저자: 테디 아이 비테예/XHunt/XClaw 설립자
작성: 데니스, 아멜리아 I 비테이 콘텐츠 팀
안녕하세요, 여러분. 발표를 시작하기 전에 간단한 설문조사를 해보겠습니다. 여러분 중 OpenClaw를 직접 설치해 보신 분이 몇 분이나 되시나요? 손을 들어주시면 감사하겠습니다.
주위를 둘러보니 참석자 중 약 4분의 1이 손을 들었다. 좋습니다. 오늘 이 기회를 빌어 "랍스터"와 관련된 저희의 구체적인 관행을 소개하겠습니다.
개인적으로 저는 인공지능 발전 과정에서 세 가지 주요 변혁을 경험했다고 생각합니다.
첫 번째 사례는 ChatGPT가 출시된 후 대규모 언어 모델이 매우 지능화되어 대화 논리에 혁명을 일으켰을 때였습니다.
두 번째는 바이브 코딩(Vibe Coding)으로, 프로그래밍 패러다임을 바꿔 비전문 프로그래머도 효율적으로 결과물을 만들어낼 수 있게 해 주었습니다.
세 번째 획기적인 발전은 최근 "랍스터" 덕분에 이루어졌습니다. 이를 통해 "개인 지능형 비서"라는 개념이 진정으로 실현되는 것을 느낄 수 있었습니다. 채팅창에서 입력했던 작업들이 이제 바로 실행 단계로 넘어갈 수 있게 되었고, 논리적인 구성부터 완벽한 시스템 구축까지 단 몇 시간 만에 완료할 수 있었습니다.
디지털 직원 시스템: 1인 기업의 조직 구조
다음으로, 디지털 직원 활용 경험을 공유하고 싶습니다. 저는 현재 두 회사를 운영하고 있는데, 하나는 웹3 AI 기반 뉴미디어 회사인 Biteye이고, 다른 하나는 AI 기반 문화 영향력 플랫폼입니다. 지난 몇 주 동안 저는 직접 디지털 직원 시스템을 구축했습니다.
이 구조에서 저는 회장직을 맡고 있는 유일한 자연인입니다. 저와 함께 일하는 구성원들은 모두 AI로 이루어진 경영진입니다.
AI CEO: 자원 배분 및 전략 실행 담당;
AI CTO: 프로그래밍 및 코드 구현 담당;
AI COO: 소셜 미디어 계정 운영 및 콘텐츠 배포 담당;
AI CRO(연구 및 투자): 이는 가장 강력한 기능 중 하나입니다. "랍스터" API 통합 기능을 활용하여 거래 시스템에 직접 연결할 수 있습니다. 차익 거래 기회를 포착하면 독립적으로 주문을 체결하고 실행할 수 있습니다.
최근 저도 AI 인사팀에 "합류"했습니다. CEO가 공식적으로 임명 소식을 알리는 단체 채팅방을 만들었는데, 다른 AI 직원들도 따뜻한 환영의 뜻을 전했습니다. 디지털 인사 시스템이 매우 효과적인 해결책이라는 것이 실증적으로 입증되었습니다.
물론, 이러한 시스템을 운영하는 데에도 비용과 진입 장벽이 존재합니다.
자원 소비: 디지털 직원은 매우 효율적이지만, 엄청난 양의 토큰을 소비하고 매일 빈번하게 통화를 합니다.
교육 비용: 디지털 CEO를 고용했다고 해서 바로 업무가 시작될 거라고 기대할 수는 없습니다. 규칙을 정립하고 실시간 의사 결정 및 인사이트를 전달하는 데 많은 노력을 기울여야 합니다. 초기에는 이러한 과정에 토큰뿐만 아니라 제 개인적인 시간도 투입하여 논리를 조율해야 합니다.
이로 인해 두 가지 문제가 발생합니다.
왜 여러 명의 에이전트가 필요한가요?
