-mid-ai-studio-policy-briefing_step-02_data.md
Step 3
실습 09 · 주간 정책·사업 동향 브리핑 앱
팀장 보고용 요약, 후보 사업 표, 다음 액션을 한 화면으로 만듭니다.
AI Studio Build 1단계 프롬프트
# 주간 정책·사업 동향 브리핑 앱 Step 3 프롬프트 앱을 팀장 보고용 주간 브리핑 도구로 확장해줘. 출력: - 이번 주 핵심 흐름 3줄 - 우선 검토 사업 TOP 5 표 - 부처/기관별 동향 요약 - 우리 기관에 맞는 다음 액션 - 보고서 초안 추가 기능: - "보고서 복사용 텍스트" 영역을 만들어줘. - 검토 후보마다 담당자 확인 질문을 1개씩 붙여줘.
Preview 입력칸에 아래 데이터를 넣고 결과가 나오는지 확인합니다.
테스트 데이터
총 20줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 결과가 너무 길거나 모호하면 아래 수정 요청을 이어서 입력합니다.
AI Studio Build 2차 수정 프롬프트
방금 만든 앱을 아래 기준으로 수정해줘. 이번 Step 목표: 업무형: 주간 브리핑 보고서 초안 만들기 보완 방향: 팀장 보고용 요약, 후보 사업 표, 다음 액션을 한 화면으로 만듭니다. 수정 요구: - 결과를 표나 체크리스트처럼 한눈에 보이게 정리해줘. - 근거가 부족한 항목은 "추가 확인 필요"로 표시해줘. - 최종 판단은 단정하지 말고 "담당자 검토 필요" 문구를 남겨줘. - Preview에서 테스트하기 쉽도록 입력 예시와 출력 예시가 보이게 해줘.
수업 시간이 남으면 마지막으로 안전장치와 출력 형식을 점검합니다.
AI Studio Build 최종 점검 프롬프트
Preview 결과를 기준으로 앱을 한 번 더 점검해줘. 점검할 것: - 입력칸 이름이 수강생이 이해하기 쉬운가? - 출력 결과가 표, 점수, 체크리스트, 보고서 초안 중 하나 이상으로 구조화되어 있는가? - 문서에 없는 내용을 추정하지 않도록 안내 문구가 있는가? - 실제 선정/지원/제출 가능성을 단정하지 않고 담당자 검토 필요로 남기는가? 부족한 부분이 있으면 화면 문구와 출력 형식을 수정해줘.
첨부파일
Google AI Studio Build에 붙여넣어 앱을 만들고 수정할 프롬프트입니다.
wonju-bd-mid-ai-studio-policy-briefing_step-03_prompt.md
첨부파일
해당 Step에서 붙여넣거나 업로드할 공개자료 기반 교육용 샘플 데이터입니다.
wonju-bd-mid-ai-studio-policy-briefing_step-03_data.md
정책 키워드, 기관 역량, 대상 산업을 조합해 사업명, 추진배경, 프로그램, KPI를 생성합니다.
3 steps
Step 1
실습 10 · 사업 아이디어 조립기
정책 키워드와 기관 역량을 조합해 사업 아이디어 후보를 만듭니다.
AI Studio Build 1단계 프롬프트
총 18줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 입력칸에 아래 데이터를 넣고 결과가 나오는지 확인합니다.
테스트 데이터
총 24줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 결과가 너무 길거나 모호하면 아래 수정 요청을 이어서 입력합니다.
AI Studio Build 2차 수정 프롬프트
방금 만든 앱을 아래 기준으로 수정해줘. 이번 Step 목표: 기본형: 사업 아이디어 3개 생성하기 보완 방향: 정책 키워드와 기관 역량을 조합해 사업 아이디어 후보를 만듭니다. 수정 요구: - 결과를 표나 체크리스트처럼 한눈에 보이게 정리해줘. - 근거가 부족한 항목은 "추가 확인 필요"로 표시해줘. - 최종 판단은 단정하지 말고 "담당자 검토 필요" 문구를 남겨줘. - Preview에서 테스트하기 쉽도록 입력 예시와 출력 예시가 보이게 해줘.
수업 시간이 남으면 마지막으로 안전장치와 출력 형식을 점검합니다.
AI Studio Build 최종 점검 프롬프트
Preview 결과를 기준으로 앱을 한 번 더 점검해줘. 점검할 것: - 입력칸 이름이 수강생이 이해하기 쉬운가? - 출력 결과가 표, 점수, 체크리스트, 보고서 초안 중 하나 이상으로 구조화되어 있는가? - 문서에 없는 내용을 추정하지 않도록 안내 문구가 있는가? - 실제 선정/지원/제출 가능성을 단정하지 않고 담당자 검토 필요로 남기는가? 부족한 부분이 있으면 화면 문구와 출력 형식을 수정해줘.
첨부파일
Google AI Studio Build에 붙여넣어 앱을 만들고 수정할 프롬프트입니다.
wonju-bd-mid-ai-studio-idea-builder_step-01_prompt.md
첨부파일
해당 Step에서 붙여넣거나 업로드할 공개자료 기반 교육용 샘플 데이터입니다.
wonju-bd-mid-ai-studio-idea-builder_step-01_data.md
Step 2
실습 10 · 사업 아이디어 조립기
아이디어별 정량 KPI, 대상, 프로그램, 기대효과를 표로 정리합니다.
AI Studio Build 1단계 프롬프트
# 사업 아이디어 조립기 Step 2 프롬프트 앱을 수정해서 아이디어별 KPI와 기대효과를 더 구조화해줘. 출력: - 아이디어 비교표 - 정량 KPI 3개 - 정성 KPI 2개 - 필요한 협력기관 - 실행 난이도 규칙: - KPI는 숫자로 확인 가능한 형태를 우선해줘. - 근거가 약한 KPI는 "추가 검토 필요"로 표시해줘.
Preview 입력칸에 아래 데이터를 넣고 결과가 나오는지 확인합니다.
테스트 데이터
총 22줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 결과가 너무 길거나 모호하면 아래 수정 요청을 이어서 입력합니다.
AI Studio Build 2차 수정 프롬프트
방금 만든 앱을 아래 기준으로 수정해줘. 이번 Step 목표: 검증형: KPI와 기대효과 구조화하기 보완 방향: 아이디어별 정량 KPI, 대상, 프로그램, 기대효과를 표로 정리합니다. 수정 요구: - 결과를 표나 체크리스트처럼 한눈에 보이게 정리해줘. - 근거가 부족한 항목은 "추가 확인 필요"로 표시해줘. - 최종 판단은 단정하지 말고 "담당자 검토 필요" 문구를 남겨줘. - Preview에서 테스트하기 쉽도록 입력 예시와 출력 예시가 보이게 해줘.
수업 시간이 남으면 마지막으로 안전장치와 출력 형식을 점검합니다.
AI Studio Build 최종 점검 프롬프트
Preview 결과를 기준으로 앱을 한 번 더 점검해줘. 점검할 것: - 입력칸 이름이 수강생이 이해하기 쉬운가? - 출력 결과가 표, 점수, 체크리스트, 보고서 초안 중 하나 이상으로 구조화되어 있는가? - 문서에 없는 내용을 추정하지 않도록 안내 문구가 있는가? - 실제 선정/지원/제출 가능성을 단정하지 않고 담당자 검토 필요로 남기는가? 부족한 부분이 있으면 화면 문구와 출력 형식을 수정해줘.
첨부파일
Google AI Studio Build에 붙여넣어 앱을 만들고 수정할 프롬프트입니다.
wonju-bd-mid-ai-studio-idea-builder_step-02_prompt.md
첨부파일
해당 Step에서 붙여넣거나 업로드할 공개자료 기반 교육용 샘플 데이터입니다.
wonju-bd-mid-ai-studio-idea-builder_step-02_data.md
Step 3
실습 10 · 사업 아이디어 조립기
선정한 아이디어를 제안서 목차와 추가 조사 질문으로 전환합니다.
AI Studio Build 1단계 프롬프트
# 사업 아이디어 조립기 Step 3 프롬프트 선택한 사업 아이디어를 제안서 초안 구조로 바꿔줘. 출력: - 제안서 목차 - 1쪽 요약문 - 세부 프로그램 표 - 예산 항목 초안 - 추가 조사 질문 주의: - 예산 금액은 임의로 단정하지 말고 항목 중심으로만 제안해줘. - 실제 제출 전 담당자 검토 필요 문구를 넣어줘.
Preview 입력칸에 아래 데이터를 넣고 결과가 나오는지 확인합니다.
테스트 데이터
총 24줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 결과가 너무 길거나 모호하면 아래 수정 요청을 이어서 입력합니다.
AI Studio Build 2차 수정 프롬프트
방금 만든 앱을 아래 기준으로 수정해줘. 이번 Step 목표: 업무형: 제안서 목차와 보완 질문 만들기 보완 방향: 선정한 아이디어를 제안서 목차와 추가 조사 질문으로 전환합니다. 수정 요구: - 결과를 표나 체크리스트처럼 한눈에 보이게 정리해줘. - 근거가 부족한 항목은 "추가 확인 필요"로 표시해줘. - 최종 판단은 단정하지 말고 "담당자 검토 필요" 문구를 남겨줘. - Preview에서 테스트하기 쉽도록 입력 예시와 출력 예시가 보이게 해줘.
수업 시간이 남으면 마지막으로 안전장치와 출력 형식을 점검합니다.
AI Studio Build 최종 점검 프롬프트
Preview 결과를 기준으로 앱을 한 번 더 점검해줘. 점검할 것: - 입력칸 이름이 수강생이 이해하기 쉬운가? - 출력 결과가 표, 점수, 체크리스트, 보고서 초안 중 하나 이상으로 구조화되어 있는가? - 문서에 없는 내용을 추정하지 않도록 안내 문구가 있는가? - 실제 선정/지원/제출 가능성을 단정하지 않고 담당자 검토 필요로 남기는가? 부족한 부분이 있으면 화면 문구와 출력 형식을 수정해줘.
첨부파일
Google AI Studio Build에 붙여넣어 앱을 만들고 수정할 프롬프트입니다.
wonju-bd-mid-ai-studio-idea-builder_step-03_prompt.md
첨부파일
해당 Step에서 붙여넣거나 업로드할 공개자료 기반 교육용 샘플 데이터입니다.
wonju-bd-mid-ai-studio-idea-builder_step-03_data.md
사업계획서 초안에서 근거 부족, 정량지표 부족, 차별성 약점을 찾고 보강 문장을 제안합니다.
3 steps
Step 1
실습 11 · 제안서 약점 탐지기
제안서 초안에서 설득력이 약한 문단을 찾아 유형별로 분류합니다.
AI Studio Build 1단계 프롬프트
총 19줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 입력칸에 아래 데이터를 넣고 결과가 나오는지 확인합니다.
테스트 데이터
총 15줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 결과가 너무 길거나 모호하면 아래 수정 요청을 이어서 입력합니다.
AI Studio Build 2차 수정 프롬프트
방금 만든 앱을 아래 기준으로 수정해줘. 이번 Step 목표: 기본형: 약한 문단 찾기 보완 방향: 제안서 초안에서 설득력이 약한 문단을 찾아 유형별로 분류합니다. 수정 요구: - 결과를 표나 체크리스트처럼 한눈에 보이게 정리해줘. - 근거가 부족한 항목은 "추가 확인 필요"로 표시해줘. - 최종 판단은 단정하지 말고 "담당자 검토 필요" 문구를 남겨줘. - Preview에서 테스트하기 쉽도록 입력 예시와 출력 예시가 보이게 해줘.
수업 시간이 남으면 마지막으로 안전장치와 출력 형식을 점검합니다.
AI Studio Build 최종 점검 프롬프트
Preview 결과를 기준으로 앱을 한 번 더 점검해줘. 점검할 것: - 입력칸 이름이 수강생이 이해하기 쉬운가? - 출력 결과가 표, 점수, 체크리스트, 보고서 초안 중 하나 이상으로 구조화되어 있는가? - 문서에 없는 내용을 추정하지 않도록 안내 문구가 있는가? - 실제 선정/지원/제출 가능성을 단정하지 않고 담당자 검토 필요로 남기는가? 부족한 부분이 있으면 화면 문구와 출력 형식을 수정해줘.
첨부파일
Google AI Studio Build에 붙여넣어 앱을 만들고 수정할 프롬프트입니다.
wonju-bd-mid-ai-studio-proposal-weakness_step-01_prompt.md
첨부파일
해당 Step에서 붙여넣거나 업로드할 공개자료 기반 교육용 샘플 데이터입니다.
wonju-bd-mid-ai-studio-proposal-weakness_step-01_data.md
Step 2
실습 11 · 제안서 약점 탐지기
약점별로 필요한 추가 자료와 보강 문장 후보를 만듭니다.
AI Studio Build 1단계 프롬프트
# 제안서 약점 탐지기 Step 2 프롬프트 앱을 수정해서 약점별 보강 문장 후보와 필요한 추가 자료를 제안해줘. 출력: - 약점 유형별 표 - 필요한 추가 자료 - 보강 문장 후보 - 보강 후 기대효과 규칙: - 없는 실적이나 숫자를 지어내지 마. - 숫자가 필요하면 "확인 후 입력" 형태로 자리표시자를 써줘.
Preview 입력칸에 아래 데이터를 넣고 결과가 나오는지 확인합니다.
테스트 데이터
총 23줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Preview 결과가 너무 길거나 모호하면 아래 수정 요청을 이어서 입력합니다.
AI Studio Build 2차 수정 프롬프트
방금 만든 앱을 아래 기준으로 수정해줘. 이번 Step 목표: 검증형: 근거·KPI·차별성 보강하기 보완 방향: 약점별로 필요한 추가 자료와 보강 문장 후보를 만듭니다. 수정 요구: - 결과를 표나 체크리스트처럼 한눈에 보이게 정리해줘. - 근거가 부족한 항목은 "추가 확인 필요"로 표시해줘. - 최종 판단은 단정하지 말고 "담당자 검토 필요" 문구를 남겨줘. - Preview에서 테스트하기 쉽도록 입력 예시와 출력 예시가 보이게 해줘.
수업 시간이 남으면 마지막으로 안전장치와 출력 형식을 점검합니다.
AI Studio Build 최종 점검 프롬프트
Preview 결과를 기준으로 앱을 한 번 더 점검해줘. 점검할 것: - 입력칸 이름이 수강생이 이해하기 쉬운가? - 출력 결과가 표, 점수, 체크리스트, 보고서 초안 중 하나 이상으로 구조화되어 있는가? - 문서에 없는 내용을 추정하지 않도록 안내 문구가 있는가? - 실제 선정/지원/제출 가능성을 단정하지 않고 담당자 검토 필요로 남기는가? 부족한 부분이 있으면 화면 문구와 출력 형식을 수정해줘.
첨부파일
Google AI Studio Build에 붙여넣어 앱을 만들고 수정할 프롬프트입니다.
wonju-bd-mid-ai-studio-proposal-weakness_step-02_prompt.md
첨부파일
해당 Step에서 붙여넣거나 업로드할 공개자료 기반 교육용 샘플 데이터입니다.
wonju-bd-mid-ai-studio-proposal-weakness_step-02_data.md
Step 3
실습 11 · 제안서 약점 탐지기
최종 제출 전 고칠 순서, 담당자 질문, 보강 우선순위를 정리합니다.
AI Studio Build 1단계 프롬프트
# 제안서 약점 탐지기 Step 3 프롬프트 앱을 제출 전 수정 체크리스트 도구로 확장해줘. 출력: - 수정 우선순위 TOP 5 - 담당자별 확인 질문 - 보강 전/후 문장 비교 - 제출 전 체크리스트 - 남은 리스크 주의: - 최종 제출 가능 여부를 단정하지 말고 담당자 검토 필요로 표시해줘.
Preview 입력칸에 아래 데이터를 넣고 결과가 나오는지 확인합니다.
