개발자로서 현장에서 일하면서 새로 접하는 기술들이나 알게된 정보 등을 정리하기 위한 블로그입니다. 운 좋게 미국에서 큰 회사들의 프로젝트에서 컬설턴트로 일하고 있어서 새로운 기술들을 접할 기회가 많이 있습니다. 미국의 IT 프로젝트에서 사용되는 툴들에 대해 많은 분들과 정보를 공유하고 싶습니다.
오늘은 처음으로 한국어로 된 강의 올렸습니다. 🇰🇷 마이크로소프트에서 Principal Research Manager 로 계시는 김영진 박사님의 강의 입니다. 🎓 제목은 DeepSeek 이후의 AI 혁명: Reasoning 능력의 부상과 에이전트 AI의 시대 입니다. 🚀
이 강의는 시애틀에서 아마존에 근무하시는 지인분이 소개해 주셔서 참가해서 들었는데요. 🌲 서울대 워싱턴주동창회시니어클럽에서 매달 개최하는 SNU Forum 인것 같습니다. 🏫
내용이 아주 좋습니다. 👍 그리고 무엇보다 한국어로 진행이 되어서 더 좋습니다. 😊
이 강의 후에 Q & A 시간이 있었습니다. ❓❗ 그 내용도 작업 후 Membership only 비디오로 올리도록 하겠습니다. 아주 수준높은 대화가 오고 갑니다. 기대하세요. 😉
저의 채널은 제가 AI를 공부하면서 배우는 내용들을 공유하는 채널 입니다. 🤖📚 그런데 하루가 멀다하고 나오는 새로운 AI 기술과 Tool들이 대부분 유료 서비스가 많습니다. 💸
Membership에서 얻어지는 수익금은 전액 보다 높은 Quality 의 AI 학습 콘텐츠를 만드는데 사용됩니다. ✨
직접적으로 support 하고 싶으신 분들의 많은 참여 바랍니다. 🙏
Membership 에 참여하지 않으시는 분들은 이전과 마찬가지로 제가 공부하는 AI 관련 내용을 계속 보실 수 있습니다. 👀
여러분의 구독과 좋아요 도 많은 도움이 됩니다. 👍❤️
Membership 회원들에게는 제가 시애틀 지역이 AI 행사에 다니면서 보고 듣고 촬영한 영상들을 같이 공유해 드립니다. 🎥🌟
참고로 지금까지 올라온 Membership First 혹은 Membership Only 동영상은 아래 링크로 가시면 보실 수 있습니다. ⬇️
Study Group 에 Join 하면서 Obsidian 이라는 것을 알게 되었는데 이게 배우면 배울수록 흥미롭네요. 모토가 A second brain 인데 AI 랑 합해 지면 진짜 나의 두 번째 두뇌가 될 수 있을것 같습니다. Study Group 에 참여하면서 공부하는 내용을 공유 합니다. 여러분들도 흥미로우실 거예요.
🎓 Study Group 발표 자료 – Obsidian과 RAG 연동 방법 리서치 결과 발표 – PKM Project | My AI 2nd Brain 🧠🤖📚
이 영상은 시애틀 지역에서 활동 중인 PKM(Personal Knowledge Management) Study Group의 발표 자료로 제작된 콘텐츠입니다. 우리는 AI를 활용하여 나만의 제2의 뇌, 즉 AI 기반의 Second Brain을 만드는 것을 목표로 함께 공부하고 있습니다.
🔹 Obsidian과 RAG(Retrieval-Augmented Generation)의 연동 방법 🔹 Standalone App vs. Plug-in 방식의 구현 차이 🔹 Local 방식과 Web 기반 방식의 비교 🔹 MCP, Claude, SuperWhisper를 활용한 자동 글쓰기 환경 구축 사례 🔹 다양한 Obsidian AI Plug-in 비교 분석 및 실습 대상 선정 🔹 향후 개발 방향과 전략 정리
그리고 Youtube에서 최근 시작한 더빙 기능 덕분에 한국어로 만들어서 올려도 다른 나라말로 유투브가 자동으로 번역해서 음성으로 들려줘서 언어에 상관없이 더 많은 사람들에게 영상을 보여 줄 수 있어서 정말 좋아졌습니다.