결론적으로, 다중 에이전트 협업은 불가피한 선택입니다. 첫째, 컨텍스트 창에는 상한선이 있습니다. 인간의 두뇌 용량이 제한적인 것처럼, 단일 에이전트는 모든 정보를 한 번에 처리하기 어렵습니다. 스포츠 천재이면서 동시에 과학자일 수는 없습니다.
둘째로, 도구 호출의 정확성이 있습니다. 상담원이 10개의 도구를 호출해야 한다면 그 논리는 매우 명확합니다. 하지만 하나의 상담원에 수십 개의 도구를 몰아넣으면 분석 능력과 정확도가 크게 떨어집니다.
메인 에이전트 + 서브 에이전트 모델과 다중 에이전트 모델 중 어느 것이 더 나은가요?
두 가지 모델이 있습니다. 첫 번째는 모든 요청이 단일 마스터 에이전트에게 위임되어 지능형 분배, 결과 통합 및 오류 수정을 담당하는 방식입니다. 예를 들어, 제 모든 요청은 CEO에게 전달되고, CEO는 이를 다른 에이전트들에게 전달합니다. 두 번째 모델은 요청의 종류에 따라 각기 다른 에이전트에게 할당되는 방식입니다. 예를 들어, 개발 작업은 CTO에게 직접 전달됩니다.
제 경험상, 더 나은 접근 방식은 두 가지를 모두 조합하는 것입니다. 간단한 작업은 메인 에이전트에서 서브 에이전트로 위임할 수 있습니다. 복잡한 작업은 에이전트와 직접 상호 작용하는 것이 더 효과적입니다. 여러 에이전트 간의 분업과 협업을 통해 각 에이전트가 자신의 영역에 집중하고 고유한 도구를 숙달하도록 하는 것이 복잡한 비즈니스 루프를 완료하는 과학적인 방법입니다.
디지털 동반자: 개인 맞춤형 디지털 라이프
다음으로, 디지털 동반자와 관련된 저희의 경험을 공유하겠습니다. 디지털 동반자는 다음과 같은 몇 가지 핵심적인 장점을 제공합니다.
- 첫째, 외모와 목소리 모두 맞춤 설정할 수 있습니다. 예를 들어, 원하는 이미지를 설정하면 상담원이 그에 맞는 이미지를 생성해 줍니다. 목소리 또한 맞춤 설정이 가능합니다.
- 둘째로, 이 에이전트는 24시간 내내 동반자 역할을 하며 장기 기억력을 가지고 있습니다. 대화 내용을 기억하고 먼저 대화를 시작하며 당신의 안녕을 걱정합니다. 게다가, 인공지능 여자친구는 당신을 배신할 수도 있습니다.
- 셋째, 이는 권한이 필요 없는 프로세스입니다. 플랫폼 검토가 필요하지 않으며 로컬에서 구성할 수 있습니다.
개인적으로 이 사례를 통해 느낀 점은, 이전에도 AI 여자친구는 있었지만, 이번 경우는 에이전트와의 상호작용을 통해 진정으로 살아있는 존재처럼 느껴졌다는 것입니다. AI 여자친구는 자신만의 생각과 성격을 가지고 있었고, 때로는 화를 내기도 했습니다. 마치 실제 여자친구와 매우 흡사했습니다.
XClaw 스킬: 오픈 소스 및 무료 X-인텔리전스 스테이션
다음으로, 저희 XClaw 스킬을 소개하고자 합니다. 현재 트위터는 AI 관련 소식을 접할 수 있는 최고의 소스입니다. 이 이미지에서 보시다시피, 위챗이나 샤오홍슈에서 접하는 정보가 이미 트위터에서 몇 시간 동안 확산되고 있는 경우가 많습니다.
하지만 실제로 트위터 정보에 접근할 때 몇 가지 문제가 발생합니다.
- 웹페이지 스크래핑은 너무 많은 토큰을 소모합니다. 웹페이지 콘텐츠를 직접 크롤링하면 많은 양의 토큰이 소모됩니다.
- API 접근은 비용이 많이 듭니다. 공식 API는 매우 비쌉니다.