테스트 데이터
# 제안서 약점 탐지기 Step 3 데이터 ## 보강 후 초안 일부 본 사업은 원주 의료기기·ICT 기업 실무자가 공개 공고문과 정책자료를 빠르게 구조화하고, AI Studio Build로 업무 프로토타입을 만드는 2일 실습 과정이다. 1일차에는 공고문 적합도 진단기, 정책 브리핑 앱, 제안서 약점 탐지기 등을 만들고, 2일차에는 Cursor와 Streamlit으로 정책사업 대시보드를 리팩토링한다. 교육 과정은 API 비용 없이 Google AI Studio 기본 기능과 로컬 파일 기반 실습으로 운영한다. 수강생은 공고문 요약, 정책자료 목록, 제안서 초안 등 공개자료 기반 샘플 데이터를 사용한다. 최종 산출물은 업무 적용 아이디어, 프로토타입 화면, 개선 체크리스트이다. ## 담당자 역할 - 사업기획 담당: 공고문 적합성 확인 - 교육운영 담당: 수강생 수준과 일정 확인 - 기술 담당: 실습자료 실행 가능성 확인 - 보안 담당: 민감정보 사용 여부 확인
Preview 결과가 너무 길거나 모호하면 아래 수정 요청을 이어서 입력합니다.
AI Studio Build 2차 수정 프롬프트
방금 만든 앱을 아래 기준으로 수정해줘. 이번 Step 목표: 업무형: 제출 전 수정 체크리스트 만들기 보완 방향: 최종 제출 전 고칠 순서, 담당자 질문, 보강 우선순위를 정리합니다. 수정 요구: - 결과를 표나 체크리스트처럼 한눈에 보이게 정리해줘. - 근거가 부족한 항목은 "추가 확인 필요"로 표시해줘. - 최종 판단은 단정하지 말고 "담당자 검토 필요" 문구를 남겨줘. - Preview에서 테스트하기 쉽도록 입력 예시와 출력 예시가 보이게 해줘.
수업 시간이 남으면 마지막으로 안전장치와 출력 형식을 점검합니다.
AI Studio Build 최종 점검 프롬프트
Preview 결과를 기준으로 앱을 한 번 더 점검해줘. 점검할 것: - 입력칸 이름이 수강생이 이해하기 쉬운가? - 출력 결과가 표, 점수, 체크리스트, 보고서 초안 중 하나 이상으로 구조화되어 있는가? - 문서에 없는 내용을 추정하지 않도록 안내 문구가 있는가? - 실제 선정/지원/제출 가능성을 단정하지 않고 담당자 검토 필요로 남기는가? 부족한 부분이 있으면 화면 문구와 출력 형식을 수정해줘.
첨부파일
Google AI Studio Build에 붙여넣어 앱을 만들고 수정할 프롬프트입니다.
wonju-bd-mid-ai-studio-proposal-weakness_step-03_prompt.md
첨부파일
해당 Step에서 붙여넣거나 업로드할 공개자료 기반 교육용 샘플 데이터입니다.
wonju-bd-mid-ai-studio-proposal-weakness_step-03_data.md
대한민국 vs 멕시코 경기를 주제로 변수·가중치·시뮬레이션을 직접 설계하는 AI Studio Build 자유 과제입니다.
7 steps
Step 1
실습 12 · 월드컵 승부 예측기 만들기
월드컵 승부 예측기는 결과를 맞히는 기계가 아닙니다. 오늘의 목표는 데이터, 가정, 가중치, 한계를 한 화면에 드러내는 작은 도구를 만드는 것입니다.
첨부파일
경기 맥락, 랭킹, 최근 흐름, 선수·환경 변수를 교육용으로 요약한 자료입니다.
worldcup-prediction-seed-data.md
첨부파일
변수명, 기본 가중치, 한국/멕시코 초기 점수를 담은 CSV입니다.
worldcup-prediction-model-variables.csv
첨부파일
중립·한국 낙관·멕시코 우세·변동성 높은 경기 시나리오입니다.
worldcup-prediction-sample-scenarios.md
첨부파일
Build에 순서대로 입력할 기본 프롬프트와 개선 프롬프트입니다.
worldcup-prediction-step-prompts.md
Step 2
실습 12 · 월드컵 승부 예측기 만들기
시드데이터를 그대로 믿는 것이 아니라, 어떤 변수를 모델에 넣을지 선택합니다. 변수를 고르는 순간 이미 모델의 관점이 생깁니다.
| 변수 | 질문 | 함정 |
|---|---|---|
| FIFA 랭킹 | 장기 전력 차이를 얼마나 반영할까? | 랭킹이 높으면 항상 이기는 것은 아님 |
| 최근 경기 흐름 | 첫 경기 승리를 얼마나 반영할까? | 상대 수준이 다르면 의미가 달라짐 |
| 공격력 | 누가 득점할 가능성이 높은가? | 이름값과 현재 폼은 다를 수 있음 |
| 수비 안정성 | 수비 라인이 안정적인가? | 한 명 결장이 전체 구조를 흔들 수 있음 |
| 홈/환경 | 멕시코 개최국 이점이 있는가? | 중립 경기와 홈 경기의 중간값일 수 있음 |
| 전술 상성 | 한국 전환 공격 vs 멕시코 압박은? | 설명하기 쉽지만 점수화가 어려움 |
| 역대 전적 | 과거 맞대결은 의미가 있나? | 오래된 경기는 현재 전력과 다름 |
| 핵심 선수 | 손흥민, 김민재, 히메네스 변수는? | 선수 1명을 과대평가하기 쉬움 |
첨부파일
경기 맥락, 랭킹, 최근 흐름, 선수·환경 변수를 교육용으로 요약한 자료입니다.
worldcup-prediction-seed-data.md
첨부파일
변수명, 기본 가중치, 한국/멕시코 초기 점수를 담은 CSV입니다.
worldcup-prediction-model-variables.csv
첨부파일
중립·한국 낙관·멕시코 우세·변동성 높은 경기 시나리오입니다.
worldcup-prediction-sample-scenarios.md
첨부파일
Build에 순서대로 입력할 기본 프롬프트와 개선 프롬프트입니다.
worldcup-prediction-step-prompts.md
Step 3
실습 12 · 월드컵 승부 예측기 만들기
같은 시드데이터를 써도 가중치를 다르게 주면 결과는 달라집니다. 이것이 모델 설계의 핵심입니다.
| 변수 | 기본 가중치 | 바꿔볼 질문 |
|---|---|---|
| FIFA 랭킹 | 15 | 장기 전력을 더 믿을까? |
| 최근 흐름 | 15 | 첫 경기 결과를 크게 볼까? |
| 공격력 | 15 | 득점 기대를 더 볼까? |
| 수비 안정성 | 15 | 실점 위험을 더 볼까? |
| 핵심 선수 | 10 | 스타 선수 영향이 큰가? |
| 전술 상성 | 10 | 스타일 상성이 중요한가? |
| 홈/환경 | 10 | 개최국 분위기를 크게 볼까? |
| 역대 전적 | 5 | 과거 전적은 얼마나 반영할까? |
| 불확실성 | 5 | 정보가 부족하면 신뢰도를 낮출까? |
가중치 정규화 아이디어
정규화 가중치 = 각 가중치 / 전체 가중치 합계 팀 점수 = Σ(변수 점수 × 정규화 가중치)
첨부파일
경기 맥락, 랭킹, 최근 흐름, 선수·환경 변수를 교육용으로 요약한 자료입니다.
worldcup-prediction-seed-data.md
첨부파일
변수명, 기본 가중치, 한국/멕시코 초기 점수를 담은 CSV입니다.
worldcup-prediction-model-variables.csv
첨부파일
중립·한국 낙관·멕시코 우세·변동성 높은 경기 시나리오입니다.
worldcup-prediction-sample-scenarios.md
첨부파일
Build에 순서대로 입력할 기본 프롬프트와 개선 프롬프트입니다.
worldcup-prediction-step-prompts.md
Step 4
실습 12 · 월드컵 승부 예측기 만들기
축구 예측에서 한 번의 계산만으로는 부족합니다. 같은 전력이어도 경기 결과는 흔들립니다. 그래서 반복 실험이라는 생각을 씁니다.
예상 득점 계산식 예시
한국 예상 득점 = 1.0 + 공격력 보정 - 멕시코 수비 보정 + 최근 흐름 보정 + 전술 보정 멕시코 예상 득점 = 1.0 + 공격력 보정 - 한국 수비 보정 + 홈 환경 보정 + 최근 흐름 보정
첨부파일
경기 맥락, 랭킹, 최근 흐름, 선수·환경 변수를 교육용으로 요약한 자료입니다.
worldcup-prediction-seed-data.md
첨부파일
변수명, 기본 가중치, 한국/멕시코 초기 점수를 담은 CSV입니다.
worldcup-prediction-model-variables.csv
첨부파일
중립·한국 낙관·멕시코 우세·변동성 높은 경기 시나리오입니다.
worldcup-prediction-sample-scenarios.md
첨부파일
Build에 순서대로 입력할 기본 프롬프트와 개선 프롬프트입니다.
worldcup-prediction-step-prompts.md
Step 5
실습 12 · 월드컵 승부 예측기 만들기
이제 앱을 만들기 전에 내 모델을 먼저 설계합니다. AI Studio에 바로 맡기지 말고, 어떤 값을 입력받고 어떤 결과를 낼지 종이에 정리합니다.
AI Studio Build 1차 프롬프트
총 34줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
첨부파일
경기 맥락, 랭킹, 최근 흐름, 선수·환경 변수를 교육용으로 요약한 자료입니다.
worldcup-prediction-seed-data.md
첨부파일
변수명, 기본 가중치, 한국/멕시코 초기 점수를 담은 CSV입니다.
worldcup-prediction-model-variables.csv
첨부파일
중립·한국 낙관·멕시코 우세·변동성 높은 경기 시나리오입니다.
worldcup-prediction-sample-scenarios.md
첨부파일
Build에 순서대로 입력할 기본 프롬프트와 개선 프롬프트입니다.
worldcup-prediction-step-prompts.md
Step 6
실습 12 · 월드컵 승부 예측기 만들기
여기부터는 정답 화면이 없습니다. 각자 모델을 다르게 만들고, Preview에서 결과가 납득되는지 확인합니다.
AI Studio Build 개선 프롬프트
방금 만든 승부 예측 앱을 개선해줘. 개선할 것: - 변수별 가중치를 슬라이더로 조정할 수 있게 해줘. - 가중치 합계가 100이 아니면 경고를 보여줘. - 한국 승/무/멕시코 승 확률을 카드로 보여줘. - 예상 득점과 예상 스코어 후보 3개를 보여줘. - 변수별 기여도 표와 핵심 변수 TOP 3를 보여줘. - 결과 하단에 "이 예측은 입력 데이터와 가정에 따른 교육용 모의 결과입니다." 문구를 넣어줘.
테스트 입력 예시
FIFA 랭킹: 한국 68, 멕시코 78, 가중치 15 최근 흐름: 한국 76, 멕시코 80, 가중치 15 공격력: 한국 74, 멕시코 78, 가중치 15 수비 안정성: 한국 76, 멕시코 68, 가중치 15 핵심 선수: 한국 72, 멕시코 70, 가중치 10 전술 상성: 한국 72, 멕시코 74, 가중치 10 홈 환경: 한국 62, 멕시코 82, 가중치 10 역대 전적: 한국 55, 멕시코 75, 가중치 5 시뮬레이션 횟수: 1000
첨부파일
경기 맥락, 랭킹, 최근 흐름, 선수·환경 변수를 교육용으로 요약한 자료입니다.
worldcup-prediction-seed-data.md
첨부파일
변수명, 기본 가중치, 한국/멕시코 초기 점수를 담은 CSV입니다.
worldcup-prediction-model-variables.csv
첨부파일
중립·한국 낙관·멕시코 우세·변동성 높은 경기 시나리오입니다.
worldcup-prediction-sample-scenarios.md
첨부파일
Build에 순서대로 입력할 기본 프롬프트와 개선 프롬프트입니다.
worldcup-prediction-step-prompts.md
Step 7
실습 12 · 월드컵 승부 예측기 만들기
마지막 Step에서는 결과가 아니라 모델을 설명합니다. 좋은 예측기는 "맞힙니다"가 아니라 "이런 가정으로 이런 결과가 나왔습니다"라고 말합니다.
> 이 앱은 입력된 데이터와 가중치를 바탕으로 한 교육용 예측 시뮬레이터입니다. 실제 경기 결과는 부상, 퇴장, 판정, 전술 변화, 심리적 압박 등 다양한 변수로 달라질 수 있습니다.
첨부파일
경기 맥락, 랭킹, 최근 흐름, 선수·환경 변수를 교육용으로 요약한 자료입니다.
worldcup-prediction-seed-data.md
첨부파일
변수명, 기본 가중치, 한국/멕시코 초기 점수를 담은 CSV입니다.
worldcup-prediction-model-variables.csv
첨부파일
중립·한국 낙관·멕시코 우세·변동성 높은 경기 시나리오입니다.
worldcup-prediction-sample-scenarios.md
첨부파일
Build에 순서대로 입력할 기본 프롬프트와 개선 프롬프트입니다.
worldcup-prediction-step-prompts.md
바이브코딩 워크샵의 유튜브 다운로더 실습을 확장 과제로 연결해 로컬앱 개발, ffmpeg, GitHub, exe 패키징 흐름을 경험합니다.
18 steps
Step 1
실습 13 · 유튜브 다운로드 프로그램 만들기
새 프로젝트를 시작하고, Ai Studio와 Cursor를 오가며 명세를 다듬고, 실행 가능한 파이썬 GUI 프로그램을 완성합니다.
Python, PyQt5, yt-dlp, ffmpeg, GitHub, PyInstaller
유튜브 조회 기능 → 다운로드 기능 → Full HD / 4K 지원 → exe 파일
이 모듈은 바이브코딩 워크샵의 “유튜브 다운로더 완성 실습”을 원주 ICT 과정 마지막 확장 실습으로 붙인 것입니다.
핵심은 유튜브 다운로드 자체가 아니라, 아이디어 → 명세 → 검토 → 구현 → 오류 해결 → 패키징까지 Cursor와 AI Studio를 오가며 완성하는 흐름을 경험하는 데 있습니다.
Step 2
실습 13 · 유튜브 다운로드 프로그램 만들기
왜 파이썬으로 실습하는지, 로컬앱이 무엇인지 이해합니다.
파이썬은 초보자도 쉽게 배울 수 있는 언어입니다. 문법이 간단하고 읽기 쉬워서, 코드를 작성하는 것보다 문제를 해결하는 것에 집중할 수 있습니다.
또한 파이썬은 풍부한 라이브러리를 제공합니다. GUI를 만들고 싶으면 PyQt5, 웹에서 데이터를 가져오고 싶으면 requests, 유튜브 영상을 다운로드하고 싶으면 yt-dlp 같은 도구들이 이미 준비되어 있어서 처음부터 모든 것을 만들 필요가 없습니다.
이번 실습에서는 AI와 협업하는 개발 방식을 배우는 것이 목표입니다. 파이썬은 AI가 코드를 생성하고 수정하기에도 적합한 언어이기 때문에, Cursor나 Ai Studio 같은 도구와 함께 사용하기에 최적입니다.
로컬앱(Local App)은 인터넷 연결 없이도 내 컴퓨터에서 직접 실행되는 프로그램입니다. 웹 브라우저를 열지 않아도 되고, 서버에 접속할 필요도 없습니다.
로컬앱의 특징:
이번 실습에서 만드는 유튜브 다운로더도 로컬앱입니다. 프로그램을 실행하면 창이 뜨고, URL을 입력하면 내 컴퓨터의 Downloads 폴더에 영상이 저장됩니다.
