AI 연구 에이전트를 만들어 'Doomscrolling' 중독을 치료했다

Source: Dev.to

문제: AI 뉴스는 잡음에 불과

매일 아침 나는 같은 문제에 직면했다: 수십 개의 새로운 AI 도구, HuggingFace에 올라온 최신 모델, 그리고 X/Twitter의 끝없는 과대광고. 나는 실제 업무에 도움이 되는 2‑3개의 업데이트만 찾기 위해 몇 시간을 “둠스크롤링”에 낭비하고 있었다. 더 많은 뉴스가 필요했던 것이 아니라, 모든 정보를 읽고, 쓸모없는 것을 걸러내며, 신호만 보여줄 Chief of Staff가 필요했다. 그래서 나는 직접 만들었다.

해결책: 자율적인 “뉴스 편집자”

이 튜토리얼에서는 n8n, OpenAI, 그리고 Tavily를 사용해 개인 AI 뉴스 에이전트를 구축한 과정을 보여준다. 이 에이전트는 내가 잠든 사이에 실행되어, 선별된 아침 브리핑을 이메일로 전달한다.

스택

• 오케스트레이터: n8n (로컬 또는 클라우드)
• 두뇌 (필터): OpenAI gpt-4o-mini (저렴하고 빠름)
• 리서처: Tavily AI (실시간 컨텍스트 수집)
• 소스: RSS 피드 (예: TechCrunch, The Verge)

단계 1: “파이프라인” (RSS 수집)

워크플로우는 Schedule Trigger를 8:00 AM에 설정하는 것부터 시작한다. RSS Read Node를 사용해 최신 기사들을 가져온다. 이 단계에서는 루머, 사소한 업데이트, 잡음까지 모두 포함된다.

단계 2: “수석 편집자” (OpenAI 필터링)

각 헤드라인은 Loop Node를 통해 개별적으로 처리된다. OpenAI에 전달되는 시스템 프롬프트는 엄격한 편집자 페르소나를 정의한다:

System Prompt:
Analyze this news item:

Title: {{ $json.title }}
Summary: {{ $json.contentSnippet || $json.content }}

YOUR ROLE:
You are a Senior Tech Editor curating a daily briefing. Your goal is to identify useful, relevant news for AI Engineers.

SCORING GUIDELINES (0-10):
- 0‑3: Irrelevant, gossip, or low‑quality clickbait.
- 4‑5: Average news. Minor updates or generic articles.
- 6‑7 (PASSING): Solid, useful news. Good tutorials, interesting tool releases, or standard industry updates.
- 8‑10 (EXCELLENT): Major breakthroughs, acquisitions, critical security alerts, or high‑impact releases (e.g., GPT‑5, new SOTA model).

INSTRUCTIONS:
- Rate strictly but fairly.
- If it is useful to a professional, give it at least a 6.
- Return ONLY a JSON object.

OUTPUT FORMAT:
{
  "score": ,
  "title": ,
  "reason": ""
}

단계 3: 게이트키퍼 (If Node)

If Node가 문을 담당한다:

• Score < 7 → 즉시 폐기.
• Score ≥ 7 → 연구 단계로 진행.

이 로직 덕분에 읽어야 할 목록이 약 50개 기사에서 상위 5개로 줄어들었다.

단계 4: 심층 탐구 (Tavily AI)

선정된 기사에 대해 Tavily AI를 사용해 전체 컨텍스트를 가져온다. include_answer 파라미터를 Advanced로 설정해, 원본 RSS 요약이 아닌 여러 출처를 종합한 고품질 요약을 생성한다.

단계 5: 브리핑 (이메일)

Aggregate Node가 모든 “승자”를 모아 깔끔한 HTML 이메일로 포맷하고, Gmail을 통해 전송한다.

왜 중요한가

이 에이전트를 만들면서 무의미한 스크롤링에 소요되던 시간을 주당 약 5시간 절감했다. 에이전트가 지루한 필터링 작업을 담당하고, 나는 고신호 결과만 읽는다.

다음 단계

다음 포스트에서는 Google NotebookLM을 사용해 이 에이전트를 “스트레스 테스트”한 방법을 공유할 예정이다.

---

댓글로 알려 주세요: 현재 정보를 과부하 없이 어떻게 관리하고 계신가요?