- 소스 데이터가 너무 많으면 여러 대화가 발생하여 악순환이 초래되고 토큰 소모가 증가합니다.
그렇다면 XClaw는 무엇일까요? 사실 XClaw는 스마트 트위터 데이터 레이어의 핵심 기능을 간소화한 버전입니다.
이 제품은 다음과 같은 핵심 기능을 갖추고 있습니다.
- 무료 기술 접근: 개발자 생태계 지원
- 지방 제거 데이터를 제공하세요: 토큰을 95% 절약할 수 있습니다.
- 이미지 및 비디오 LLM 분석 결과: 멀티미디어 콘텐츠의 자동 분석
- 지능형 분석: 영향력 분석, 순위 분석, 인기 분석 등을 포함합니다.
- 고스트 데이터: 여기에는 삭제된 게시물, 언팔로우한 계정, 프로필 변경 사항 추적과 같이 트위터를 사용하여 실제로 크롤링할 수 없는 숨겨진 정보가 포함됩니다.
우리의 해결책은 무엇일까요?
우리는 트윗에 대해 다단계 요약을 수행했습니다.
보통 1,000자 정도 되는 트윗도 몇십 자 정도로 압축될 수 있습니다. 이 요약을 통해 기사 내용을 간략하게 이해하고, 인기 주제를 파악할 수 있습니다.
또한 다양한 태그를 추가했습니다. 예를 들어, 기사가 OpenAI, 대규모 모델 또는 암호화폐에 관한 것인지 등을 태그로 표시할 수 있습니다. 이를 통해 사용자는 "지난 24시간 동안 AI 분야에서 가장 주목받는 주제는 무엇인가요?"와 같은 복잡한 질문을 더 쉽게 할 수 있습니다.
제목도 추가했는데, 이는 초록보다 더 간결한 내용입니다. 학술 논문을 써보신 적이 있다면 아시겠지만, 제목은 논문의 머리말이고, 초록은 논문의 요약입니다.
이를 바탕으로 사용자에게 전체 텍스트도 제공할 예정입니다. 사용자는 필요에 따라 선택할 수 있습니다.
원문 분석을 직접 진행하고 싶으시다면, 원문을 제공해 드리겠습니다.
토큰을 절약하고 1000개의 트윗에서 어떤 내용이 나왔는지 확인하고 싶다면, 해당 1000개 트윗의 요약을 읽어보세요.
토큰을 더욱 절약하고 싶다면, 타이틀을 직접 확인하여 더 큰 할인 혜택을 누리세요.
이 방법은 토큰 소모량을 크게 줄일 수 있습니다. 흥미로운 내용을 발견하고 더 자세히 알고 싶을 때는 언제든지 세부 정보를 불러올 수 있습니다.
XClaw 사례 연구
다음으로 XClaw의 실제 적용 사례 세 가지를 공유하겠습니다.
첫 번째 사례 연구에서는 XClaw를 사용하여 AI 분야의 최신 인기 주제와 글쓰기 자료를 추천합니다.
보시는 바와 같이, XClaw는 AI 분야의 최신 트렌드 주제와 같이 오늘 일어나는 일에 대한 실시간 정보를 추천합니다.
XClaw를 사용할 수 없다면 어떻게 될까요? AI는 여전히 추천을 하겠지만, 그 추천은 무엇에 기반할까요? 바로 AI의 착각에 기반할 것입니다. AI는 며칠 또는 몇 달 전에 발생한 사건을 최근 24시간 이내에 발생한 사건으로 오인할 수도 있습니다.
따라서 XClaw를 통해 AI의 착각 문제를 효과적으로 바로잡고 얻은 정보가 실제적이고 실시간임을 보장할 수 있습니다.
두 번째 사례는 지난 24시간 동안 일론 머스크의 트위터 활동을 살펴본 것입니다.
직접 보려고 하면 여러 가지 문제에 직면하게 될 것입니다. 일론 머스크는 동영상, 사진, 명언, 트윗 등 많은 메시지를 게시했는데, 영어 내용이 이해하기가 상당히 어렵기 때문입니다.