Step 3
실습 13 · 유튜브 다운로드 프로그램 만들기
이번 실습은 이렇게 진행합니다
전제: 1부에서 Cursor, Python, Git, GitHub CLI 기본 구축을 끝낸 상태입니다.
1. 새 프로젝트 폴더를 만듭니다
2. AGENTS.md를 넣어 AI의 작업 규칙을 정합니다
3. Ai Studio에서 plan.md 초안을 만듭니다
4. Cursor로 기술 검토를 받고 다시 Ai Studio에서 수정합니다
5. Go 판단 후 조회 프로그램부터 구현합니다
6. 다운로드 기능을 추가하고 720p 한계를 확인합니다
7. ffmpeg와 명령줄 도구, PATH 환경변수를 이해하고 설정합니다
8. Full HD / 4K 다운로드를 구현합니다
9. GitHub에 프로젝트를 저장합니다
10. exe 파일로 패키징합니다
처음부터 완성 앱을 한 번에 요구하면 명세가 커지고 불안정해집니다. 이번 2부는 작은 기능부터 확인하고, 잘 되는 것을 바탕으로 확장하는 방식으로 진행합니다.
유튜브 다운로드 실습은 저작권과 플랫폼 정책을 준수하는 범위에서만 사용합니다. 교육 목적의 로컬 실습을 기준으로 진행합니다.
Step 4
실습 13 · 유튜브 다운로드 프로그램 만들기
새 프로젝트 폴더를 만들고, 2부 실습 전용 작업 공간을 준비합니다.
이번 2부는 기존 프로젝트가 아니라 새 프로젝트로 시작합니다. 그래야 실습 결과물을 깔끔하게 분리할 수 있고, Git 이력도 명확하게 남길 수 있습니다.
터미널에서 다음 명령어를 실행합니다
mkdir youtube-downloader cd youtube-downloader
복사용 텍스트
youtube-downloader/ ├─ AGENTS.md ├─ plan.md ├─ main.py ├─ requirements.txt └─ README.md
처음 실행 파일은 main.py로 두면 초보자가 따라가기 쉽습니다.
Step 5
실습 13 · 유튜브 다운로드 프로그램 만들기
AI가 이 프로젝트에서 어떻게 행동해야 하는지 규칙을 먼저 정합니다.
AGENTS.md는 이 프로젝트에서 AI가 따라야 할 운영 규칙입니다. 이번 실습에서는 특히 PLAN → GO → ACT 순서를 지키게 하는 것이 중요합니다.
markdown
# AGENTS.md ## Working Rules - Always start in PLAN mode - Read plan.md before proposing work - Do not write code until the user says GO - Keep changes small and scoped - Explain changed files and run steps after each task
규칙은 짧고 강해야 합니다. 너무 길면 AI도 사람도 잘 지키지 못합니다.
Step 6
실습 13 · 유튜브 다운로드 프로그램 만들기
처음에는 크게 시작하지 않습니다. 먼저 유튜브 조회 프로그램만 만드는 명세부터 시작합니다.
이번 실습의 핵심은 처음부터 모든 기능을 다 넣지 않는 것입니다. 처음에는 다운로드 기능을 넣지 않고, 조회 기능만 있는 작은 프로그램을 기준으로 명세를 만듭니다.
복사용 텍스트
총 17줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Step 7
실습 13 · 유튜브 다운로드 프로그램 만들기
명세는 한 번에 완성하지 않습니다. 생성 → 검토 → 수정 → 재검토를 반복하다가 원하는 수준이 되면 Go 합니다.
Ai Studio는 아이디어를 문서로 정리하는 데 강하고, Cursor는 실제 구현 가능성을 검토하는 데 강합니다. 두 도구를 번갈아 사용하면 더 안정적인 명세를 만들 수 있습니다.
복사용 텍스트
plan.md 초안이야. 아직 코드는 작성하지 말고 구현 관점에서만 검토해줘. 다음 기준으로 정리해줘. 1. 구현하기에 모호한 부분 2. 빠진 요구사항 3. 필요한 예외 처리 4. 추천 파일 구조 5. 초보자가 막히기 쉬운 지점
복사용 텍스트
아래는 Cursor의 기술 검토 의견이야. 이 피드백을 반영해서 plan.md를 수정해줘. 조건: - 문서는 너무 길지 않게 - 실습용으로 간결하게 - 구현 순서가 보이게 - pip 패키지 설명은 유지
다운로드 기능 추가, ffmpeg 반영, 고화질 확장 때도 plan.md를 갱신하고 같은 핑퐁 구조로 검토한 뒤 Go 하면 됩니다.
Step 8
실습 13 · 유튜브 다운로드 프로그램 만들기
`pip`는 파이썬 패키지 설치 도구입니다. 코드는 있어도 패키지가 없으면 실행되지 않습니다.
우리는 모든 기능을 처음부터 직접 만들지 않습니다. 이미 잘 만들어진 패키지를 설치해서 조합합니다.
PyQt5
yt-dlp
requests
Windows:
복사용 텍스트
python -m venv .venv .venv\Scripts\activate pip install PyQt5 yt-dlp requests
macOS:
복사용 텍스트
python3 -m venv .venv source .venv/bin/activate pip install PyQt5 yt-dlp requests
Cursor가 코드를 잘 만들어도 필요한 패키지가 설치되지 않으면 프로그램은 실행되지 않습니다. 그래서 "무엇을 설치하는지"를 이해하고 넘어가야 합니다.
Step 9
실습 13 · 유튜브 다운로드 프로그램 만들기
이제 첫 번째 Go를 냅니다. 아직은 조회 기능만 구현합니다.
지금부터는 코드 생성 단계입니다. 다만 plan.md에 정의한 범위 안에서만 구현하도록 요청합니다.
복사용 텍스트
좋아. Go. 현재 plan.md 범위 안에서만 구현해줘. 요구: - main.py로 구현 - PyQt5 GUI - 유튜브 URL 입력창 - 조회 버튼 - 썸네일, 제목, 조회수 표시 - requests를 사용해 썸네일 로딩 가능 - 초보자가 읽기 쉬운 주석 포함 - 실행 방법도 함께 정리
복사용 텍스트
python main.py좋아요 수는 영상마다 안정적으로 조회되지 않을 수 있어 초반 목표에서 제외하는 편이 좋습니다.
Step 10
실습 13 · 유튜브 다운로드 프로그램 만들기
조회가 되면 이제 저장 기능을 붙입니다. 이 단계에서 보통 720p 한계를 만나게 됩니다.
먼저 기본 다운로드 기능부터 구현합니다. 이 단계의 목표는 "다운로드가 된다"는 것 자체를 확인하는 것입니다.
복사용 텍스트
조회 기능이 동작하니 이제 다운로드 버튼을 추가해줘. 조건: - 기존 조회 기능은 유지 - 다운로드 버튼 추가 - 기본 저장 위치는 운영체제의 Downloads 폴더 - 다운로드 진행 상태를 간단히 표시 - 먼저 구현이 쉬운 방식으로 시작
고화질 영상은 영상 스트림과 오디오 스트림이 분리된 경우가 많습니다. 이때는 둘을 합칠 도구가 따로 필요합니다.
Step 11
실습 13 · 유튜브 다운로드 프로그램 만들기
ffmpeg는 파이썬 패키지가 아니라 명령줄(CLI) 프로그램입니다. 그래서 설치와 PATH 설정이 함께 필요합니다.
명령줄 도구는 터미널에서 명령어로 실행하는 프로그램입니다. 우리는 이미 여러 명령줄 도구를 사용하고 있습니다.
복사용 텍스트
PyQt5 GUI → yt-dlp → ffmpeg → 완성 파일 저장터미널에서 명령어로 실행하는 프로그램입니다. 화면 버튼 대신 명령어로 동작합니다.
Full HD 이상에서는 영상과 음성을 각각 받은 뒤 합치는 작업이 필요한데, 그 병합을 ffmpeg가 담당합니다.
Step 12
실습 13 · 유튜브 다운로드 프로그램 만들기
운영체제가 ffmpeg 위치를 찾을 수 있게 해야 합니다. 그 설정이 PATH 환경변수입니다.
Windows에서는 ffmpeg를 내려받아 압축을 푼 뒤, bin 폴더 경로를 PATH에 등록해야 합니다.
1. ffmpeg 압축 파일을 내려받아 압축을 풉니다
2. 예시로 C:\ffmpeg 위치에 폴더를 둡니다
3. C:\ffmpeg\bin 경로를 복사합니다
4. Windows 검색에서 "환경 변수"를 열고 Path에 새 항목으로 추가합니다
5. 터미널을 완전히 다시 열고 아래 명령으로 확인합니다
복사용 텍스트
ffmpeg -version프로그램이 ffmpeg를 호출할 때 운영체제가 ffmpeg.exe가 어디 있는지 알아야 하기 때문입니다. PATH가 없으면 "ffmpeg not found" 오류가 납니다.
ffmpeg -version이 출력된다bin 폴더까지 들어간 경로인지 다시 확인한다Step 13
실습 13 · 유튜브 다운로드 프로그램 만들기
macOS에서는 보통 Homebrew로 설치하는 것이 가장 단순합니다.
복사용 텍스트
brew install ffmpeg ffmpeg -version
복사용 텍스트
echo 'export PATH="$(brew --prefix)/bin:$PATH"' >> ~/.zshrc source ~/.zshrc
brew로 설치해도 쉘 설정에 따라 터미널이 ffmpeg를 바로 못 찾는 경우가 있습니다. 이때 PATH에 brew bin 경로를 잡아주면 됩니다.
macOS에서는 zsh를 쓰는 경우가 많아서 ~/.zshrc를 수정하는 예시를 사용합니다.
Step 14
실습 13 · 유튜브 다운로드 프로그램 만들기
ffmpeg 준비가 끝났다면 다시 명세를 확장하고, 고화질 다운로드를 구현합니다.
이제부터는 단순 다운로드가 아니라 영상 + 음성 병합을 포함한 고화질 다운로드를 목표로 합니다.
복사용 텍스트
plan.md를 업데이트했어. 이제 고화질 다운로드를 구현해줘. 조건: - ffmpeg가 설치되어 있다고 가정 - bestvideo+bestaudio 조합 우선 - 없으면 가능한 다음 화질로 자동 fallback - 병합 후 하나의 파일로 저장 - 기존 조회 기능과 다운로드 버튼 흐름은 유지 - 상태 메시지에 현재 진행 상황 표시
복사용 텍스트
ffmpeg -version고화질 구현 전에는 plan.md에 품질 정책과 ffmpeg 사용 조건을 한 번 더 반영하고 Go 하는 흐름이 가장 안정적입니다.
Step 15
실습 13 · 유튜브 다운로드 프로그램 만들기
1부에서 배운 GitHub CLI 흐름을 이번 프로젝트에 실제로 적용합니다.
실습 결과물을 로컬에만 두지 말고, GitHub에 저장해 두면 다음 시간에 이어서 수정하기 쉽습니다.
복사용 텍스트
git init git add . git commit -m "feat: youtube downloader" git branch -M main gh repo create youtube-downloader --public --source=. --remote=origin git push -u origin main
이미 같은 이름의 저장소가 있다면 gh repo create 대신 기존 원격 저장소를 연결해서 푸시하면 됩니다.
Step 16
실습 13 · 유튜브 다운로드 프로그램 만들기
Windows 배포 기준으로 PyInstaller를 사용해 실행 파일을 만듭니다.
PyInstaller는 파이썬 프로그램과 필요한 실행 환경을 묶어서 배포용 실행 파일 형태로 만들어주는 도구입니다.
복사용 텍스트
pip install pyinstaller pyinstaller --onefile --windowed main.py
복사용 텍스트
dist/ └─ main.exe
파이썬 프로그램과 필요한 환경을 묶어서 배포용 실행 파일 형태로 만드는 도구입니다.
Step 17
실습 13 · 유튜브 다운로드 프로그램 만들기
실행 → 오류 확인 → Cursor 수정 → 재실행. 이 반복이 AI Native 개발의 핵심 루프입니다.
프로그램이 한 번에 완성되지 않아도 괜찮습니다. 중요한 것은 에러를 정확히 보고, 그 에러를 바탕으로 다시 Cursor와 협업하는 것입니다.
복사용 텍스트
아래는 실행 에러 로그야. 원인과 수정 방향을 먼저 설명해주고, 승인된 범위 안에서만 고쳐줘. [에러 로그 붙여넣기]
아이디어를 바로 코딩하지 않고, 명세를 다듬고 검토한 뒤 구현하는 전체 흐름을 경험했습니다.
Step 18
실습 13 · 유튜브 다운로드 프로그램 만들기
로컬 앱 개발을 완료했습니다. 이제 웹앱을 만들어볼 차례입니다.
아이디어부터 실행 파일까지, 전체 개발 과정을 경험했습니다.
AI와의 협업
명세 작성
로컬 앱 개발
명령줄 도구
버전 관리
배포
로컬 앱 개발을 완료했으니, 이제 웹앱을 만들어볼 차례입니다!
웹앱의 장점:
웹앱은 설치 없이 브라우저에서 바로 사용할 수 있고, 여러 사람과 쉽게 공유할 수 있습니다.
수고하셨습니다! 다음 강의에서 웹앱 개발을 시작해봅시다. 🚀
Supabase와 Vercel의 역할을 이해하고 Cursor MCP 설정, GitHub push 기반 배포, 보안 기준을 실습합니다.
11 steps
Step 1
실습 14 · Supabase·Vercel·Cursor MCP 설정하기
이 모듈은 원주 ICT 빅데이터 중급 과정의 확장 실습입니다. 앞선 실습에서 만든 로컬 앱과 AI Studio Build 앱을 실제 서비스 운영 관점으로 연결하기 위해 Supabase, Vercel, Cursor MCP 설정 흐름을 이해합니다.
핵심은 “한 번 설정하면 AI가 배포·DB·로그 정보를 더 정확히 읽고 도와줄 수 있다”는 감각을 잡는 것입니다. 모든 수강생이 당일에 실제 배포까지 완료하는 것이 목표는 아닙니다.
.cursor/mcp.json 파일을 만들고 Supabase/Vercel MCP 서버를 추가한다.> ⚠️ 난이도 안내 (초보자 필독)
> 이 모듈은 앞선 실습 중 가장 어렵습니다. 계정 3개(GitHub·Supabase·Vercel)와 인증이 얽혀서, 비개발자는 막히는 지점이 많습니다.
> - 목표는 "오늘 다 배포"가 아니라 "흐름을 이해하고 한 단계라도 직접 해보기" 입니다.
> - 막히면 조급해하지 말고 강사·TA 안내에 따라 화면을 먼저 눈으로 따라오세요. 못 끝낸 부분은 이 학습 페이지에서 이어서 할 수 있습니다.
> - 각 단계의 "✅ 예상 결과" 와 "🛟 막히면" 을 꼭 확인하며 진행하세요.
> ⚠️ 무엇을 배포하나 (중요 — 도구별 배포처가 다릅니다)
> 우리가 만든 QC 대시보드는 Streamlit 앱이라 Vercel에 배포되지 않습니다 (이론06에서 배운 내용 — Vercel은 정적·Next.js용). 도구별 배포처를 구분하세요.
>
> | 만든 것 | 배포처 |
> |---|---|
> | Streamlit 앱 (QC 대시보드) | Streamlit Community Cloud |
> | AI Studio Build 웹앱 / 정적 HTML / Next.js | Vercel |
>
> 이 모듈의 Vercel 배포 실습 대상은 "AI Studio Build로 만든 웹앱 또는 간단한 정적 페이지" 입니다. Streamlit 앱을 Vercel에 올리려 하지 마세요.
> 🗣️ 진행 방식 — 모든 작업은 Cursor "채팅"으로 합니다
> 이 모듈은 터미널 명령을 직접 외워 치는 방식이 아닙니다. Cursor 채팅창에 한국어로 요청하면 Cursor가 파일 생성·커밋·푸시·배포 확인을 대신 합니다.
