서론

블로그 운영은 단순한 글쓰기가 아닙니다. 최신 기술 동향을 파악하고, 독자들에게 가치 있는 정보를 제공하며, 지속적으로 콘텐츠를 생산하는 것이 중요합니다. 하지만 매일 기사를 검색하고, 분석하고, 글을 쓰는 것은 시간이 많이 걸리는 반복적인 작업입니다.

이러한 문제를 해결하기 위해 우리는 Intelligence Agent라는 AI 기반 자동화 시스템을 구축했습니다. 이 시스템은 뉴스 수집, 기사 선별, 글 작성, Notion 검토, Git 배포까지 모든 과정을 자동화합니다.

이 문서에서는 Intelligence Agent의 전체 아키텍처와 구현 방법, 그리고 운영하며 겪은 문제들과 해결 과정을 상세히 설명합니다.

시스템 아키텍처

Intelligence Agent는 4단계 파이프라인으로 구성됩니다.

  graph TD
    subgraph "수집 계층"
        A[News Collector] -->|Google News, arXiv| B[Raw Articles DB]
    end
    
    subgraph "분석 계층"
        B --> C[AI Selector]
        C -->|6점 이상| D[Selected Articles]
    end
    
    subgraph "작성 계층"
        D --> E[AI Writer]
        E -->|Multi-Persona| F[Draft Posts]
    end
    
    subgraph "배포 계층"
        F --> G[Notion CMS]
        G -->|Human Review| H[Git Publisher]
        H -->|Auto Commit & Push| I[GitHub]
        I --> J[Hugo Blog]
    end

1단계: 뉴스 수집 (News Collector)

여러 소스에서 기사를 수집하고 중복을 제거합니다.

지원 소스:

Google News (보안, AI, DevOps)
arXiv (최신 논문)
HackerNews (커뮤니티 토론)
Hada.io (기술 블로그)

기술 구현:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
class NewsCollector:
    def __init__(self):
        self.db = SQLite('intelligence.db')
        self.sources = [
            GoogleNewsSource(),
            ArxivSource(),
            HackerNewsSource(),
            HadaSource()
        ]
    
    async def collect_all(self):
        tasks = [source.fetch() for source in self.sources]
        results = await asyncio.gather(*tasks)
        return self.deduplicate(results)

2단계: AI 기사 선별 (AI Selector)

LLM을 사용하여 기사의 기술적 가치를 평가합니다.

평가 기준:

기술적 깊이 (10점)
독창성 (10점)
실무 적용 가능성 (10점)
총점 6점 미만 자동 제외

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
class AISelector:
    async def score_article(self, article):
        prompt = f"""
        평가: {article['title']}
        본문: {article['content'][:500]}
        
        기준:
        1. 기술적 깊이 (1-10)
        2. 독창성 (1-10)
        3. 실무 적용 가능성 (1-10)
        
        JSON 출력: {{"score": int, "reason": str}}
        """
        return await llm.evaluate(prompt)

3단계: 다중 페르소나 작가 (AI Writer)

기사 주제에 따라 최적의 전문가 persona로 글을 작성합니다.

페르소나 시스템:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
PERSONAS = {
    'SECURITY': {
        'name': '보안 전문가',
        'tone': '실용적이고 전문적',
        'expertise': '취약점 분석, 공격 시나리오',
        'structure': '서론 → 취약점 분석 → PoC → 대응 방안'
    },
    'AI_ML': {
        'name': 'AI 연구자',
        'tone': '학술적이고 이해하기 쉬움',
        'expertise': '딥러닝, 논문, 수식',
        'structure': '서론 → 관련 연구 → 핵심 아이디어 → 실험 → 결론'
    },
    'DEVOPS': {
        'name': 'DevOps 엔지니어',
        'tone': '실무 중심',
        'expertise': 'CI/CD, 쿠버네티스, 인프라',
        'structure': '문제 분석 → 솔루션 → 구현 가이드 → 베스트 프랙티스'
    }
}

4단계: Notion Publisher & Git Publisher

작성된 글을 Notion에 업로드하고, 검토 완료 시 자동으로 Git에 배포합니다.

해결한 핵심 문제

문제 1: Mermaid 다이어그램 렌더링�

현상: Hugo 블로그에서 Mermaid 다이어그램이 다크모드에서 보이지 않음

원인:

1
2
3
4
// 문제의 코드
mermaid.initialize({
    theme: 'default'  // 항상 라이트 모드
});

해결:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
// 개선된 코드
const isDark = document.documentElement.dataset.scheme === 'dark';
const theme = isDark ? 'dark' : 'default';

mermaid.initialize({
    theme: theme,
    themeVariables: {
        darkMode: true,
        primaryColor: '#81D4FA',
        primaryTextColor: '#e0e0e0'
    }
});

문제 2: Notion API에서의 Mermaid 처리

현상: Notion API가 mermaid 언어를 지원하지만 코드 블록으로만 저장됨

해결: JavaScript 코드 블록으로 저장 후 Git Publisher에서 변환

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
# Notion Publisher
if lang == 'mermaid':
    blocks.append({
        'type': 'code',
        'code': {
            'rich_text': [{'text': {'content': code_text}}],
            'language': 'javascript'  # Notion에선 javascript로 저장
        }
    })

# Git Publisher
if language == 'javascript' and is_mermaid(content):
    return f"```mermaid
{content}

1
2
3
4
5
6
7
8

### 문제 3: Notion 데이터베이스 속성 매핑

**현상**: Notion API 호출 시 "Invalid property" 에러

**원인**: Notion 데이터베이스 스키마와 코드의 속성 이름 불일치

**해결**:

properties/index.py

PROPERTY_MAPPING = { ‘내용’: ’title’, ‘카테고리’: ‘category’, ‘테그’: ’tags’, ‘상태’: ‘status’ }

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19

## 성과물

### GitHub 리포지토리
- https://github.com/rebugui/intelligence-agent
- 27개 파일, 4,499줄 코드
- 완전한 문서와 테스트 포함

### 배포된 블로그 게시물
- 총 8개의 기술 블로그 게시
- Mermaid 다이어그램 포함
- 자동화된 파이프라인으로 생성

## 향후 개선 방향

1. **이미지 생성 파이프라인**: DALL-E 3로 썸네일 자동 생성
2. **주제 클러스터링**: 연관 기사를 그룹화하여 "주간 트렌드 리포트" 발행
3. **Slack 알림**: 배포 완료 시 알림 발송
4. **영문 블로그**: 다국어 지원 확장