🎓 Study Group Presentation – Research on Integrating Obsidian with RAG – PKM Project | My AI 2nd Brain 🧠🤖📚 This video is a presentation created for the PKM (Personal Knowledge Management) Study Group based in the Seattle area. Our group studies how to build a personalized “Second Brain” using AI, aiming to enhance knowledge management and productivity. 📌 This presentation covers the following topics: 🔹 How to integrate Obsidian with RAG (Retrieval-Augmented Generation) 🔹 Differences between Standalone Applications and Plug-in-based implementations 🔹 Comparison of Local and Web-based approaches 🔹 Case study: Building an automated writing environment using MCP, Claude, and SuperWhisper 🔹 Analysis and selection of Obsidian AI plug-ins for hands-on practice 🔹 Future development strategies and direction
My name is Changsoo Park, and I’m based in Redmond, Washington.
I’ve been running a YouTube channel where I host weekly livestream sessions on Sundays, focused on learning and experimenting with Vibe Coding—mainly with a Korean-speaking audience.
Over the past three months, through regular Vibe Coding sessions, I’ve gained a lot of practical insight and experience. Based on this hands-on learning, I’ve come up with a few ideas that I believe could significantly improve the effectiveness and usability of Vibe Coding tools like GitHub Copilot or Cursor AI.
I'd like to briefly share two of them with you today.
안녕하세요, 저는 미국 워싱턴주 레드먼드에 거주하는 박창수라고 합니다.
저는 현재 유튜브 채널을 운영하고 있으며, 올해 3월부터 매주 일요일마다 ‘Vibe Coding’을 주제로 한국어로 진행되는 실시간 라이브 방송을 진행하고 있습니다. 그동안 꾸준히 Vibe Coding을 실험하고 학습해 오면서, 실제 현장에서 느낀 문제점들과 함께 툴이 보완되면 훨씬 실용적일 수 있는 기능 아이디어들을 떠올리게 되었습니다.
오늘은 그 중 두 가지 아이디어를 공유드리고자 합니다.
1. Regression Feature Awareness in Vibe Coding Tools 🧪
One common issue I’ve encountered during Vibe Coding sessions is that adding new features often unintentionally breaks previously working ones. This is a typical regression problem well-known in software engineering.
In traditional QA workflows—something I’m familiar with from my 25 years in tech, including 7 years as a QA engineer—Regression Testing is a standard step. After developing new features, previously tested functionalities are re-tested to ensure they still work correctly.
Currently, most Vibe Coding tools don’t offer any sort of regression verification process. As a result, applying Vibe Coding in real production-level environments remains quite limited.
If regression awareness and testing support could be integrated into Vibe Coding tools—possibly powered by AI—it would make the development process more reliable and sustainable.
I believe this is technically feasible, especially since modern QA practices have long focused on automation. Incorporating even a lightweight regression tracking mechanism in Vibe Coding tools could greatly enhance their practical utility.
Vibe Coding으로 어플리케이션을 개발하다 보면 새 기능을 추가했을 때 이전에 잘 동작하던 기능이 갑자기 제대로 동작을 하지 않는 경우가 빈번하게 발생합니다. 이는 전통적인 소프트웨어 개발에서도 잘 알려진 ‘회귀(regression)’ 문제입니다.
저는 IT 업계에서 약 25년간 일했으며, 그 중 7년은 QA 엔지니어로 일했습니다. QA 업무의 중요한 프로세스 중 하나가 바로 Regression Test입니다. 새 기능을 개발한 후, 기존 기능들이 여전히 잘 작동하는지 확인하는 테스트 단계죠.
현재 대부분의 Vibe Coding 도구에는 이러한 회귀 검증 기능이나 흐름이 포함되어 있지 않아, 실제 현업에서 사용하기에는 한계가 존재합니다. 만약 AI 기반 Vibe Coding 툴이 기존 기능의 안정성을 확인해줄 수 있는 회귀 검증 기능을 제공한다면, 더 실용적이고 신뢰성 있는 개발 환경이 될 수 있다고 생각합니다.
기술적으로도 이는 충분히 가능하다고 생각합니다. 기존 QA 자동화 시스템에서도 회귀 테스트는 이미 자동화가 활발히 이루어지고 있으며, 이를 Vibe Coding 툴에도 접목할 수 있을 것입니다.
2. Prompt-Driven Restart: A Refactoring Alternative 🔁
The second idea comes from repeated observations while building applications via Vibe Coding.
Often, when errors occur during development, users try to fix them by tweaking code or asking the AI to debug. But this can become inefficient and drain energy—contrary to the core philosophy of Vibe Coding: low-effort, high-leverage coding.