> - git·GitHub는 이미 연동돼 있다고 전제합니다 → 커밋·푸시도 "커밋하고 푸시해줘" 한 문장으로 진행합니다.
> - 여러분이 할 일은 "무엇을 원하는지 분명히 말하고, Cursor가 한 결과를 확인하는 것" 입니다.
> - 각 단계의 📋 이렇게 요청 → ✅ 예상 결과 → 🛟 막히면 순서로 따라오세요.
이 모듈은 계정 3개(GitHub·Supabase·Vercel)를 씁니다. GitHub과 git은 이미 연동돼 있다고 전제하므로 GitHub은 "확인"만 하고, Supabase·Vercel만 새로 준비하면 됩니다. 모두 무료이고, Continue with GitHub으로 로그인하면 계정이 줄어 편합니다.
1. Cursor에서 실습 프로젝트를 연다.
2. 채팅에 요청: 이 프로젝트가 GitHub 저장소와 연결돼 있는지 확인해줘. 변경은 하지 마.
✅ 예상 결과: Cursor가 "원격 저장소(origin)가 연결돼 있음"을 알려준다.
🛟 막히면: 연결이 없다고 하면 "GitHub에 새 저장소를 만들어 이 프로젝트와 연결하는 방법을 알려줘"라고 요청한다.
1. https://supabase.com 접속 → Start your project
2. Continue with GitHub 선택 (위 GitHub 계정 사용)
3. 권한 승인
✅ 예상 결과: Supabase 대시보드(프로젝트 목록 화면)가 열린다.
🛟 막히면: 강사가 제공한 데모 프로젝트에 초대받아 사용해도 된다 (직접 프로젝트 생성은 선택).
1. https://vercel.com 접속 → Sign Up
2. Continue with GitHub 선택
3. 권한 승인
✅ 예상 결과: Vercel 대시보드가 열리고 "Import Project" 버튼이 보인다.
🛟 막히면: 회사 노트북에서 팝업이 막히면 팝업 차단을 해제하거나 개인 브라우저로 진행한다.
> 💡 세 계정을 모두 GitHub으로 로그인하면, 나중에 MCP 인증·배포 연결이 훨씬 매끄럽습니다.
Step 2
실습 14 · Supabase·Vercel·Cursor MCP 설정하기
| 도구 | 쉬운 설명 | 오늘의 역할 |
|---|---|---|
| Supabase | 앱이 쓸 데이터베이스와 인증·스토리지를 제공하는 백엔드 서비스 | 데이터 저장, 로그인, 파일 저장 후보 |
| Vercel | 웹앱을 인터넷 주소로 배포하는 서비스 | GitHub에 push된 코드를 자동 배포 |
| Cursor MCP | Cursor가 외부 서비스와 안전하게 대화하도록 연결하는 통로 | AI가 프로젝트·DB·배포 상태를 읽고 도와줌 |
| GitHub | 코드 저장소 | Vercel 배포의 출발점 |
오늘은 Supabase와 Vercel을 “깊게 개발”하지 않습니다. 대신 다음 흐름을 이해합니다.
복사용 텍스트
내 컴퓨터 프로젝트 → GitHub에 push → Vercel이 자동 배포 → Supabase가 데이터 저장소 역할 → Cursor MCP로 AI가 설정과 상태를 확인
1. 내 앱에서 저장해야 하는 데이터는 무엇인가?
2. 이 앱을 누가 웹에서 볼 수 있어야 하는가?
3. AI가 읽어도 되는 정보와 읽으면 안 되는 정보는 무엇인가?
Step 3
실습 14 · Supabase·Vercel·Cursor MCP 설정하기
MCP(Model Context Protocol)는 AI 도구가 외부 서비스와 연결되는 표준 방식입니다. Cursor 입장에서는 MCP 서버를 추가하면 AI가 특정 서비스의 도구를 사용할 수 있습니다.
예를 들어 Supabase MCP를 연결하면 Cursor가 다음과 같은 질문에 답하는 데 도움을 받을 수 있습니다.
복사용 텍스트
이 Supabase 프로젝트에 어떤 테이블이 있는지 확인해줘.Vercel MCP를 연결하면 다음과 같은 질문이 가능해집니다.
복사용 텍스트
최근 Vercel 배포가 실패했다면 로그를 확인하고 원인을 요약해줘..env, API 키, 서비스 롤 키는 GitHub에 올리지 않습니다.> MCP는 AI에게 “눈과 손”을 붙여주는 방식입니다. 다만 눈과 손을 어디까지 허용할지는 사람이 정해야 합니다.
Step 4
실습 14 · Supabase·Vercel·Cursor MCP 설정하기
Cursor는 MCP 서버 설정을 mcp.json 파일로 관리할 수 있습니다.
프로젝트별 설정
.cursor/mcp.json전역 설정
~/.cursor/mcp.json수업에서는 프로젝트별 설정을 권장합니다. 실습 프로젝트 안에 .cursor/mcp.json을 두면 이 프로젝트에서 쓰는 MCP 설정만 분리할 수 있습니다.
복사용 텍스트
my-project/ ├─ .cursor/ │ └─ mcp.json ├─ app.py 또는 src/ ├─ package.json └─ README.md
1. Cursor에서 실습 프로젝트 폴더를 엽니다.
2. 왼쪽 파일 트리에서 .cursor 폴더를 만듭니다.
3. .cursor 폴더 안에 mcp.json 파일을 만듭니다.
4. 아래 기본 구조를 붙여넣습니다.
json
{ "mcpServers": {} }
Cursor 공식 문서 기준으로 MCP는 Cursor Settings의 Tools & MCP 또는 MCP 관련 설정 화면에서 확인할 수 있습니다. 설정 파일을 만든 뒤 Cursor를 재시작하거나 MCP 서버를 새로고침해야 도구가 보일 수 있습니다.
복사용 텍스트
현재 프로젝트의 .cursor/mcp.json 파일을 읽고 JSON 문법이 올바른지 확인해줘. 아직 수정하지 말고 문제만 알려줘..cursor/mcp.json이 보인다.{ "mcpServers": {} } 로 시작한다..cursor(점 포함)로 입력. 점으로 시작하는 폴더는 숨김 처리될 수 있으니 트리 새로고침.Step 5
실습 14 · Supabase·Vercel·Cursor MCP 설정하기
Supabase는 AI 코딩 도구용으로 다음 3가지를 제공합니다.
| 구분 | 역할 | 수업에서의 사용 |
|---|---|---|
| Supabase MCP Server | Cursor가 Supabase 프로젝트를 읽고, SQL·마이그레이션·로그 같은 도구를 사용할 수 있게 연결 | 필수 |
| Supabase Agent Plugin | MCP 서버와 Supabase 전용 작업 지침(skills)을 한 번에 묶어 설치하는 방식 | 지원 도구에서는 가장 편한 방식 |
| Supabase AI Prompts / Rules | Supabase Auth, RLS, 마이그레이션, SQL 스타일 같은 지침을 프로젝트 규칙으로 넣는 방식 | Cursor 수업에서 보완 사용 |
핵심은 MCP만 붙이면 "도구 연결"이 되고, Plugin/Prompts까지 붙이면 "Supabase 방식으로 안전하게 일하는 습관"까지 같이 붙는다는 점입니다.
> 수업에서는 Cursor를 기준으로 진행합니다. Cursor에서 Supabase Plugin이 바로 지원되는 환경이면 Plugin을 먼저 쓰고, 그렇지 않으면 Supabase MCP + Cursor Project Rules 조합으로 같은 효과를 만듭니다.
Cursor 최신 버전에서는 설정 파일을 직접 만들기 전에 설정창에서 Supabase MCP를 찾아 바로 연결할 수 있습니다. 수강생에게는 이 방법을 먼저 보여주는 것이 가장 쉽습니다.
1. Cursor 왼쪽 아래 또는 오른쪽 위의 톱니바퀴(Settings) 를 클릭합니다.
2. 설정창에서 Plugins 또는 Tools & MCP 메뉴를 엽니다.
3. 목록에서 Supabase MCP 를 찾습니다.
4. Try chat 또는 연결 시작 버튼을 누릅니다.
5. Cursor 채팅창이 열리면 안내에 따라 Supabase 로그인을 진행합니다.
6. 브라우저 OAuth 창이 뜨면 Supabase 계정으로 로그인하고 권한을 허용합니다.
7. Cursor로 돌아와 Supabase MCP가 연결됐는지 확인합니다.
> 화면 문구는 Cursor 버전에 따라 Plugins, MCP, Tools & MCP, Try chat, Connect처럼 조금 다를 수 있습니다. 핵심은 설정창에서 Supabase MCP를 찾고, Try chat으로 채팅 연결을 시작한다는 흐름입니다.
✅ 예상 결과
.cursor/mcp.json을 직접 작성하지 않아도 Supabase 연결 채팅이 시작된다.복사용 텍스트
Supabase MCP 연결 상태를 확인해줘. 내가 접근 가능한 프로젝트 목록만 읽고, 삭제나 변경은 하지 마.
프로젝트가 보이면 이어서 요청합니다.
복사용 텍스트
원주 ICT 실습용 프로젝트를 기준으로 public schema의 테이블 목록을 읽어줘. 각 테이블의 컬럼명과 용도를 표로 정리하고, DB 변경은 하지 마.
🛟 설정창에서 Supabase MCP가 안 보이면
Cursor 버전이나 계정 상태에 따라 플러그인 목록이 다르게 보일 수 있습니다. 이때는 아래 추천 흐름 B로 진행합니다. 즉, Plugin을 억지로 찾지 말고 MCP 연결 + Supabase 규칙 파일로 구성하면 됩니다.
Cursor에서는 다음 2단계를 함께 하는 것이 가장 실용적입니다.
1. .cursor/mcp.json에 Supabase MCP 서버를 연결한다.
2. .cursor/rules/supabase.md에 Supabase 작업 원칙을 넣는다.
폴더 구조는 다음처럼 만듭니다.
복사용 텍스트
my-project/ ├─ .cursor/ │ ├─ mcp.json │ └─ rules/ │ └─ supabase.md ├─ src/ 또는 app/ ├─ .env.local └─ package.json
supabase.md에는 처음에는 짧게 다음 규칙만 넣어도 충분합니다.
md
# Supabase 작업 규칙 - 실제 운영 DB가 아니라 실습/개발용 Supabase 프로젝트를 기준으로 작업한다. - 먼저 테이블 구조를 읽고, 변경 계획을 설명한 뒤 승인 후 SQL을 작성한다. - `service_role` 키는 브라우저 코드에 넣지 않는다. - `.env.local` 파일은 GitHub에 커밋하지 않는다. - RLS(Row Level Security)를 끄는 방식으로 문제를 해결하지 않는다. - SQL 실행 전 어떤 테이블과 컬럼이 바뀌는지 표로 설명한다.
Cursor 요청 예시
이 프로젝트에 .cursor/rules/supabase.md 파일을 만들고, Supabase 작업 시 지켜야 할 보안 규칙과 DB 변경 승인 절차를 정리해줘. 아직 DB에는 아무 변경도 하지 마.
Supabase 공식 문서 기준 MCP 서버 URL은 다음과 같습니다.
복사용 텍스트
처음 수업에서는 전체 계정보다 프로젝트 단위 + 읽기 전용으로 시작하는 것을 권장합니다.
project_ref는 Supabase 프로젝트 URL이나 Project Settings에서 확인할 수 있는 프로젝트 식별자입니다. 읽기 전용으로 시작하면 AI가 실수로 테이블을 만들거나 삭제하는 위험을 줄일 수 있습니다.
.cursor/mcp.json에 다음처럼 추가합니다.
json
{ "mcpServers": { "supabase": { "url": "https://mcp.supabase.com/mcp?project_ref=YOUR_PROJECT_REF&read_only=true" } } }
쓰기 작업까지 실습해야 할 때는 강사 데모 프로젝트에서만 read_only=true를 제거합니다. 수강생 개인 프로젝트에서는 먼저 읽기 전용으로 연결한 뒤, 테이블 생성은 Supabase 대시보드 SQL Editor 또는 강사가 검토한 SQL로 진행합니다.
1. Cursor에서 MCP 설정을 저장합니다.
2. Cursor의 Tools & MCP 화면에서 Supabase MCP 연결 상태를 확인합니다.
3. 인증이 필요하면 브라우저 OAuth 로그인 흐름을 따릅니다 (브라우저 팝업 → Supabase 로그인 → "권한 허용" 클릭 → Cursor로 돌아옴).
4. 연결 후 Cursor를 재시작하거나 MCP 도구를 새로고침합니다.
supabase 항목 옆에 초록색 점(또는 Connected 표시) 이 뜬다..cursor/rules/supabase.md를 만들었다면 Cursor가 DB 변경 전에 계획·보안 기준을 먼저 설명한다.read_only=true 상태라 정상입니다. 수업에서는 먼저 읽기 전용으로 확인하고, 쓰기 작업은 강사 승인 후 진행합니다.복사용 텍스트
Supabase MCP 도구를 사용해서 내가 접근 가능한 프로젝트 목록을 확인해줘. 삭제나 변경은 하지 말고 읽기만 해줘.프로젝트가 연결된 뒤에는 다음처럼 확인합니다.
복사용 텍스트
Supabase MCP 도구를 사용해서 이 프로젝트의 테이블 목록을 확인해줘. 각 테이블의 용도를 추정해서 표로 정리해줘. 데이터 변경은 하지 마.Project Rules까지 적용했는지 확인하려면 다음처럼 요청합니다.
복사용 텍스트
Supabase 작업 규칙을 먼저 읽고, 현재 DB에 변경을 가하지 않는 범위에서 테이블 목록과 RLS 적용 여부를 점검해줘. 수정이 필요하면 실행하지 말고 계획만 제안해줘.
.env.local은 GitHub에 push하지 않습니다.복사용 텍스트
Supabase MCP로 public schema의 테이블 목록만 읽어줘. 각 테이블의 컬럼명과 추정 용도를 정리하고, 수정 작업은 하지 마.복사용 텍스트
Supabase MCP와 .cursor/rules/supabase.md 기준으로, qc_issues 테이블을 만들기 전 필요한 컬럼과 RLS 정책 계획을 먼저 제안해줘. SQL은 아직 실행하지 마.
복사용 텍스트
Supabase 연결해서 알아서 DB 구조 고치고 필요한 데이터 넣어줘.나쁜 이유:
Step 6
실습 14 · Supabase·Vercel·Cursor MCP 설정하기
Vercel 공식 문서 기준 MCP 서버 URL은 다음과 같습니다.
복사용 텍스트
.cursor/mcp.json에 다음처럼 추가합니다.
json
{ "mcpServers": { "vercel": { "url": "https://mcp.vercel.com" } } }
json
{ "mcpServers": { "supabase": { "url": "https://mcp.supabase.com/mcp" }, "vercel": { "url": "https://mcp.vercel.com" } } }
1. Cursor에서 .cursor/mcp.json을 저장합니다.
2. Cursor Settings에서 Vercel MCP 연결을 확인합니다.
3. 브라우저 인증이 뜨면 Vercel 계정으로 로그인합니다.
4. 연결 후 프로젝트 목록이나 배포 상태를 읽어봅니다.
vercel 항목 옆 초록색 점.복사용 텍스트
Vercel MCP 도구를 사용해서 접근 가능한 프로젝트 목록을 확인해줘. 배포 설정은 변경하지 말고 읽기만 해줘.배포 실패 확인
Vercel MCP 도구로 최근 배포 상태를 확인하고, 실패한 배포가 있다면 로그에서 원인 후보를 요약해줘. 설정 변경은 하지 마.Vercel은 GitHub 저장소와 연결해두면 push할 때 자동으로 배포됩니다.
복사용 텍스트
코드 수정 → git add → git commit → git push → Vercel 자동 빌드 → 배포 URL 갱신
MCP는 이 과정에서 Vercel 프로젝트, 배포 상태, 로그를 Cursor가 읽을 수 있게 해주는 연결입니다.
