AI 에이전트에 디자인 취향을 더하는 실전법

URL: https://www.youtube.com/watch?v=7GMKdpLsxwU 날짜: 2026-08-22 채널: aiDotEngineer 원문 제목: The Missing Layer: Design Taste in AI Agents — Hassan El Mghari, Together AI

📌 핵심 질문 / AI 에이전트에 빠진 디자인 취향의 층

==AI 에이전트가 빠르게 앱을 만드는 능력만으로는 충분하지 않으며, 사람이 축적한 디자인 취향·참고 자료·반복 개선을 에이전트의 작업 흐름에 넣어야 AI 슬롭(slop)을 넘어서는 UI가 나온다.==

• AI가 만든 UI에는 보라색 그라데이션, 이탤릭 제목, 과도한 이모지, 그라데이션 로고처럼 몇 초 만에 알아볼 수 있는 반복적 단서가 있다.
• Hallmark는 AI 슬롭 패턴을 금지 규칙으로 코드화하고, 여러 디자인 테마를 맥락으로 제공해 더 나은 최초 결과를 만든다.
• 좋은 스크린샷과 구체적인 긴 프롬프트를 주고, 기능을 나눠 요청하며, 빠른 모델로 여러 번 다듬는 과정이 최종 품질을 결정한다.

하산 엘 음가리(Hassan El Mghari)가 제안하는 목표는 세상에서 가장 아름다운 앱을 만드는 일이 아니다. 디자이너가 아니어도 순수하게 AI가 뽑아낸 조잡한 결과보다 훨씬 보기 좋고 사용감 좋은 앱을 만드는 것이 목표다. AI의 반복 패턴을 알아보고 원하는 것과 원하지 않는 것을 규칙과 참고 자료로 외부화하면, 에이전트는 단순한 코드 생성기를 넘어 취향을 반영하는 협업 도구가 된다.

1. 배경과 문제의식

1.1. 디자이너가 아닌 개발자의 디자인 경험

1. 개발 경험과 동기

   1. 하산은 Together AI의 Developer Experience 팀을 이끌며 AI 앱을 만드는 일을 직업과 개인 생활의 큰 부분으로 삼고 있다.
   2. 지난 5년 동안 매년 약 10개의 앱을 만들었고, 그중 일부는 수백만 명의 사용자를 확보했다.
   3. 수백만 사용자를 얻은 가장 큰 이유로 디자인(Design)과 UX(User Experience)를 꼽았다.
   4. 디자이너가 아니더라도 앱의 디자인과 UX에 어떤 방식으로 접근하는지 공유하겠다는 출발점을 세웠다.

2. Together AI의 역할

   1. Together AI는 AI-native 클라우드 플랫폼이며, 오픈소스 AI 모델을 실행할 수 있게 한다.
   2. 채팅 모델로 GLM 5.2, 이미지 모델로 Nano Banana, 오디오 모델과 비전(Vision) 모델 등 여러 모달리티(modality)를 추론 API(Inference API)로 제공한다.
   3. 사용자가 보유한 데이터를 활용해 모델을 파인튜닝(fine-tuning)할 수 있게 한다.
   4. H100과 B200 GPU를 예약할 수 있는 GPU 클러스터 제품으로 자체 모델 학습과 자체 추론도 지원한다.

1.2. 직접 만든 앱에서 얻은 관찰

1. 작고 시각적인 앱을 빠르게 만든다

   1. 하산이 주로 만드는 앱은 디자인과 애니메이션을 강조하는 단순한 원페이지(one-page) 앱이다.
   2. 로고 제작 앱은 약 85,000명이 사용했다.
   3. Make Comics는 사용자가 슈퍼히어로로 등장하는 만화책을 처음부터 생성한다.
   4. Make Comics는 해당 컨퍼런스의 Together AI 부스에 실제로 설치되어 있으며, 작은 iPad로 사진을 찍으면 집에 가져갈 수 있는 실물 만화책을 인쇄해 준다.

2. 개발 문제에서 출발한 도구

   1. 동영상 자막 생성 앱은 하산이 YouTube와 Twitter에 영상을 많이 올리면서 필요성을 느껴 오픈소스 모델로 만든 도구다.
   2. 자막 생성 도구를 약 8,000명이 사용하거나 살펴봤다.
   3. 오픈소스 모델용 AI 채팅 앱은 비교적 단순한 대화형 제품이다.
   4. 랜딩 페이지 생성 앱은 원하는 랜딩 페이지의 5~6개 변형을 만들고 그중 하나를 선택하게 한다.
   5. AI 클라우드 에이전트는 작업 지시와 GitHub 저장소를 받으면 샌드박스를 만들고 처음부터 풀 리퀘스트(PR)를 생성한다.