Instead, I started experimenting with restarting from scratch using the original prompt, slightly modified to avoid previous errors. This approach often yields better, cleaner results. I call this method Prompt-Driven Restart.
두 번째로 소개드릴 아이디어는 제가 직접 이름 붙인 개념인 Prompt-Driven Restart입니다.
Vibe Coding을 하다 보면 새로운 기능 개발 중 오류가 발생하고, 이를 고치려는 시도를 반복하는 경우가 많습니다. 하지만 프롬프트만으로 해결되지 않는 경우에는 AI가 만든 소스코드를 분석하거나 유도 질문을 통해 문제 해결을 시도해야 합니다.
이러한 과정은 많은 에너지를 소모하게 되며, 오히려 Vibe Coding의 간결하고 효율적인 코딩이라는 장점이 희석되는 경우가 많습니다.
그래서 저는 기존 소스코드를 계속 수정하기보다는, 처음에 사용했던 프롬프트를 보완하여 새로 시작하는 방식을 사용해 보았습니다. 그 결과, 훨씬 효율적이고 오류도 적은 결과를 얻을 수 있었고, 이 방법론에 Prompt-Driven Restart라는 이름을 붙였습니다.
To support this methodology, I suggest the following features:
이 방식을 Vibe Coding 툴에서 보다 쉽게 활용할 수 있도록, 아래와 같은 기능이 지원되었으면 합니다:
🗃️ Prompt History Management: The ability to save and easily retrieve prompts previously used in a project.
🔖 Restart Point Markers: A feature to mark key restart points in a session, allowing users to jump back to a clean slate when necessary.
✍️ Prompt Patching Interface: An easy way to modify a prior prompt by adding clarifications or constraints to prevent known issues.
🗃️ 프롬프트 히스토리 관리 기능: 지금까지 사용한 프롬프트를 저장하고 쉽게 불러올 수 있도록
🔖 재시작 포인트 지정 기능: 특정 시점에서 다시 시작할 수 있도록 체크포인트 설정
✍️ 프롬프트 보완 도우미: 오류가 발생하지 않도록 이전 프롬프트에 쉽게 지시문을 추가할 수 있는 인터페이스
Together, these features would empower users to avoid long debug cycles and instead take advantage of Vibe Coding’s core strengths: fast iteration, flexible creativity, and low cognitive overhead.
이러한 기능들이 더해진다면, 사용자는 반복된 디버깅에 갇히지 않고 보다 전략적이고 창의적인 방향으로 Vibe Coding을 활용할 수 있게 될 것입니다.
To give you context, I document my progress and share it with my audience via Google Slides and YouTube livestreams. Most of my content is in Korean, but I’ve provided the links below for your reference. They should translate well via built-in tools.
제가 지금까지 진행해 온 Vibe Coding 실험은 Google Slide로 정리해 두었으며, YouTube에 관련 방송도 아카이빙 해두었습니다. 모두 한국어로 되어 있지만, 요즘은 번역도 쉬워졌기에 함께 공유드립니다:
I’m sharing these ideas in the hope that they may help push Vibe Coding tools further—making them more powerful, reliable, and user-friendly. I would be happy to share more insights in the future if helpful.
Vibe Coding이라는 새로운 개념과 방식이 더 발전하고, 실제 현장에서도 널리 사용될 수 있기를 진심으로 바라며, 작은 경험이나마 의미 있는 피드백이 되었기를 바랍니다.
Thank you very much for your time and the incredible tools you’ve built. I look forward to your thoughts.
앞으로도 계속 좋은 아이디어가 떠오르면 공유드리겠습니다.
Warm regards, Changsoo Park Redmond, WA YouTube Channel: Catch Up AI
🚀 여러분들의 성원에 힘입어 제 유투브 채널이 Youtube Partners 에 선정 되었습니다. 이제 Catch Up AI 채널의 회원 (Member)을 모집할 수 있고 회원들만을 위한 컨텐츠도 제공할 수 있게 되었습니다.
벌써 Member 로 가입해 주신 구독자님이 계십니다. 정말 감사합니다.
🏆 Member 로 가입해 주신 분들을 위해 Member Only Contents를 제공하기로 했습니다.
저는 시애틀 지역에서 개최되는 AI 관련 세미나, Workshop 그리고 Exhibition 같은 행사에 자주 참석합니다. 거기서 여러 빅테크에 다니는 분들이나 Start Up 을 운영하시는 분들의 Insight 넘치는 강의를 들을 수 있습니다.