Step 7
실습 14 · Supabase·Vercel·Cursor MCP 설정하기
복사용 텍스트
1. GitHub에 저장소 생성 2. 로컬 프로젝트 push 3. Vercel에서 GitHub 저장소 import 4. Framework / Build Command / Output Directory 확인 5. 환경변수 등록 6. Deploy 7. 이후부터 git push 시 자동 재배포
> ⚠️ 배포 대상 확인: 여기서 배포하는 건 Streamlit QC 대시보드가 아니라, AI Studio Build로 만든 웹앱이나 간단한 정적 HTML 페이지입니다. (Streamlit은 Streamlit Community Cloud로.)
> git·GitHub는 이미 연동돼 있으므로, 아래는 Cursor 채팅에 요청하는 방식으로 진행합니다. (저장소가 아직 없으면 한 번만 GitHub에서 새 repo를 만들어 연결해 두면 됩니다.)
📋 이렇게 요청
복사용 텍스트
지금 이 프로젝트를 GitHub에 올리기 전에 점검해줘. - .gitignore에 .env.local, .env 가 포함돼 있는지 - 코드에 API 키나 비밀번호가 하드코딩돼 있지 않은지 문제가 있으면 먼저 알려주고, 아직 커밋하지는 마.
✅ 예상 결과: Cursor가 민감정보 포함 여부를 점검해 "안전함" 또는 "이 파일/줄을 빼야 함"을 알려준다.
🛟 막히면: .env.local이 추적되고 있다고 하면 ".gitignore에 추가하고 git 추적에서 제외해줘"라고 이어서 요청.
📋 이렇게 요청
복사용 텍스트
지금까지 변경한 내용을 커밋하고 GitHub에 푸시해줘. 커밋 메시지는 내용에 맞게 정해주고, 민감 파일(.env.local 등)은 절대 포함하지 마. 어떤 파일이 올라가는지 먼저 보여주고 진행해줘.
✅ 예상 결과: Cursor가 변경 파일 목록을 보여주고 커밋·푸시 → GitHub 저장소를 새로고침하면 파일이 올라가 있다.
🛟 막히면: 인증 창이 뜨면 GitHub 계정으로 승인. 푸시 오류가 나면 그 메시지를 그대로 붙여 "원인과 해결법을 알려줘. 내 파일은 바꾸지 마"라고 요청.
배포는 두 가지 길이 있습니다. 초보자는 화면(대시보드)이 가장 쉽고, MCP가 연결돼 있으면 채팅으로 상태 확인까지 가능합니다.
화면으로 (권장)
1. Vercel 대시보드 → Add New… → Project
2. GitHub 저장소 옆 Import
3. Framework Preset 자동 감지 확인 (정적이면 "Other")
4. 필요한 환경변수는 Environment Variables에 직접 입력 (코드에 키 금지)
5. Deploy 클릭
채팅으로 (배포 확인·점검)
복사용 텍스트
Vercel MCP로 이 프로젝트의 최근 배포 상태를 확인하고, 실패했다면 빌드 로그에서 원인 후보만 요약해줘. 설정은 바꾸지 마.
✅ 예상 결과: 1~2분 후 배포 URL(***.vercel.app)이 뜨고, 접속하면 내 앱이 보인다. (채팅으로는 성공/실패와 로그 요약을 받는다.)
🛟 막히면: 빌드 실패 시 Build Logs의 빨간 줄을 복사해 "이 로그 원인을 요약하고 해결 방향만 알려줘"라고 Cursor에 요청.
복사용 텍스트
이 프로젝트를 Vercel에 배포할 수 있는 구조인지 확인해줘. package.json, 환경변수, 빌드 명령, README 기준으로 점검하고 수정 전 계획만 제시해줘.복사용 텍스트
Vercel에 알아서 배포하고 환경변수도 다 설정해줘.나쁜 이유:
.env.local이 .gitignore에 들어 있는지 확인Step 8
실습 14 · Supabase·Vercel·Cursor MCP 설정하기
복사용 텍스트
이 프로젝트에 .cursor/mcp.json 파일을 만들 계획을 세워줘. Supabase MCP와 Vercel MCP를 추가할 예정이야. 먼저 필요한 폴더 구조와 JSON 내용을 제안하고, 바로 파일을 만들지는 마.
복사용 텍스트
GO. .cursor/mcp.json 파일을 만들고 Supabase MCP와 Vercel MCP 서버 URL을 추가해줘. 환경변수나 API 키는 넣지 마.
복사용 텍스트
.cursor/mcp.json 파일을 검토해줘. JSON 문법, 서버 이름, URL이 맞는지 확인하고 문제만 알려줘.
복사용 텍스트
Supabase MCP 도구가 연결되어 있다면 접근 가능한 프로젝트와 테이블 목록을 읽어줘. 읽기만 하고 생성, 수정, 삭제는 하지 마.
복사용 텍스트
Vercel MCP 도구가 연결되어 있다면 최근 배포 목록과 실패 여부를 확인해줘. 로그를 읽고 원인 후보를 요약하되 설정은 변경하지 마.
복사용 텍스트
이 프로젝트를 Vercel에 배포하기 전에 확인해야 할 항목을 점검해줘. package.json, README, 환경변수 사용 여부, .gitignore 기준으로 표로 정리해줘.
Step 9
실습 14 · Supabase·Vercel·Cursor MCP 설정하기
.env.local을 GitHub에 push하지 않기DROP, DELETE, UPDATE 실행시키지 않기| 단계 | 허용 작업 | 수업 권장 |
|---|---|---|
| 1단계 | 읽기만 | 권장 |
| 2단계 | 테스트 프로젝트에 쓰기 | 강사 데모 가능 |
| 3단계 | 운영 프로젝트 설정 변경 | 수업 중 비권장 |
| 4단계 | 운영 DB 마이그레이션 | 별도 승인 필요 |
> MCP는 AI가 더 강해지는 기능이지만, 운영에서는 권한을 줄이는 기술이 더 중요합니다. 읽기부터 시작하고, 쓰기는 테스트 프로젝트에서만 검증한 뒤 적용합니다.
Step 10
실습 14 · Supabase·Vercel·Cursor MCP 설정하기
초보자가 가장 많이 멈추는 지점과 대응입니다. 막히면 이 표부터 보세요.
| 증상 | 원인 | 해결 |
|---|---|---|
| MCP 서버에 초록불이 안 들어옴 | 설정 저장 후 미반영 | Cursor 완전 종료 → 재시작 |
mcp.json 빨간 줄 | 쉼표·중괄호 짝 오류 | 검증 프롬프트로 문법 확인, 마지막 항목 뒤 쉼표 제거 |
| OAuth 팝업 안 뜸 | 브라우저 팝업 차단 | 팝업 허용 / 개인 크롬으로 시도 |
| MCP 도구 목록이 비어 있음 | 인증은 됐으나 접근 권한·프로젝트 없음 | 강사 데모 프로젝트 초대 확인 |
| 푸시할 때 GitHub 로그인 반복 | 인증 미완료 | 뜨는 인증 창에서 GitHub 승인 (보통 한 번이면 됨) |
| 커밋·푸시가 안 됨 | git 상태 꼬임 | Cursor에 "git 상태를 확인하고 안전하게 커밋·푸시할 방법을 알려줘" 요청 |
.env.local이 push됨 | .gitignore 누락 | Cursor에 ".env.local을 git 추적에서 빼고 .gitignore에 추가해줘" → 키 재발급 고려 |
| Vercel 빌드 실패 | 빌드 명령·프레임워크 불일치 | Build Logs 복사 → AI에게 원인 요약 요청 |
| Streamlit이 Vercel에서 안 뜸 | 애초에 Vercel 부적합 | Streamlit Community Cloud로 배포 |
복사용 텍스트
아래 오류(또는 로그)를 보고 원인을 비개발자도 이해하게 설명하고, Windows 기준 해결 단계를 순서대로 알려줘. 내 파일이나 설정은 아직 바꾸지 마. [오류/로그 붙여넣기]
> 끝까지 안 되면 정상입니다. 이 모듈은 "이해 + 한 단계 경험"이 목표이고, 못 끝낸 부분은 플랫폼에서 이어서 하면 됩니다.
Step 11
실습 14 · Supabase·Vercel·Cursor MCP 설정하기
수강생은 다음 3가지를 남깁니다.
json
{ "mcpServers": { "supabase": { "url": "https://mcp.supabase.com/mcp" }, "vercel": { "url": "https://mcp.vercel.com" } } }
복사용 텍스트
프로젝트명: GitHub 저장소: Vercel 프로젝트: 필요 환경변수: Supabase 연결 여부: 배포 URL: 확인한 로그: 남은 문제:
복사용 텍스트
나는 MCP를 사용할 때 [읽기/쓰기 범위]를 먼저 정하고, [민감정보/운영DB/환경변수]는 사람 검토 후 처리한다.현재 워크북(이론 09 + 실습 06) 구조에서는 마지막 실습 뒤 확장 모듈로 붙이는 것이 자연스럽습니다.
복사용 텍스트
실습 06 · QC 대시보드 Cursor 핸즈온 (로컬 완성) → 확장 실습 · Supabase·Vercel·Cursor MCP 설정하기 (운영·배포·연결)
이유:
> 번호는 운영 시 워크북 순서에 맞춰 부여하세요 (예: 실습 07 또는 "확장 실습"). 상단 제목의 "실습 14"는 임시 번호입니다.
| 운영 방식 | 시간 | 내용 |
|---|---|---|
| 짧은 데모 | 20~30분 | MCP 개념, mcp.json, Supabase/Vercel URL, 보안 원칙 |
| 기본 실습 | 45~60분 | .cursor/mcp.json 작성, Cursor 설정 확인, 읽기 프롬프트 |
| 확장 실습 | 90분 | 채팅으로 커밋·푸시, Vercel import·배포, 배포 로그 확인, Supabase 테이블 읽기 |
.cursor/mcp.json 샘플.env.exampleSupabase DB, service_role 서버 API, Cursor MCP, Vercel 배포를 묶어 QC 이슈 등록·조회·추적 앱을 만드는 실전 캡스톤입니다.
8 steps
Step 1
실습 15 · Supabase DB 기반 QC 이슈 추적 앱 만들기 (실전 캡스톤)
지금까지는 "파일 하나짜리 앱"을 만들었습니다. 이 모듈에서는 DB(Supabase) + 배포(Vercel) + AI 연결(Cursor MCP) 를 묶어, 실제로 쓸 수 있는 작은 업무 시스템을 처음부터 끝까지 만들어 봅니다.
> 핵심 메시지: "AI Studio Build는 빠른 시안이고, Cursor + Supabase + Vercel은 실제 서비스로 가는 최소 세트다."
만드는 것: 실험·QC 이슈를 등록·조회·추적하는 웹앱. 의료·바이오/QC 현장에서 바로 "우리 회사에서도 쓰겠는데?" 소리가 나오는 앱입니다.
> 🗣️ 진행 방식 — 모든 작업은 Cursor "채팅"으로
> 코드를 직접 타이핑하지 않습니다. Cursor 채팅에 한국어로 요청하면 Cursor가 파일·코드·커밋·배포를 대신합니다. 여러분은 요청하고, 결과를 확인합니다.
> 각 단계: 📋 이렇게 요청 → ✅ 예상 결과 → 🛟 막히면
> ⚠️ 난이도·범위 안내 (초보자 필독)
> 이 모듈은 과정 최종 캡스톤이라 가장 깁니다. 한 번에 다 하려 하지 마세요.
> - MVP 먼저: ① 이슈 등록 ② 목록 조회 ③ 배포 — 이 3개만 되면 "성공"입니다.
> - 확장: 상태 변경, 통계 카드는 시간이 남거나 플랫폼에서 이어서.
> - 못 끝내도 정상입니다. 목표는 "DB·배포·보안의 흐름을 한 번 직접 경험"하는 것.
> 🔐 보안 빨간 줄 (이 모듈에서 가장 중요)
> - `service_role` 키는 절대 브라우저(클라이언트)에 노출 금지. Next.js에서 NEXT_PUBLIC_ 접두사가 붙은 변수는 전부 브라우저에 노출됩니다 → service_role을 NEXT_PUBLIC_에 넣으면 DB 전체 권한이 공개됩니다.
> - 브라우저에서 쓰는 건 anon key뿐. service_role은 서버(API route)에서만.
> - .env.local은 GitHub에 올리지 않습니다 (.gitignore 확인).
> - 교육용 데이터만 사용 — 실제 환자·검체 정보 금지.
> - service_role을 쓰는 서버 API에는 최소한의 관리자 확인값(ADMIN_TOKEN)을 둡니다. 교육용 간이 방식이며, 운영에서는 로그인·권한 기반 인증으로 바꿔야 합니다.
| 파일 앱 (지금까지) | DB 앱 (이번) | |
|---|---|---|
| 데이터 저장 | CSV 파일 하나 | Supabase 테이블 |
| 여러 사람 | 각자 파일 따로 | 같은 DB를 함께 |
| 추가·수정 | 파일 다시 업로드 | 폼에서 바로 등록·변경 |
| 접속 | 내 PC | 인터넷 URL(배포) |
→ DB가 붙으면 "기록이 쌓이고 공유되는 진짜 시스템" 이 됩니다.
복사용 텍스트
┌───────────────────────────────────────────────┐ │ QC 이슈 추적 │ │ [전체 12] [미해결 5] [고위험 2] [완료율 58%] │ ← 통계 카드(확장) ├───────────────────────────────────────────────┤ │ + 새 이슈 등록 │ ← 등록 폼(MVP) ├───────────────────────────────────────────────┤ │ 제목 | 장비 | 심각도 | 상태 | 담당 │ ← 목록(MVP) │ 분주 기포 | DSP-03 | 높음 | 검토중 | 김QC │ │ CV 초과 | OPT-01 | 중간 | 접수 | 이QC │ └───────────────────────────────────────────────┘
📋 이렇게 요청 (앱 구상부터 Cursor와)
복사용 텍스트
QC 이슈를 등록·조회·추적하는 간단한 웹앱을 만들 거야. 아직 코드는 만들지 말고, 어떤 화면과 데이터가 필요한지 입력·처리·출력 구조로 먼저 정리해줘.
✅ 예상 결과: Cursor가 등록 폼·목록·상태·통계로 구조를 정리해 준다.
첨부파일
스키마 SQL, 벌크 seed SQL, CSV, README가 포함된 전체 실습자료 ZIP입니다.
원주ICT_실전프로젝트_QC이슈추적앱_샘플데이터.zip
Step 2
실습 15 · Supabase DB 기반 QC 이슈 추적 앱 만들기 (실전 캡스톤)
1. https://supabase.com → New project
2. 프로젝트 이름(예: qc-issue-tracker), DB 비밀번호 설정, region은 가까운 곳(예: Northeast Asia)
3. 생성까지 1~2분 대기
프로젝트가 생성되면 Supabase가 바로 앱 연결에 필요한 값을 제공합니다. 화면 위치를 정확히 따라갑니다.
1. Supabase 대시보드에서 방금 만든 프로젝트(qc-issue-tracker)를 클릭합니다.
2. 왼쪽 사이드바 아래쪽의 Project Settings 또는 Settings 를 클릭합니다.
3. Data API 또는 API 메뉴를 엽니다.
4. 화면 상단 또는 Project URL 영역에서 다음처럼 생긴 값을 복사합니다.
이 값은 .env.local의 NEXT_PUBLIC_SUPABASE_URL에 넣습니다.