3. 작은 추가 노력이 만드는 경쟁 우위

   1. AI 앱이 점점 더 많이 만들어지지만, 많은 제품은 몇 초만 봐도 AI가 생성했다는 인상을 준다.
   2. 사용자는 대개 1~2초 안에 AI 생성물을 알아보지만, 왜 그렇게 느끼는지 구체적으로 설명하지 못한다.
   3. 기본 생성 결과에 UI만 집중하는 추가 노력 10~20%를 투입하면 큰 경쟁 우위를 얻을 수 있다.

2. AI 슬롭의 시각적 지문

2.1. 바이브 코딩 앱이 서로 닮는 이유

1. 반복되는 표면 패턴

   1. 거의 모든 이미지와 배경에 보라색 그라데이션(purple gradient)을 깐다.
   2. 헤더나 제목에 이탤릭체(italics)를 넣는다.
   3. 이유가 분명하지 않은데도 “Scroll to explore” 같은 탐색용 스크롤 안내를 붙인다.
   4. 알약 모양 UI 요소(pill)를 전부 대문자로 쓰고 글자 간격(letter spacing)을 넓힌다.
   5. 로고를 그라데이션으로 채운다.
   6. 이모지를 과도하게 사용한다.
   7. 간격과 패딩(spacing and padding)이 어색한 경우가 생긴다.
   8. 의미가 약한 무작위 그래픽을 장식처럼 배치한다.

2. ‘AI가 만든 것 같다’는 감각을 해부하기

   1. 위 패턴은 하나씩 보면 사소하지만 여러 개가 동시에 나타나면 AI 슬롭이라는 강한 인상을 만든다.
   2. AI가 생성한 웹사이트를 충분히 살펴보면 AI 슬롭을 구성하는 전형적인 패턴을 20~30가지 목록으로 정리할 수 있다.
   3. 막연히 “AI 같다”고 말하는 데서 멈추지 않고 보라색 그라데이션, 특정 로고, 이탤릭 제목 같은 원인을 이름 붙여야 수정 지시가 가능해진다.

2.2. Hallmark로 슬롭 패턴을 규칙과 테마로 바꾸기

1. AI 슬롭 게이트(slop gates)

   1. Hallmark는 하산이 만든 디자인 스킬(design skill)이다.
   2. 반복되는 AI 슬롭 패턴을 수집하고 코드화(codify)한 뒤, 모델에게 사용하지 말아야 할 것을 알려준다.
   3. “보라색 그라데이션을 쓰지 마라”, “제목에 이탤릭체를 쓰지 마라”처럼 구체적인 금지 규칙을 적용한다.
   4. 하산은 이런 금지 규칙 묶음을 AI 슬롭 게이트 또는 슬롭 패턴이라고 부른다.

2. 테마를 맥락으로 주입하기

   1. 금지 목록만으로는 충분하지 않으므로 Hallmark에 여러 디자인 테마를 함께 넣었다.
   2. 웹사이트를 요청하면 모델은 테마들을 참고 맥락(context)으로 사용해 단일 결과를 생성한다.
   3. AI 모델에 아주 좋은 영감(inspiration)을 주면 성능이 크게 좋아진다는 원리가 Hallmark의 중심에 놓여 있다.

3. 사용 결과와 예시

   1. Hallmark는 시작한 지 약 한 달 반 만에 10,000명이 조금 넘는 사용자를 모았다.
   2. 인디 팟캐스트용 랜딩 페이지를 요청하면 관련 스킬과 기능을 적용한 결과를 한 번에 생성한다.
   3. 발표에서 모든 스킬을 깊게 다루지는 않았지만, AI 슬롭 게이트와 테마만으로도 결과가 크게 달라진다는 점을 강조했다.
   4. 발표 트윗에는 좋은 피드백이 많이 달렸고, 더 나은 제품을 만들기 위한 반복 수정이 계속되고 있다.