이 분들의 강의를 Member Only Contents 로 제공하기로 했습니다.
제 채널은 기본적으로 제가 공부하는 AI 관련된 내용들을 콘텐츠로 만들어서 공유하고 있습니다. 이런 제가 공부하는 내용들은 계속 Public 으로 모든 분들에게 공개 하겠습니다.
그리고 이렇게 제고 시애틀 지역 AI 관련 행사에 참가 해서 촬영한 영상들은 Member Only Contents 로 제공 해 드리겠습니다. 이 행사들은 대부분 영어로 진행 됩니다.
제가 따로 번역을 해서 자막 작업을 할 시간은 없습니다. 원본 그대로 올리게 될 겁니다.
유투브의 자동 번역 기능이나 조만간 나올 자동 더빙 기능을 이용하시면 한국어로 그 내용을 보실 수 있을 겁니다. 그리고 Transcript 를 Down 받아서 AI 에게 요약해 달라고 하실 수도 있습니다.
그리고 Microsoft 의 Edge 라는 Browser를 사용하시면 현재 브라우저에서 보고 있는 유투브 관련 내용을 Copilot AI 에게 실시간으로 물어보실 수 있습니다.
그러면 한국어로 그 내용을 쉽게 아실 수 있습니다.
샘플로 영상 하나를 Public으로 오픈 합니다. 2025년 6월 17일 Microsoft 본사 캠퍼스에서 열린 MIND and TECH : Harnessing Technology and Embracing Wellness 세미나의 Q & A 내용입니다. https://youtu.be/SUJcf4nDUqo
강사님들 뿐만 아니라 강의를 듣는 사람들도 적극적으로 질문하고 자신들의 의견을 얘기하는 열띤 모습들을 보실 수 있을 겁니다.
그리고 마이크로소프트에서 일하는 Ravi 와 WEX 라는 Startup을 운영하는 Sumit 그리고 요가 강사인 Shubha 의 Insight 넘치는 대답도 들으실 수 있습니다.
📺 이 외에도 아래 강의 내용을 Member Only Contents로 업로드 했습니다.
Sumit Amar (Vice President, Engineering @WEX) : The Right Kind of API – How to Choose Appropriate API Protocols and Data Formats
Ravi Shankar Goli (Principal Software Eng, Manager @Microsoft : The Future of Software Engineering: In the Age of Gen AI and Vibe Coding
🔁 지금까지 한 일 다시 반복하기 💾 프롬프트만 보관되어 있다면 언제든 쉽게 재작업 가능! 🌟 이것이 Vibe Coding의 장점 중 하나입니다. 📂 사용했던 프롬프트를 재사용해서 처음부터 다시 시작해 보겠습니다. ⚠️ DropDown 등 에러가 났던 부분은 미리 알려줘서 에러가 나지 않도록 해보겠습니다. 🧠 AI가 코딩을 대신해주기 때문에 가능한 방법이죠! 📝 인간은 프롬프트에 더 집중하면 언제든지 쉽게 재작업할 수 있습니다. 🧪 이번 시간에 그 가능성을 실험해보겠습니다.
🕔 방송 일정 📅 2025년 6월 15일 (일) 🕘 오후 9시 (KST, 한국) / 🕔 오전 5시 (PST, 시애틀)
🎓 Study Group 발표 자료 - RAG의 이해와 Obsidian 적용 - PKM Project | My AI 2nd Brain 🧠🤖📚
이 영상은 시애틀 지역에서 활동 중인 PKM(Personal Knowledge Management) Study Group 발표용으로 제작된 콘텐츠입니다. 우리는 AI를 활용해 나만의 제2의 뇌, 즉 AI 기반의 Second Brain을 만드는 것을 목표로 함께 공부하고 있습니다.
📌 본 영상에서는 다음과 같은 내용을 다룹니다:
🔹 RAG(Retrieval-Augmented Generation) 이란 무엇인가? 🔹 RAG는 왜 필요하게 되었는가? (LLM의 한계와 Hallucination 문제) 🔹 RAG의 작동 원리 (데이터 수집 → 저장 → 검색 → 응답 생성) 🔹 Standard RAG vs. Graph RAG의 차이점 🔹 Obsidian에 어떤 RAG 방식이 적합한가? 🔹 실제 코드 예시와 구현 방향 (LangChain, OpenAI, FAISS 활용)