복사용 텍스트
NEXT_PUBLIC_SUPABASE_URL=https://abcdefghijklmnop.supabase.coSupabase 대시보드 UI는 계정/프로젝트 상태에 따라 두 가지 이름으로 보일 수 있습니다.
| 화면에서 보이는 이름 | 코드에서 쓰는 이름 | 용도 |
|---|---|---|
anon public / anon key | NEXT_PUBLIC_SUPABASE_ANON_KEY | 레거시 공개 키 |
publishable key / sb_publishable_... | NEXT_PUBLIC_SUPABASE_ANON_KEY 또는 NEXT_PUBLIC_SUPABASE_PUBLISHABLE_KEY | 새 공개 키 |
수업에서는 변수명을 단순화하기 위해 NEXT_PUBLIC_SUPABASE_ANON_KEY라고 부르지만, 대시보드에서 publishable key만 보이면 그 값을 넣어도 됩니다.
찾는 위치:
1. Project Settings → Data API 또는 API
2. API Keys 또는 Project API keys 영역
3. anon public, anon key, 또는 publishable key 항목의 Copy 버튼 클릭
예시
NEXT_PUBLIC_SUPABASE_ANON_KEY=eyJhbGci... # legacy anon key # 또는 NEXT_PUBLIC_SUPABASE_ANON_KEY=sb_publishable_... # new publishable key
이 값은 브라우저에 노출될 수 있는 키입니다. 단, RLS가 제대로 설정되어 있다는 전제가 필요합니다.
service_role 계열 키는 브라우저에 절대 넣지 않습니다. Next.js 서버 API Route, 서버 작업, 관리자 기능에서만 사용합니다.
Supabase 화면에서는 다음 이름 중 하나로 보일 수 있습니다.
| 화면에서 보이는 이름 | 코드에서 쓰는 이름 | 용도 |
|---|---|---|
service_role / service_role key | SUPABASE_SERVICE_ROLE_KEY | 레거시 서버 전용 강한 키 |
secret key / sb_secret_... | SUPABASE_SERVICE_ROLE_KEY 또는 SUPABASE_SECRET_KEY | 새 서버 전용 강한 키 |
찾는 위치:
1. Project Settings → Data API 또는 API
2. API Keys 영역
3. 새 키 방식이면 Secret keys 섹션을 찾습니다.
4. 레거시 방식이면 Legacy API Keys 탭 또는 영역에서 service_role을 찾습니다.
5. Reveal 또는 눈 모양 버튼을 누른 뒤 Copy합니다.
6. 복사한 값은 .env.local의 SUPABASE_SERVICE_ROLE_KEY에만 넣습니다.
복사용 텍스트
SUPABASE_SERVICE_ROLE_KEY=eyJhbGci... # legacy service_role # 또는 SUPABASE_SERVICE_ROLE_KEY=sb_secret_... # new secret key
> ⚠️ secret/service_role key는 RLS를 우회할 수 있는 강한 키입니다. 화면 공유 중에는 가리고, Cursor Chat에 붙여넣지 말고, GitHub에 올리지 말고, NEXT_PUBLIC_ 접두사를 붙이지 마세요.
ADMIN_TOKEN은 Supabase에서 가져오는 값이 아닙니다. 우리가 관리자 API를 보호하기 위해 직접 만드는 간이 비밀번호입니다.
초보자용 생성 방법:
1. 아무에게도 공유하지 않을 긴 문자열을 만듭니다.
2. 예: qc-admin-2026-wonju-내이름-랜덤숫자
3. .env.local에 넣습니다.
4. Vercel 배포 시에도 같은 값을 환경변수로 넣습니다.
복사용 텍스트
ADMIN_TOKEN=qc-admin-2026-wonju-random-483920운영 서비스에서는 이 방식 대신 로그인, 관리자 권한, 서버 세션 검증을 써야 합니다. 오늘은 교육용으로 “서버 API는 아무나 호출하면 안 된다”는 감각을 익히기 위한 장치입니다.
.env.local 예시복사용 텍스트
NEXT_PUBLIC_SUPABASE_URL=https://abcdefghijklmnop.supabase.co NEXT_PUBLIC_SUPABASE_ANON_KEY=eyJhbGci... 또는 sb_publishable_... SUPABASE_SERVICE_ROLE_KEY=eyJhbGci... 또는 sb_secret_... ADMIN_TOKEN=qc-admin-2026-wonju-random-483920
https://로 시작하고 .supabase.co로 끝난다.NEXT_PUBLIC_SUPABASE_ANON_KEY에 넣었다.SUPABASE_SERVICE_ROLE_KEY에 넣었다.NEXT_PUBLIC_를 붙이지 않았다.ADMIN_TOKEN은 Supabase에서 가져온 값이 아니라 직접 만든 값이다..env.local은 .gitignore에 들어 있다.| 항목 | 어디에 쓰나 | 노출해도 되나 |
|---|---|---|
| Project URL | 앱이 Supabase에 접속할 주소 | O (공개 가능) |
| anon / publishable key | 브라우저에서 DB 접근 (제한 권한) | O (단, RLS 필수) |
| service_role / secret key | 서버에서 전체 권한 작업 | ❌ 절대 노출 금지 |
| ADMIN_TOKEN | 관리자 API 호출 확인 | ❌ 노출 금지 |
✅ 예상 결과: Project URL, 공개 키, 서버 전용 키, ADMIN_TOKEN 4개를 구분할 수 있다.
🛟 막히면: 직접 만들기 어려우면 강사 데모 프로젝트의 URL·anon key를 받아 진행 (service_role은 받지 않음).
> 🔐 service_role key는 메모장·채팅·브라우저 코드 어디에도 붙여넣지 마세요. 일반 사용자 기능은 anon key, 관리자 서버 기능은 service_role key로 구분합니다.
Supabase MCP가 연결돼 있다면 Cursor 채팅에서 먼저 프로젝트가 보이는지 확인합니다.
📋 이렇게 요청
복사용 텍스트
Supabase MCP 연결 상태를 확인해줘. 내가 접근 가능한 Supabase 프로젝트 목록만 읽고, 삭제·생성·수정 작업은 하지 마.
프로젝트가 여러 개 보이면 이번 실습용 프로젝트를 지정합니다.
복사용 텍스트
이번 실습에서는 qc-issue-tracker 프로젝트만 사용할 거야. 이 프로젝트의 project_ref, Project URL, public schema 접근 가능 여부를 확인해줘. API 키나 service_role 키는 출력하지 마.
✅ 예상 결과: Cursor가 실습용 프로젝트를 식별하고 project_ref를 알려준다.
🛟 막히면: Supabase MCP 인증이 안 된 상태일 수 있습니다. Cursor Settings → Plugins 또는 Tools & MCP → Supabase MCP → Try chat으로 다시 인증합니다.
Step 3
실습 15 · Supabase DB 기반 QC 이슈 추적 앱 만들기 (실전 캡스톤)
qc_issues이 단계는 두 가지 방식 중 하나로 진행합니다.
| 방식 | 추천 대상 | 설명 |
|---|---|---|
| A. Supabase MCP 보조 | Cursor MCP 연결 완료자 | Cursor가 SQL을 검토하고, 필요 시 실행 전 위험을 설명 |
| B. Supabase SQL Editor | MCP가 안 되는 수강생 | 대시보드 SQL Editor에 직접 붙여넣고 실행 |
수업에서는 A 방식으로 먼저 보여주고, 막히는 수강생은 B 방식으로 진행합니다.
먼저 SQL을 실행하지 말고 Cursor에게 검토만 시킵니다.
📋 이렇게 요청
복사용 텍스트
Supabase MCP를 사용해서 qc_issues 테이블을 만들 SQL을 검토해줘. 목표는 QC 이슈 등록·조회·상태 변경 앱이야. 필요 컬럼: - id, title, description, category, severity, status - assignee, equipment_name, test_item, occurred_at - created_at, updated_at 먼저 실행하지 말고, 1) 테이블 설계가 적절한지 2) 누락된 컬럼이 있는지 3) RLS 정책을 어떻게 둘지 4) 교육용 정책과 운영용 정책의 차이 를 표로 정리해줘.
✅ 예상 결과: Cursor가 SQL 실행 전 설계 리뷰를 해준다.
Supabase 대시보드 → SQL Editor에 아래를 붙여넣고 실행(Run)합니다. (또는 Table Editor로 GUI 생성)
sql
총 14줄 · 펼치기를 누르면 전체 코드를 볼 수 있습니다.
Supabase MCP가 쓰기 가능 상태이고, 본인 실습용 프로젝트임이 확인됐을 때만 실행합니다. read_only=true로 연결돼 있으면 실행되지 않는 것이 정상입니다.
📋 이렇게 요청
복사용 텍스트
Supabase MCP로 아래 SQL을 실행하기 전에 다시 확인해줘. 대상은 qc-issue-tracker 실습 프로젝트이고, 운영 DB가 아니야. 실행할 SQL이 qc_issues 테이블 생성만 하는지 확인한 뒤, 문제가 없으면 실행해줘. [위 create table SQL 붙여넣기]
> 강의 운영 팁: 전체 수강생이 동시에 MCP로 SQL 실행하면 편차가 커집니다. 강사는 MCP 실행을 데모로 보여주고, 수강생은 SQL Editor 실행으로 따라오게 해도 충분합니다.
sql
insert into qc_issues (title, category, severity, status, assignee, equipment_name, test_item, occurred_at) values ('분주 채널 기포 발생', '장비', '높음', '검토중', '김QC', 'DSP-03', '반복성 CV', '2026-06-19'), ('반복성 CV 기준 초과', '공정', '중간', '접수', '이QC', 'OPT-01', '반복성 CV', '2026-06-19'), ('TMB 시약 변색', '시약', '낮음', '조치완료', '박QC', '-', 'SDS 점검', '2026-06-17'), ('항온블록 온도 알람', '환경', '중간', '접수', '정QC', 'INC-04', '온도 모니터링', '2026-06-18'), ('교정 기록 누락', '문서', '낮음', '검토중', '최QC', 'BAL-05', '교정 점검', '2026-06-16');
MCP로 샘플 데이터를 넣는 경우
Supabase MCP로 qc_issues 테이블에 교육용 샘플 데이터 5건을 넣어줘. 실제 환자·검체 정보는 쓰지 말고, 장비·시약·공정·환경·문서 카테고리가 골고루 들어가게 해줘. 실행 전 insert 대상 컬럼과 데이터 예시를 먼저 보여줘.
Supabase 테이블은 RLS가 켜지면 기본적으로 모든 접근이 막힙니다. 교육용으로는 anon이 읽기·쓰기 가능한 임시 정책을 둡니다.
sql
alter table qc_issues enable row level security; -- ⚠️ 교육용 임시 정책 (운영에서는 절대 이렇게 쓰지 않음) create policy "edu_all_access" on qc_issues for all using (true) with check (true);
> ⚠️ 운영 경고: using (true)는 "누구나 전부 가능"입니다. 실제 서비스에서는 로그인 사용자/소속별로 RLS를 좁혀야 합니다. 오늘은 "실습용"이라 열어두는 것임을 반드시 인지하세요.
✅ 예상 결과: Table Editor에서 qc_issues 테이블과 샘플 5건이 보인다.
🛟 막히면: SQL 오류 메시지를 복사해 Cursor에 "이 Supabase SQL 오류 원인과 수정안을 알려줘"라고 요청.
테이블 생성 후에는 바로 보안 점검을 시킵니다.
복사용 텍스트
Supabase MCP로 qc_issues 테이블의 RLS 상태와 policy 목록을 확인해줘. 교육용 임시 정책인지, 운영 전 어떤 점을 좁혀야 하는지 비개발자도 이해할 수 있게 정리해줘. 수정은 하지 마.
추가로 API 접근이 안 될 때는 다음을 확인합니다.
복사용 텍스트
Supabase MCP로 qc_issues 테이블이 Data API에서 접근 가능한지 점검해줘. anon/authenticated role 권한, RLS, exposed schema 설정 중 어디가 문제인지 가능한 원인만 정리해줘. 아직 SQL은 실행하지 마.
첨부파일
샘플 데이터 구성, 입력 방법, 분포, 실습 연계 포인트를 정리한 안내 문서입니다.
README.md
첨부파일
Supabase SQL Editor에 실행할 테이블 생성 및 교육용 RLS 정책 SQL입니다.
qc_issues_schema.sql
첨부파일
교육용 합성 QC 이슈 60건을 Supabase SQL Editor로 입력하는 seed SQL입니다.
qc_issues_seed.sql
첨부파일
Supabase Table Editor의 CSV Import에 사용할 수 있는 교육용 합성 데이터 60건입니다.
qc_issues_seed.csv
Step 4
실습 15 · Supabase DB 기반 QC 이슈 추적 앱 만들기 (실전 캡스톤)
이 단계는 반드시 한 번 해봅니다. Supabase MCP가 연결돼 있으면 Cursor가 DB 구조를 직접 읽을 수 있고, MCP가 없으면 SQL Editor 화면을 보고 수동으로 확인합니다.
📋 이렇게 요청
복사용 텍스트
Supabase MCP로 qc_issues 테이블의 컬럼 구조를 읽어줘. 각 컬럼의 의미를 표로 정리하고, 데이터는 변경하지 마.
✅ 예상 결과: Cursor가 컬럼 목록과 의미를 표로 정리해 준다.
🛟 막히면: MCP가 없으면 이 단계를 건너뛰고, Step 5에서 직접 URL·anon key를 넣어 연결한다. (MCP는 "확인용 편의", 필수 아님)
복사용 텍스트
Supabase MCP 기준으로 qc_issues 앱 구현 전에 확인해야 할 내용을 점검해줘. 다음 항목을 표로 정리해줘: 1. 테이블 존재 여부 2. 필수 컬럼 존재 여부 3. 샘플 데이터 존재 여부 4. RLS 활성화 여부 5. 교육용 임시 policy 여부 6. 앱에서 사용할 공개 키는 anon key인지 수정은 하지 마.
복사용 텍스트
qc_issues 테이블 구조를 기준으로 Next.js 앱을 만들 예정이야. Supabase MCP로 확인한 컬럼명만 사용해서 목록 조회, 신규 등록, 상태 변경에 필요한 타입과 함수 목록을 먼저 설계해줘. 아직 파일은 만들지 마.
Step 5
실습 15 · Supabase DB 기반 QC 이슈 추적 앱 만들기 (실전 캡스톤)
> 이번 스택은 Next.js + Supabase JS + Vercel입니다. 코드는 Cursor가 작성합니다.
📋 이렇게 요청 (골격 생성)
복사용 텍스트
Next.js(App Router)와 Supabase로 "QC 이슈 추적" 웹앱을 만들어줘. - Supabase 테이블 qc_issues를 사용 - 가능하면 Supabase MCP로 확인한 실제 컬럼명을 기준으로 작성 - 페이지: 이슈 목록(테이블) + 새 이슈 등록 폼 - Supabase 접속은 환경변수 NEXT_PUBLIC_SUPABASE_URL, NEXT_PUBLIC_SUPABASE_ANON_KEY 사용 - service_role 키는 절대 클라이언트 코드에 넣지 마 - 한국어 UI, 깔끔한 기본 스타일 먼저 폴더 구조와 만들 파일 목록을 보여주고 진행해줘.
✅ 예상 결과: Cursor가 app/, lib/supabase.ts, 목록·폼 컴포넌트, package.json 등을 생성한다.
🛟 막히면:
Step 6
실습 15 · Supabase DB 기반 QC 이슈 추적 앱 만들기 (실전 캡스톤)
.env.local📋 이렇게 요청
복사용 텍스트
.env.local 파일을 만들어 Supabase 연결 환경변수를 넣어줘. NEXT_PUBLIC_SUPABASE_URL, NEXT_PUBLIC_SUPABASE_ANON_KEY, SUPABASE_SERVICE_ROLE_KEY, ADMIN_TOKEN 변수를 준비해줘. 단, service_role 키는 서버 코드에서만 쓰고, NEXT_PUBLIC_ 접두사를 절대 붙이지 마. .env.local 이 .gitignore에 있는지도 확인해줘.