4. 한 번의 프롬프트와 반복 개선의 차이

   1. 인보이싱(invoicing) 앱 랜딩 페이지 예시는 AI 생성 페이지에 흔한 보라색 그라데이션과 장식이 거의 보이지 않는다.
   2. 해당 결과들은 한 번의 프롬프트(one-shot)만으로 전체 웹사이트를 만든 사례다.
   3. 어린이 학습 앱의 전후 비교에서 Hallmark가 없는 왼쪽 결과보다 Hallmark를 적용한 오른쪽 결과가 더 깔끔하고 보기 좋다.
   4. Hallmark 적용 결과에는 더 많은 애니메이션이 들어갔지만, 그 변화는 녹화 영상으로 보여주지는 않았다.
   5. 또 다른 비교에서 왼쪽은 그라데이션이 가득한 전형적인 AI 랜딩 페이지이고 오른쪽은 Hallmark 결과다.
   6. 오른쪽 결과도 완벽한 랜딩 페이지는 아니지만 훨씬 나은 출발점이며, 반복 개선을 거치면 훌륭한 페이지로 발전할 수 있다.
   7. “정말 놀라운 페이지”로 갈 수 있다는 대목에서 청중의 코웃음 섞인 반응이 나왔다.

3. 빠른 모델을 이용한 반복 개발

3.1. 최초 생성과 반복 개선을 분리하기

1. 모델 역할을 나누는 개발 흐름

   1. 에이전트가 만든 첫 결과는 완성품이 아니라 반복 개발을 시작하기 위한 기반(base)이다.
   2. 하산은 Codex나 Claude Code로 앱의 기본 골격을 만든 뒤, 반복 단계에서는 더 작고 빠른 오픈소스 모델을 주로 사용한다.
   3. 많은 사람이 앱 반복 개발 주기에서 작은 모델의 속도와 비용 이점을 과소평가한다.

2. GLM 5.2의 위치

   1. GLM 5.2는 촬영 시점 기준 약 2주 전에 나온 모델이다.
   2. 하산은 디자인 작업을 실제로 잘하는 최초의 오픈소스 모델이라고 평가했다.
   3. 현장에 GLM 5.2를 사용해 본 사람이 있는지 물었고, 몇 명이 손을 들었다.

3.2. GLM 5.2와 Opus 4.8 비교 게임

1. 비용과 속도

   1. 한 랜딩 페이지는 저렴한 오픈소스 모델 GLM 5.2로, 다른 하나는 Opus 4.8로 생성했다.
   2. GLM 5.2가 만든 쪽을 고르는 사람에게 손을 들라고 하자 네 명이 손을 들었다.
   3. 왼쪽 결과가 GLM 5.2로 만들어졌으며, 두 결과는 여러 측면에서 거의 구별하기 어려웠다.
   4. GLM 5.2 쪽이 더 작은 모델이라 본질적으로 훨씬 빠르게 생성됐다.
   5. Opus 4.8 쪽은 비용이 약 5배 더 들었고 속도도 훨씬 느렸다.

2. 큰 모델이 항상 더 좋은 디자인을 보장하지 않는다

   1. 다른 비교에서는 왼쪽 결과가 오른쪽보다 오히려 더 AI 생성물처럼 보였다.
   2. 놀랍게도 AI처럼 보이는 왼쪽 결과를 만든 모델은 Opus 4.8이었다.
   3. 저렴한 모델로 반복하라는 조언은 아무 모델이나 쓰라는 뜻이 아니라, 충분히 좋은 모델을 선택하라는 뜻이다.
   4. GLM 5.2는 디자인과 반복 개선에 충분히 뛰어난 모델로 평가됐다.

3.3. 이미지 플레이그라운드의 작은 수정

1. One-shot의 한계

   1. GLM 5.2에 단 하나의 프롬프트만 보내 간단한 이미지 플레이그라운드(image playground)를 만들었다.
   2. 프롬프트를 보내면 이미지가 생성되는 제품이며, 한 번에 작동하는 것 자체는 인상적이다.
   3. 그러나 첫 결과에는 전형적인 AI 지문과 어색한 디자인이 여전히 남아 있었다.

2. 한두 번의 후속 프롬프트

   1. 왼쪽의 일부를 조금 수정하는 정도의 반복만으로 전체 인상이 크게 좋아졌다.
   2. 로고가 더 좋아지고, 로딩 상태(loading states)와 애니메이션이 개선됐다.
   3. 전체 간격이 더 정돈되고 추가 안내 메시지도 한두 개 정도로 간결해졌다.
   4. 결과의 기능은 대체로 비슷하지만 보기와 사용감이 훨씬 나아졌으며, 한두 번의 후속 프롬프트만으로도 차이가 났다.