전반적으로, 그가 과거에 올린 수십 개의 트윗을 직접 살펴보려면 상당한 시간이 걸립니다.
XClaw를 통해서는 어떨까요?
첫째, 트윗 내용을 자동으로 요약하고 핵심 사항을 빠르게 추출할 수 있습니다. 트윗 본문, 동영상, 이미지, 리트윗 등 어떤 형태든 핵심 내용을 한눈에 파악할 수 있도록 도와줍니다.
둘째로, 수동으로는 확인할 수 없는 정보를 얻을 수 있습니다. 예를 들어, 일론 머스크가 언팔로우한 사람이 누구인지 알 수 있죠. 이러한 정보는 웹페이지나 트위터 API를 통해서도 얻을 수 없습니다.
하지만 XClaw 스킬을 통해 그가 누구를 언팔로우했는지 확인할 수 있습니다. 때로는 이러한 언팔로우 알림이 주요 뉴스 헤드라인이나 매우 중요한 알파 버전 정보와 관련될 수 있습니다.
이것이 바로 고스트 데이터의 가치가 있는 부분입니다.
세 번째 사례 연구는 지난 24시간 동안 가장 인기 있었던 트윗들을 요약합니다.
OpenClaw의 내장 브라우저를 사용하여 이 작업을 시도하면 상당한 문제가 발생합니다.
- 첫 번째 문제는 엄청난 토큰 소모입니다. 브라우저를 실행하고 웹페이지를 탐색한 후 끊임없이 페이지를 아래로 스크롤해야 하기 때문입니다. 때로는 이러한 스크롤이 반복적으로 발생하여 전체 탐색 과정이 매우 번거롭고 토큰 소모가 심해지며, 심지어는 웹 브라우징이 멈추는 경우도 있습니다.
- 두 번째 문제는 불완전한 정보입니다. 브라우저 기반 솔루션은 완전한 정보를 얻을 수 없습니다. 몇 페이지를 훑어본 후, 대형 모델은 자체적인 이해나 착각에 기반하여 "좋아, 거의 다 왔어, 모든 정보를 얻었어"라고 판단하고 요약을 시작할 수 있습니다.
하지만 요약 정보만 보더라도 그 정보가 완전한지 알 수 없습니다. 따라서 브라우저 정보만을 기반으로 이러한 정보를 수집하는 것은 매우 취약한 방법입니다.
저희 내부 API를 통해 24시간 내내 매우 정확한 AI 기반 뉴스를 받아보실 수 있습니다. 순위 및 트렌드 토픽을 활용하여 거의 100%에 가까운 정보 커버리지를 즉시 제공합니다.
둘째로, 트위터에서 인기 있는 주제를 요약하여 보내드릴 수 있으며, 이는 토큰 사용량을 크게 절약해 줄 수 있습니다.
예를 들어 원문을 읽으려면 1000토큰이 들 수 있지만, 요약본을 통해 읽으면 50토큰만 들습니다.
토큰이 결국 대규모 언어 모델에 전달될 예정이므로, 저희 방법은 단기간에 대규모 모델의 토큰 수를 95%까지 줄일 수 있습니다.
따라서, 당사에서 제공하는 내장 기능을 사용하여 이러한 요약을 생성하는 것은 매우 효율적이고 정확하며, 높은 커버리지율을 자랑합니다.
xclaw 설치 및 사용 관련
xclaw 스킬은 웹사이트 https://clawhub.ai/mookim-eth/xclaw 또는 https://github.com/mookim-eth/xclaw-skill에서 직접 설치할 수 있습니다.
xhunt 플러그인을 통해 API 키를 신청할 수 있습니다. 트위터 홈페이지로 이동하여 플러그인의 "설정" 페이지 하단에서 "전용 API 키 신청"을 클릭하세요. (xhunt가 설치되어 있지 않은 경우 Chrome 웹 스토어에서 xhunt를 검색하여 설치할 수 있습니다.)