값은 Step 2에서 확인한 Supabase 대시보드의 Project Settings → Data API 또는 API 화면에서 복사해 직접 채웁니다. 대시보드에서 publishable key만 보이면 NEXT_PUBLIC_SUPABASE_ANON_KEY 자리에 넣고, secret key만 보이면 SUPABASE_SERVICE_ROLE_KEY 자리에 넣습니다. ADMIN_TOKEN은 Supabase에서 가져오는 값이 아니라 임의의 긴 문자열로 직접 만듭니다.
복사용 텍스트
NEXT_PUBLIC_SUPABASE_URL=https://xxxx.supabase.co NEXT_PUBLIC_SUPABASE_ANON_KEY=eyJhbGci... 또는 sb_publishable_... (공개 가능) SUPABASE_SERVICE_ROLE_KEY=eyJhbGci... 또는 sb_secret_... (서버 전용) ADMIN_TOKEN=qc-admin-local-아무도-모르는-긴-문자열
| 키 | 접두사 | 위치 | 노출 |
|---|---|---|---|
| Project URL | NEXT_PUBLIC_ | 클라이언트 | 가능 |
| anon / publishable key | NEXT_PUBLIC_ | 클라이언트 | 가능(RLS 전제) |
| service_role / secret key | 접두사 없이 | 서버(API route)만 | 금지 |
| ADMIN_TOKEN | 접두사 없이 | 서버 API 호출 확인 | 금지 |
이번 프로젝트에서는 두 층으로 나눕니다.
1. 일반 사용자 기능: anon key 사용 — 목록 조회, 이슈 등록, 상태 변경
2. 관리자 서버 기능: service_role 사용 — 전체 통계, 샘플 데이터 초기화, 일괄 상태 변경 같은 서버 작업
핵심은 service_role을 배우되, 브라우저 코드에서는 절대 쓰지 않는 것입니다.
| 상황 | service_role 필요 여부 | 이유 |
|---|---|---|
| 브라우저에서 목록 조회 | 불필요 | anon key + RLS로 처리 |
| 브라우저에서 이슈 등록 | 불필요 | 교육용/로그인 정책으로 처리 |
| 관리자 전체 통계 조회 | 필요 | RLS와 무관하게 서버에서 집계 |
| 관리자 샘플 데이터 초기화 | 필요 | 서버에서만 강한 권한 사용 |
| 관리자 전용 일괄 상태 변경 | 필요 | 서버 API route에서만 처리 |
service_role을 쓰는 확장 작업은 반드시 서버 API route에서만 진행합니다.
이 실습에서는 service_role으로 다음 중 하나를 구현합니다. 시간이 부족하면 관리자 전체 통계 API만 해도 충분합니다.
| 기능 | 난이도 | 목적 |
|---|---|---|
| 관리자 전체 통계 API | 낮음 | service_role을 서버에서 읽기 용도로 안전하게 사용 |
| 샘플 데이터 재삽입 API | 중간 | 서버에서 insert 작업을 수행 |
| 조치완료 일괄 변경 API | 높음 | 서버에서 update 작업을 수행 |
service_role을 익히기 위한 첫 기능으로는 관리자 전체 통계 API를 권장합니다.
복사용 텍스트
브라우저 페이지 → /api/admin/qc-issues/summary 호출 → API Route가 ADMIN_TOKEN 확인 → 서버에서 SUPABASE_SERVICE_ROLE_KEY로 Supabase 접속 → qc_issues 전체 통계 반환
📋 관리자 API 설계 요청
복사용 텍스트
service_role key를 안전하게 익히기 위한 관리자 API를 만들 거야. 목표는 /api/admin/qc-issues/summary 엔드포인트야. 요구사항: - 이 API는 서버에서만 SUPABASE_SERVICE_ROLE_KEY를 사용 - 클라이언트 컴포넌트나 NEXT_PUBLIC_ 변수에는 service_role을 절대 넣지 않음 - 요청 헤더 x-admin-token 이 process.env.ADMIN_TOKEN 과 같을 때만 실행 - 반환값: 전체 이슈 수, 접수 수, 검토중 수, 조치완료 수, 고위험 수 - 먼저 만들 파일 목록과 보안 주의점을 설명하고, 아직 코드는 만들지 마.
📋 service_role 클라이언트 파일 작성 요청
복사용 텍스트
GO. Next.js 서버 전용 Supabase admin client 파일을 만들어줘. 파일명은 lib/supabase-admin.ts 로 하고, SUPABASE_SERVICE_ROLE_KEY는 서버에서만 읽게 해줘. 이 파일이 브라우저 번들에 들어가지 않도록 주의해줘.
📋 관리자 요약 API 작성 요청
복사용 텍스트
GO. app/api/admin/qc-issues/summary/route.ts 를 만들어줘. GET 요청에서 x-admin-token 헤더를 확인하고, 맞으면 service_role Supabase client로 qc_issues 통계를 계산해 JSON으로 반환해줘. 틀리면 401을 반환해줘. service_role 키를 응답이나 로그에 절대 출력하지 마.
📋 로컬 테스트 요청
복사용 텍스트
관리자 요약 API를 로컬에서 테스트하는 방법을 알려줘. curl 예시에는 x-admin-token 헤더를 사용하되, 실제 ADMIN_TOKEN 값은 노출하지 말고 <ADMIN_TOKEN>으로 표시해줘.
예상 curl 형식
curl -H "x-admin-token: <ADMIN_TOKEN>" http://localhost:3000/api/admin/qc-issues/summary📋 MCP + Cursor 보안 점검 요청
복사용 텍스트
현재 프로젝트 파일을 검사해서 Supabase service_role 키가 브라우저 코드, NEXT_PUBLIC_ 환경변수, Git 추적 파일에 노출될 가능성이 있는지 점검해줘. 수정은 하지 말고 위험한 파일·라인 후보만 알려줘.
📋 Supabase MCP로 관리자 API 설계 검증
복사용 텍스트
Supabase MCP로 qc_issues 테이블 구조와 RLS 상태를 읽고, 위 관리자 summary API가 service_role을 서버에서만 쓰는 구조로 적절한지 검토해줘. DB 변경은 하지 말고 보안 리스크만 알려줘.
✅ 예상 결과: 로컬에서 npm run dev로 앱이 뜨고 목록이 보인다. (실행도 채팅으로 요청 가능: "개발 서버 실행해줘")
🛟 막히면: 데이터가 안 보이면 → "Supabase 연결이 되는지, RLS 정책 때문에 막히는지 확인해줘" 요청. URL·키 오타가 가장 흔함.
Step 7
실습 15 · Supabase DB 기반 QC 이슈 추적 앱 만들기 (실전 캡스톤)
기능을 구현하기 전에 MCP로 한 번 더 실제 테이블을 확인합니다.
복사용 텍스트
Supabase MCP로 qc_issues 테이블의 현재 컬럼과 샘플 데이터 3건만 확인해줘. 이 결과를 기준으로 등록 폼과 목록 컬럼을 맞춰줘. DB 변경은 하지 마.
📋 이슈 등록
복사용 텍스트
새 이슈 등록 폼을 완성해줘. 입력: 제목, 설명, category(장비/시약/공정/환경/문서), severity(낮음/중간/높음), 담당자, 장비명, 시험항목, 발생일. 저장하면 qc_issues에 insert되고 목록이 갱신되게 해줘.
📋 목록 조회
복사용 텍스트
qc_issues를 최신순으로 표에 보여줘. 컬럼: 제목, 장비명, 시험항목, 심각도, 상태, 담당자, 발생일. 심각도 '높음'은 눈에 띄게 표시해줘.
📋 상태 변경
복사용 텍스트
목록 각 행에서 상태를 접수→검토중→조치완료로 바꿀 수 있게 해줘. 변경 시 updated_at도 갱신해줘. Supabase MCP로 status 컬럼 값이 실제로 어떻게 저장돼 있는지 먼저 확인하고, 기존 값과 충돌하지 않게 구현해줘.
📋 통계 카드
복사용 텍스트
상단에 통계 카드 4개를 추가해줘: 전체 이슈 수, 미해결(접수+검토중) 수, 고위험(severity 높음) 수, 완료율(조치완료 비율).
일반 통계 카드는 anon key로도 계산할 수 있습니다. 하지만 이번 실습에서는 service_role을 익히기 위해 관리자 요약 API 결과를 별도 관리자 패널에 표시합니다.
📋 관리자 패널 추가
복사용 텍스트
페이지 하단에 "관리자 점검 패널"을 추가해줘. 이 패널은 ADMIN_TOKEN을 입력했을 때만 /api/admin/qc-issues/summary 를 호출해서 전체 통계를 보여줘. 주의: - ADMIN_TOKEN은 입력창 값으로만 보내고 코드에 하드코딩하지 마. - SUPABASE_SERVICE_ROLE_KEY는 서버 API route에서만 사용해야 해. - 토큰이 틀리면 "관리자 확인값이 맞지 않습니다"라고 보여줘.
📋 service_role 동작 확인
복사용 텍스트
관리자 점검 패널과 /api/admin/qc-issues/summary API가 service_role을 서버에서만 쓰는지 점검해줘. 브라우저 개발자도구에서 service_role 키가 보일 가능성이 있는 파일이나 응답이 있는지 확인해줘.
✅ 예상 결과: 폼에서 등록 → 목록에 즉시 추가. (확장 시) 상태 변경·통계 카드 동작.
🛟 막히면: 등록이 안 되면 → 브라우저 콘솔/에러를 복사해 "이 오류 원인과 최소 수정을 알려줘. 기존 기능은 유지해" 요청. RLS 정책(Step 3) 적용 여부 확인.
복사용 텍스트
Supabase MCP로 qc_issues 테이블의 최근 데이터 5건을 읽어서, 방금 앱에서 등록한 이슈가 실제 DB에 저장됐는지 확인해줘. 데이터 변경은 하지 마.
복사용 텍스트
Supabase MCP로 status가 '조치완료'인 행 수와 전체 행 수를 계산해줘. 앱의 완료율 카드와 값이 맞는지 비교해줘. 수정은 하지 마.
Step 8
실습 15 · Supabase DB 기반 QC 이슈 추적 앱 만들기 (실전 캡스톤)
> git·GitHub는 이미 연동돼 있으므로 채팅으로 진행합니다.
📋 커밋·푸시
복사용 텍스트
지금까지 만든 내용을 커밋하고 GitHub에 푸시해줘. .env.local 같은 민감 파일은 절대 포함하지 말고, 올라갈 파일 목록을 먼저 보여줘.
1. Vercel 대시보드 → Add New… → Project → GitHub 저장소 Import
2. Framework: Next.js 자동 감지
3. Environment Variables에 입력:
- NEXT_PUBLIC_SUPABASE_URL
- NEXT_PUBLIC_SUPABASE_ANON_KEY
- SUPABASE_SERVICE_ROLE_KEY (서버 전용, NEXT_PUBLIC 금지)
- ADMIN_TOKEN
4. Deploy → 1~2분 후 ***.vercel.app URL 생성
✅ 예상 결과: 배포 URL로 접속하면 내 QC 이슈 앱이 인터넷에서 열린다. 최종 산출물 = 이 URL.
🛟 막히면:
.env.local은 배포에 안 올라감)SUPABASE_SERVICE_ROLE_KEY 또는 ADMIN_TOKEN 누락 가능성 확인복사용 텍스트
배포 전에 Supabase MCP와 프로젝트 파일 기준으로 최종 점검해줘. 1. qc_issues 테이블 존재 2. RLS 활성화 3. 교육용 policy임을 README나 주석에 명시했는지 4. service_role 키 노출 없음 5. Vercel에 필요한 환경변수 목록(NEXT_PUBLIC 2개 + 서버 전용 2개) 6. 배포 후 테스트할 시나리오 를 체크리스트로 정리해줘. 수정은 하지 마.
| 증상 | 원인 | 해결 |
|---|---|---|
| 목록이 비어 있음 | RLS가 접근 차단 | Step 3 교육용 정책 적용 확인 |
| 등록은 됐는데 화면 갱신 안 됨 | 등록 후 재조회 누락 | "등록 후 목록을 다시 불러오게 해줘" |
| 배포 후 데이터 안 뜸 | Vercel 환경변수 누락 | Vercel에 URL·anon key 등록 후 재배포 |
| 관리자 패널 401 | ADMIN_TOKEN 불일치 | Vercel/로컬 ADMIN_TOKEN과 입력값 확인 |
| 관리자 API 500 | service_role 누락 또는 오타 | 서버 환경변수 SUPABASE_SERVICE_ROLE_KEY 확인 |
| service_role을 NEXT_PUBLIC_에 넣음 | 보안 사고 | 즉시 제거 + Supabase에서 키 재발급 |
.env.local이 GitHub에 올라감 | .gitignore 누락 | "git 추적에서 빼고 .gitignore에 추가" + 키 재발급 |
복사용 텍스트
아래 오류(또는 로그)를 비개발자도 이해하게 설명하고, 해결 단계를 순서대로 알려줘. 기존 기능과 파일은 함부로 바꾸지 마. [오류/로그 붙여넣기]
복사용 텍스트
Supabase MCP로 현재 문제를 읽기 전용으로 점검해줘. 확인할 항목: - qc_issues 테이블 존재 여부 - RLS와 policy 상태 - 최근 등록 데이터 존재 여부 - status/severity 값 분포 - API 접근을 막을 수 있는 설정 후보 데이터 생성·수정·삭제는 하지 말고, 원인 후보와 다음 확인 순서만 알려줘.
1. 배포 URL (***.vercel.app) — 인터넷에서 열리는 QC 이슈 앱
2. Supabase `qc_issues` 테이블 + 샘플/직접 등록 데이터
3. 안전 점검 한 줄
복사용 텍스트
나는 anon key만 클라이언트에 쓰고, service_role은 서버 API route에서만 사용하며, ADMIN_TOKEN으로 관리자 API를 보호했다. .env.local은 GitHub에 올리지 않았다. RLS는 교육용 임시 정책이며 운영 전 좁혀야 한다.
NEXT_PUBLIC_·GitHub 어디에도 없음lib/supabase-admin.ts와 서버 API route에서만 사용x-admin-token 또는 동등한 확인값을 검사.env.local이 .gitignore에 있음> 핵심: 오늘 만든 건 완성품이 아니라 "DB·배포·보안의 최소 1바퀴를 직접 돌려본 경험" 입니다. 이 한 바퀴를 돌면, 어떤 업무 앱이든 같은 패턴으로 확장할 수 있습니다.
| 운영 방식 | 시간 | 범위 |
|---|---|---|
| 데모 | 30분 | 강사가 전체 흐름 시연, 수강생은 관람 + 개념 |
| MVP 실습 | 60~75분 | Supabase 테이블 + 등록·목록 + 배포 |
| 풀 실습 | 100분+ | 상태 변경 + 통계 카드 + 트러블슈팅 |
qc_issues 시드*문서 버전 v1.0 · 실전 캡스톤 · Next.js + Supabase + Vercel · 채팅 구동 · 교육용 데이터(qc_issues)*
국내외 공모전·오픈이노베이션·공공 챌린지·해커톤 자료에서 뽑은 문제 구조를 바탕으로 100개 서비스 앱 설계 카드를 살펴보는 부록입니다.
2 steps
Step 1
부록 · 공모전 아이디어 오마주 100개 서비스 앱
이 부록은 원주 ICT 빅데이터 중급 과정 이후, 오늘 만든 작은 데이터 앱을 어떤 서비스 아이디어로 확장할 수 있는지 보여주기 위한 교육용 자료입니다.
자료는 국내외 공모전, 오픈이노베이션, 공공 챌린지, 해커톤, 창업지원사업의 공개 자료에서 문제 구조를 추출한 뒤 수업용으로 엄선·재구성했습니다.
중요한 점은 원문 과제명이나 특정 기업의 아이디어를 그대로 복제하는 것이 아니라, 문제를 바라보는 방식과 서비스 설계 패턴을 학습 목적으로 오마주했다는 것입니다.