4. 디자이너가 아니어도 취향 있는 앱을 만드는 방법

4.1. AI의 시각적 단서를 학습하기

1. 감각을 구체적인 언어로 바꾸기

   1. 사람들은 웹사이트를 보고 2초 만에 AI 생성 여부를 맞히면서도 이유를 말하지 못하는 경우가 많다.
   2. 보라색 그라데이션, 특정 로고, 이탤릭 제목, 과도한 이모지처럼 감각의 근거를 구체적으로 식별해야 한다.
   3. 단서를 이해하면 직접 만드는 앱에 해당 요소를 의식적으로 적용하거나, AI 모델에게 하지 말라고 명확히 지시할 수 있다.

2. 선호 사항을 파일로 외부화하기

   1. 원하는 것과 원하지 않는 것이 쌓이면 스킬 파일(skill file)이나 Markdown 파일로 선호 사항을 저장한다.
   2. 하산은 agent.mmd 같은 파일에 로고에서 피해야 할 형태와 따라야 할 설정을 기록할 수 있다고 제안했다.
   3. 매번 생성된 로고가 형편없어 다시 만들어야 한다면, “이 부분은 피하라”와 “이 경우에는 이렇게 하라”를 규칙으로 축적한다.
   4. 하산도 작업을 진행하며 이런 규칙을 담은 상당한 분량의 agents.mmd 파일을 만들었다.
   5. Hallmark는 개인이 쌓은 규칙 파일을 제품 형태로 묶어 제공하는 사례에 가깝다.

4.2. 에이전트에 참고 자료와 스크린샷을 제공하기

1. 가장 중요한 한 가지

   1. 에이전트에게 추천할 만한 레퍼런스와 스크린샷을 반드시 제공해야 한다.
   2. 하산은 요즘 AI 모델에 충분한 영감을 주지 않고는 아무것도 만들지 않는다.
   3. 마음에 드는 웹사이트나 앱을 발견하면 “정말 멋지다”라고 느낀 순간에 영감 저장소(inspiration vault)에 저장한다.

2. 여러 제품의 장점을 조합하기

   1. 영감 저장소가 커지면 새 앱을 만들 때 Duolingo와 다른 앱 두세 개를 섞은 듯한 방향을 구체적으로 요청할 수 있다.
   2. 모델이 참고할 수 있도록 많은 스크린샷을 붙여 넣으면 출력 결과가 훨씬 좋아진다.
   3. 단순한 취향 선언보다 실제 화면 레퍼런스가 색상, 밀도, 레이아웃, 애니메이션의 의도를 전달하는 데 강하다.

4.3. 길고 구체적인 프롬프트와 단계적 요청

1. 음성 메모로 요구사항을 확장하기

   1. 하산은 요즘 1~3분짜리 음성 메모를 켜고 만들고 싶은 앱에 대해 자유롭게 떠든다.
   2. 사용 방법, 대상 사용자, 텍스트 상자, 이미지 업로드 기능, 원하는 디자인, 참고 자료를 한 번에 말한다.
   3. 음성 메모를 정리한 현재의 프롬프트는 보통 두세 단락이며, 더 길고 구체적인 프롬프트가 대체로 더 좋은 결과를 낸다.
   4. 요구사항을 길게 쓰는 목적은 말이 많아지는 데 있지 않고, 사용 흐름과 디자인 의도를 모델의 작업 맥락에 충분히 넣는 데 있다.

2. 기능을 작은 단위로 분리하기

   1. 일곱 가지 기능을 개발한다고 해서 모든 기능을 하나의 프롬프트에 넣으면 안 된다.
   2. 프롬프트 하나마다 한두 가지 기능을 선택하고, 그 기능을 자세히 설명하는 편이 낫다.
   3. 앱을 시작할 때는 참고 스크린샷을 많이 붙인 큰 프롬프트를 보낸다.
   4. 이어서 기능 하나, 다른 기능 하나를 요청하는 후속 메시지를 여러 개 보내며 작업을 진행한다.
   5. 긴 프롬프트와 작은 단위의 후속 요청을 함께 사용하면 모델이 기능 요구와 디자인 영감을 혼동하지 않는다.

4.4. 오픈소스 모델로 반복 속도를 높이기

1. 비용보다 반복 횟수를 최적화하기

   1. 모든 단계에 클로즈드소스 모델을 사용할 수 있지만, 반복 작업에서는 빠른 오픈소스 모델이 더 좋은 경우가 많다.
   2. Cursor의 Composer 2.5는 오픈소스 모델을 사후 학습(post-training)한 사례로 언급됐다.
   3. Composer 2.5를 반복 작업에 쓰면 매우 빠른 응답 때문에 마법처럼 느껴지며, 다른 오픈소스 모델에서도 비슷한 가능성을 볼 수 있다.