주요 사용자, 핵심 기능, MVP 범위를 읽고 오늘 실습한 입력-처리-출력 구조로 바꿔봅니다.| 목적 | 활용 방법 |
|---|---|
| 복습 | 오늘 만든 Streamlit/QC 대시보드 구조를 다른 앱 아이디어에 대입합니다. |
| 팀 프로젝트 | 100개 중 하나를 골라 MVP 범위만 구현합니다. |
| 포트폴리오 | 문제 정의 → 화면 설계 → 데이터 구조 → 배포 링크 순서로 기록합니다. |
| 고급 과정 준비 | Supabase, Vercel, FastAPI, Flutter로 확장할 아이디어를 고릅니다. |
아래 Markdown 파일에는 100개 앱별 사용 데이터, 핵심 화면, 데이터 모델 초안, 구현 3단계, 첫 프롬프트가 들어 있습니다.
첨부파일
국내외 공모전·오픈이노베이션·공공 챌린지·해커톤 자료에서 문제 구조를 추출해 교육용으로 재구성한 100개 앱 설계 카드입니다.
vibecoding-100-service-app-specs.md
Step 2
부록 · 공모전 아이디어 오마주 100개 서비스 앱
아래 표는 부록 명세의 전체 앱 목록입니다. 자세한 설명은 Step 1의 Markdown 파일을 다운로드해서 확인합니다.
| ID | 분야 | 앱 예제 | 추천 구현 축 |
|---|---|---|---|
| 001 | AI Agent / RAG | ACL Caregiver AI Prize Challenge | Streamlit, Python, Supabase 또는 CSV |
| 002 | AI Agent / RAG | AGenKYC | Streamlit, Python, Supabase 또는 CSV |
| 003 | AI Agent / RAG | AgentShell: From Model Context to Control | Streamlit, Python, Supabase 또는 CSV |
| 004 | AI Agent / RAG | BTC-Expert-Analyst | Streamlit, Python, Supabase 또는 CSV |
| 005 | AI Agent / RAG | CloudOps Cost Optimizer Agent | Streamlit, Python, Supabase 또는 CSV |
| 006 | AI Agent / RAG | Compliance Guardian AI system | Streamlit, Python, CSV/Open Data, Supabase |
| 007 | AI Agent / RAG | DomainFlow: The Agent is the Application | Streamlit, Python, Supabase 또는 CSV |
| 008 | AI Agent / RAG | Drishti AI Navigator | Streamlit, Python, Supabase 또는 CSV |
| 009 | AI Agent / RAG | GenAI SupplyChain Copilot | Streamlit, Python, Supabase 또는 CSV |
| 010 | AI Agent / RAG | GlobalInvoiceAI | Streamlit, Python, Supabase 또는 CSV |
| 011 | AI Agent / RAG | InsightModAI | Streamlit, Python, Supabase 또는 CSV |
| 012 | AI Agent / RAG | Oratio | Streamlit, Python, Supabase 또는 CSV |
| 013 | AI Agent / RAG | Playbook: Federal daily check-in survey | Streamlit, Python, Supabase 또는 CSV |
| 014 | AI Agent / RAG | Pre Sales Assistant | Streamlit, Python, Supabase 또는 CSV |
| 015 | AI Agent / RAG | Province | Streamlit, Python, Supabase 또는 CSV |
| 016 | AI Agent / RAG | Science in the Air | Streamlit, Python, CSV/Open Data, Supabase |
| 017 | AI Agent / RAG | SwarmAI | Streamlit, Python, Supabase 또는 CSV |
| 018 | AI Agent / RAG | movemean | Streamlit, Python, Supabase 또는 CSV |
| 019 | AI Agent / RAG | AI 기반 인사·조직 데이터 분석 및 HR 의사결정 지원 플랫폼 | Next.js, Supabase Vector, Vercel, AI API |
| 020 | AI Agent / RAG | AI 기반 제조 품질 예측 및 스마트 팩토리 최적화 플랫폼 | Next.js, Supabase Vector, Vercel, AI API |
| 021 | AI Agent / RAG | Edu AI Agent 기반 공교육 학생 맞춤형 학습 도우미 서비 | Next.js, Supabase Vector, Vercel, AI API |
| 022 | AI Agent / RAG | KT AI 모델 기반 MyK 요금 설계 AI Agent 개발 | Next.js, Supabase Vector, Vercel, AI API |
| 023 | AI Agent / RAG | KT AI모델 기반 사용자 의도분석을 통한 전문 법률 답변 Age | Next.js, Supabase Vector, Vercel, AI API |
| 024 | AI Agent / RAG | Robotics/Embodied AI* 벤치마크 대응 데이터 구축 | Next.js, Supabase Vector, Vercel, AI API |
| 025 | AI Agent / RAG | Solar LLM 기반 소크라틱* 학습 AI 튜터 Agent 개발 | Next.js, Supabase Vector, Vercel, AI API |
| 026 | AI Agent / RAG | 생성형 AI 기반 기업 콘텐츠 제작 및 마케팅 자동화 플랫폼 | Next.js, Supabase Vector, Vercel, AI API |
| 027 | AI Agent / RAG | 내 문서 기반 Q&A 챗봇 | Next.js, Vercel, Supabase, Supabase Vector |
| 028 | AI Agent / RAG | 회의록 액션아이템 추출기 | Next.js, Vercel, Supabase, Supabase Vector |
| 029 | AI Agent / RAG | 제안서 약점 탐지기 | Next.js, Vercel, Supabase, Supabase Vector |
| 030 | AI Agent / RAG | 논문 읽기 요약 보조 앱 | Next.js, Vercel, Supabase, Supabase Vector |
| 031 | AI Agent / RAG | 채용 공고 맞춤 자기소개서 코치 | Next.js, Vercel, Supabase, Supabase Vector |
| 032 | AI Agent / RAG | 고객 문의 자동 분류 보드 | Next.js, Vercel, Supabase, Supabase Vector |
| 033 | AI Agent / RAG | 계약서 체크포인트 요약기 | Next.js, Vercel, Supabase, Supabase Vector |
| 034 | AI Agent / RAG | 업무 매뉴얼 변환 Agent | Next.js, Vercel, Supabase, Supabase Vector |
| 035 | 공공 / 시민기술 | 지원사업 공고 적합도 진단 앱 | Streamlit, Python, CSV/Open Data, Supabase |
| 036 | 공공 / 시민기술 | 공모전 아이디어 심사 보드 | Streamlit, Python, CSV/Open Data, Supabase |
| 037 | 공공 / 시민기술 | 지역 문제 제보 지도 대시보드 | Streamlit, Python, CSV/Open Data, Supabase |
| 038 | 공공 / 시민기술 | 청년정책 맞춤 추천 앱 | Streamlit, Python, CSV/Open Data, Supabase |
| 039 | 공공 / 시민기술 | 민원 유형 분석 대시보드 | Streamlit, Python, CSV/Open Data, Supabase |
| 040 | 공공 / 시민기술 | Health at Home Challenge | Streamlit, Python, Supabase 또는 CSV |
| 041 | 공공 / 시민기술 | Playbook: Laptop occupancy data | Streamlit, Python, Supabase 또는 CSV |
| 042 | 공공 / 시민기술 | USAGov Web Analytics | Streamlit, Python, Supabase 또는 CSV |
| 043 | 공공 / 시민기술 | USE IT Act and occupancy data | Streamlit, Python, Supabase 또는 CSV |
| 044 | 공공 / 시민기술 | 행사 만족도 분석 리포트 앱 | Streamlit, Python, CSV/Open Data, Supabase |
| 045 | 공공 / 시민기술 | Challenges and prize competitions | Next.js, Supabase, Vercel |
| 046 | 공공 / 시민기술 | GSA events | Next.js, Supabase, Vercel |
| 047 | 공공 / 시민기술 | How to do business with GSA | Next.js, Supabase, Vercel |
| 048 | 공공 / 시민기술 | Innovation | Next.js, Supabase, Vercel |
| 049 | 공공 / 시민기술 | Prize competitions | Next.js, Supabase, Vercel |
| 050 | 공공 / 시민기술 | Multi-step* 행동 계획, 물체탐색, 선택, 상태이해 학습 앱 | Next.js, Supabase, Vercel |
| 051 | 공공 / 시민기술 | RealWorldQA* 대응 Spatial/Visual Reaso 앱 | Next.js, Supabase, Vercel |
| 052 | 기후 / 환경 | 건설현장 환경과 여건에 관계없이 일관된 소음 저감 효과를 제공하는 앱 | Streamlit, Python, 지도/API, Supabase |
| 053 | 기후 / 환경 | 탄소 절감 아이디어 계산기 | Streamlit, Python, Open Data, Supabase |
| 054 | 기후 / 환경 | 도시 열섬 관찰 대시보드 | Streamlit, Python, Open Data, Supabase |
| 055 | 기후 / 환경 | XMUT은 중심정맥 삽관술용 초음파 기기에 쓰이던 납 기반 압 전 앱 | Streamlit, Python, 지도/API, Supabase |
| 056 | 기후 / 환경 | 멘토링”이란 시장전문가 및 기술전문가 등이 창업기업등의 사업화 성 앱 | Streamlit, Python, 지도/API, Supabase |
| 057 | 기후 / 환경 | 음성회의록 시스템 고도화를 위한 실 회의실 환경 다화자 음성 학습 | Streamlit, Python, 지도/API, Supabase |
| 058 | 기후 / 환경 | Climate Change - NASA Science | Streamlit, Python, CSV/Open Data, Supabase |
| 059 | 기후 / 환경 | Earth Science Data - NASA Science | Streamlit, Python, CSV/Open Data, Supabase |
| 060 | 기후 / 환경 | EcoLafaek | Streamlit, Python, CSV/Open Data, Supabase |
| 061 | 기후 / 환경 | 분리배출 안내 챗봇 | Streamlit, Python, Open Data, Supabase |
| 062 | 기후 / 환경 | 전기요금 절감 시뮬레이터 | Streamlit, Python, Open Data, Supabase |
| 063 | 기후 / 환경 | 기존의 운영 노하우가 개인의 경험에 의존하는 도제 방식으로 전수되 앱 | Streamlit, Python, 지도/API, Supabase |
| 064 | 기후 / 환경 | 음성회의록 시스템 고도화를 위한 실 회의실 환경 다화자 음성 | Streamlit, Python, 지도/API, Supabase |
| 065 | 기후 / 환경 | Destinations | Next.js, TypeScript, Tailwind, Supabase, Vercel |
| 066 | 기후 / 환경 | Flight Innovation | Next.js, TypeScript, Tailwind, Supabase, Vercel |
| 067 | 기후 / 환경 | Global Warming - NASA Science | Next.js, TypeScript, Tailwind, Supabase, Vercel |
| 068 | 제조 / 스마트팩토리 | 퀄컴 아두이노 기반 스마트팩토리 품질 검사 및 산업용 비전 솔루션 | Streamlit 또는 Next.js, Python, Supabase |
| 069 | 제조 / 스마트팩토리 | 재고 부족 예측 보드 | Streamlit, Python, Supabase, Plotly |
| 070 | 제조 / 스마트팩토리 | 2 - 하이드로엑스팬드는 물을 전기로 분해해 수소와 산소를 얻는 앱 | Streamlit 또는 Next.js, Python, Supabase |
| 071 | 제조 / 스마트팩토리 | 제조기업의 가치사슬내 정형/비정형 통합 데이터 분석 및 예측 앱 | Streamlit 또는 Next.js, Python, Supabase |
| 072 | 제조 / 스마트팩토리 | 작업일지 이상 징후 탐지 앱 | Streamlit, Python, Supabase, Plotly |
| 073 | 제조 / 스마트팩토리 | 설비 점검 이력 관리 앱 | Streamlit, Python, Supabase, Plotly |
| 074 | 제조 / 스마트팩토리 | 작업자 교육 이수 관리 앱 | Streamlit, Python, Supabase, Plotly |
| 075 | 교육 / 학습 | 개인 학습 목표 트래커 | Next.js, Supabase, Vercel |
| 076 | 교육 / 학습 | 강의 실습 제출 현황판 | Next.js, Supabase, Vercel |
| 077 | 교육 / 학습 | 팀 프로젝트 역할 분담 보드 | Next.js, Supabase, Vercel |
| 078 | 교육 / 학습 | 퀴즈 생성과 오답 노트 앱 | Next.js, Supabase, Vercel |
| 079 | 교육 / 학습 | NASA Space Apps Challenge 2025 | Streamlit, Python, CSV/Open Data, Supabase |
| 080 | 교육 / 학습 | Living in Space | Next.js, TypeScript, Tailwind, Supabase, Vercel |
| 081 | 교육 / 학습 | Technology Living in Space | Next.js, TypeScript, Tailwind, Supabase, Vercel |
| 082 | 헬스케어 / 바이오 | 운동·컨디션 체크 리포트 앱 | Streamlit, Python, Supabase |
| 083 | 헬스케어 / 바이오 | 실험 샘플 관리 체크리스트 | Streamlit, Python, Supabase |
| 084 | 헬스케어 / 바이오 | 식단 기록 영양 요약 앱 | Streamlit, Python, Supabase |
| 085 | 헬스케어 / 바이오 | 1 민관협력 오픈이노베이션 전략과제 해결형 2 민관협력 오픈이노베 앱 | Next.js 또는 Streamlit, Supabase, AI API |
| 086 | 헬스케어 / 바이오 | 기술검증 수행 및 데이터 확보 실증 데이터 기반 후속 협력 논의 앱 | Next.js 또는 Streamlit, Supabase, AI API |
| 087 | 로봇 / IoT | 센서 데이터 이상 알림 보드 | FastAPI, Supabase Realtime, Next.js |
| 088 | 로봇 / IoT | 공용공간 혼잡도 대시보드 | FastAPI, Supabase Realtime, Next.js |
| 089 | 로봇 / IoT | 스마트팜 센서 모니터링 앱 | FastAPI, Supabase Realtime, Next.js |
| 090 | 로봇 / IoT | 퀄컴 아두이노 기반 로봇 자율주행 및 지능형 서비스 로봇 솔루션 | Flutter 또는 Next.js, Supabase Realtime, FastAPI |
| 091 | 로봇 / IoT | 퀄컴 아두이노 기반 생활 안전 및 지능형 공공 서비스 솔루션 개발 | Flutter 또는 Next.js, Supabase Realtime, FastAPI |
| 092 | 공급망 / 운영 | 프로젝트 예산 사용 현황판 | Streamlit, Python, Supabase |
| 093 | 공급망 / 운영 | 업체 견적 비교 보드 | Streamlit, Python, Supabase |
| 094 | 공급망 / 운영 | 납기 지연 위험 관리 앱 | Streamlit, Python, Supabase |
| 095 | 마케팅 / 콘텐츠 | 고객 리뷰 인사이트 앱 | Next.js, Supabase, Vercel |
| 096 | 마케팅 / 콘텐츠 | 콘텐츠 캘린더 생성기 | Next.js, Supabase, Vercel |
| 097 | 마케팅 / 콘텐츠 | 광고 문구 A/B 테스트 보드 | Next.js, Supabase, Vercel |
| 098 | 마케팅 / 콘텐츠 | Style Hack Hues | Streamlit, Python, Supabase 또는 CSV |
| 099 | 기타 | 개인 포트폴리오 프로젝트 보드 | Streamlit, Python, Supabase 또는 CSV |
| 100 | 기타 | 100개 아이디어 진행률 트래커 | Streamlit, Python, Supabase 또는 CSV |
마음에 드는 앱 하나를 고른 뒤 아래 문장으로 바꿔보세요.
복사용 텍스트
나는 [사용자]가 [데이터/문서/상황]을 입력하면 [판단/요약/추천/기록]을 얻는 앱을 만들고 싶다.이 한 문장이 다음 프로젝트의 시작점입니다.