2. 속도와 품질의 균형

   1. 값싼 모델을 고르는 핵심 기준은 가격만이 아니라 반복을 견딜 만큼의 디자인 품질이다.
   2. 충분히 좋은 작은 모델을 사용하면 같은 시간과 비용으로 더 많은 수정 사이클을 돌릴 수 있다.
   3. 최종 결과의 품질은 첫 출력의 화려함보다 참고 자료, 후속 지시, 반복 횟수의 조합에 더 크게 좌우된다.

5. 최종 작업 원칙

5.1. 에이전트의 출력은 기반일 뿐이다

1. One-shot 게시를 경계하기

   1. 앱을 한 번 실행해 보고 “이게 전부다, 이제 올리면 된다”라고 생각하는 실수가 반복된다.
   2. 에이전트가 만들어 낸 것은 어디까지나 기반(base)이며, 완성된 제품이 아니다.
   3. 추가 맥락과 영감을 제공하고, 디자인과 사용성을 개선하며, 단순함을 유지하는 책임은 사람에게 있다.

2. 반복의 목적

   1. 반복은 기능을 끝없이 추가하는 일이 아니라, 로고·로딩 상태·애니메이션·간격·안내 문구처럼 사용자가 실제로 느끼는 표면을 다듬는 과정이다.
   2. AI 지문을 제거하고 참고 자료의 좋은 요소를 반영하면서도 앱의 핵심 흐름은 단순하게 유지해야 한다.
   3. 디자인 취향은 한 번에 주입되는 설정이 아니라, 생성·관찰·규칙화·재생성의 사이클에서 점점 선명해진다.

5.2. 실천 체크리스트

1. AI 생성물에서 보라색 그라데이션, 이탤릭 제목, 대문자 pill, 과도한 이모지, 그라데이션 로고, 무작위 그래픽을 먼저 점검한다.
2. 반복해서 마음에 들지 않는 요소를 agent.mmd 또는 스킬 파일에 금지 규칙과 선호 규칙으로 기록한다.
3. 영감 저장소에서 실제 웹사이트와 앱의 스크린샷을 골라 모델에 제공한다.
4. 대상 사용자, 사용 흐름, 입력 요소, 출력 요소, 디자인 의도를 두세 단락 이상으로 구체화한다.
5. 한 프롬프트에는 한두 가지 기능만 넣고, 기능별 후속 프롬프트로 작업을 쪼갠다.
6. 기본 골격은 강한 모델로 만들고 반복 개선은 빠르고 충분히 좋은 오픈소스 모델로 수행한다.
7. 첫 결과를 게시하지 말고 로고·로딩·애니메이션·간격·문구를 확인한 뒤 최소 한두 번 더 반복한다.

주요 발언 모음

“AI 모델에 정말 좋은 영감을 주면 모델은 매우 뛰어난 성능을 발휘하는 경향이 있다.”

“강연에서 하나만 가져간다면 에이전트에게 레퍼런스와 스크린샷을 제공하라.”

“에이전트가 만드는 것은 그저 기반일 뿐이며, 그 위에 맥락과 영감을 더하는 일은 사람의 몫이다.”

“저렴한 모델로 반복하되, 그 모델도 충분히 좋아야 한다.”

핵심 데이터 & 수치

• 앱 제작량: 최근 5년 동안 매년 약 10개의 앱을 만들었다.
• 사용자 규모: 일부 앱은 수백만 명의 사용자를 확보했다.
• 로고 제작 앱: 약 85,000명이 사용했다.
• 자막 생성 앱: 약 8,000명이 사용하거나 살펴봤다.
• 랜딩 페이지 변형: 원하는 페이지의 5~6개 변형을 만들 수 있다.
• Hallmark 이용자: 출시 약 한 달 반 만에 10,000명이 조금 넘는 사람이 사용했다.
• UI 추가 노력: 기본 생성물에 10~20%의 UI 집중 노력을 더하면 경쟁 우위가 생긴다.
• GLM 5.2: 촬영 시점 기준 약 2주 전에 나온 디자인 강점의 오픈소스 모델이다.
• 모델 비용 비교: Opus 4.8 생성 결과는 GLM 5.2보다 약 5배 비쌌고 더 느렸다.
• 반복 프롬프트: 이미지 플레이그라운드는 한두 번의 후속 프롬프트만으로 로고·로딩·애니메이션·간격이 개선됐다.
• 음성 메모: 요구사항을 1~3분 동안 말해 두세 단락의 긴 프롬프트로 만든다.

결론 및 시사점

1. AI 슬롭은 추상적인 미감 문제가 아니라 보라색 그라데이션, 이탤릭 제목, 넓은 자간의 대문자 pill, 그라데이션 로고처럼 관찰하고 이름 붙일 수 있는 패턴의 묶음이다.
2. 패턴을 식별하면 금지 규칙을 스킬 파일이나 agent.mmd에 저장해 에이전트가 같은 실수를 반복하지 않게 할 수 있다.
3. Hallmark처럼 슬롭 게이트와 테마를 함께 제공하면 AI가 시작부터 더 나은 디자인 공간을 탐색한다.
4. 좋은 레퍼런스와 스크린샷은 모델에게 추상적인 “예쁘게 만들어라”보다 훨씬 강한 시각적 맥락을 준다.
5. 대상 사용자와 사용 흐름을 길고 구체적인 프롬프트로 설명하면 모델이 제품 의도와 화면 구조를 더 잘 연결한다.
6. 많은 기능을 한 번에 지시하지 말고 한두 가지 기능씩 나눠 요청해야 각 요구사항을 깊게 다룰 수 있다.
7. 큰 모델로 만든 최초 골격보다 빠른 모델로 많이 반복하는 전략이 최종 디자인과 비용 면에서 유리할 수 있다.
8. GLM 5.2와 Opus 4.8 비교는 모델 가격과 크기가 디자인 품질을 단순하게 결정하지 않는다는 점을 보여준다.
9. 앱의 첫 출력은 기반이며, 로고와 로딩 상태, 애니메이션, 간격, 안내 문구를 사람이 관찰하고 후속 지시로 다듬어야 한다.
10. 디자인 취향은 타고난 재능보다 좋은 사례를 모으고 싫은 패턴을 기록하며 반복하는 습관에서 강화된다.

핵심 요약 (20줄)

AI 에이전트의 빠른 코드 생성만으로는 취향 있는 UI가 나오지 않는다.

AI 슬롭은 몇 초 만에 알아볼 수 있는 반복적인 시각 패턴의 묶음이다.

대표적인 AI 지문에는 보라색 그라데이션 배경이 있다.

이탤릭체 제목과 과도하게 넓은 글자 간격도 AI 생성물의 단서가 된다.

대문자 pill, 그라데이션 로고, 과도한 이모지, 무작위 그래픽도 자주 반복된다.

하산은 이런 패턴을 20~30가지 목록으로 정리할 수 있다고 말했다.

Hallmark는 AI 슬롭 패턴을 코드화한 디자인 스킬이다.

Hallmark는 사용하지 말아야 할 패턴과 여러 디자인 테마를 모델에 제공한다.

Hallmark는 출시 약 한 달 반 만에 10,000명이 넘는 사용자를 모았다.

좋은 테마와 영감을 맥락으로 넣으면 AI 모델의 결과가 크게 좋아진다.

하산이 만든 로고 앱은 약 85,000명이 사용했다.

Make Comics는 사진을 실물 만화책으로 인쇄해 가져가게 하는 체험을 제공한다.

GLM 5.2는 디자인에 강한 빠른 오픈소스 모델로 소개됐다.

GLM 5.2 결과는 Opus 4.8 결과와 거의 구별하기 어려운 경우가 있었다.

Opus 4.8은 비교 사례에서 GLM 5.2보다 약 5배 비싸고 느렸다.

빠른 모델을 반복 단계에 쓰면 더 많은 수정 사이클을 저렴하게 수행할 수 있다.

에이전트에는 원하는 웹사이트와 앱의 스크린샷을 충분히 제공해야 한다.

1~3분 음성 메모와 두세 단락의 구체적인 프롬프트가 결과를 개선한다.

일곱 가지 기능을 한 프롬프트에 넣지 말고 한두 가지씩 나눠 요청해야 한다.

에이전트의 첫 결과는 기반일 뿐이며 사람의 맥락·취향·반복 개선이 완성도를 만든다.

📁 /Users/flowkater/Obsidian/flowkater/flowkater/Study/YouTube다이제스트/2026-08-22-aiDotEngineer-AI에이전트디자인취향의핵심.md