Ai Edu Orchestrator

실행 워크플로우

Phase 1: 병렬 리서치 & 집필 (팬아웃)

4개 전문 에이전트를 동시에 실행하여 각 챕터를 독립 집필.

┌─── ai-historian ──────→ 01-timeline.md
│
├─── model-analyst ─────→ 02-model-evolution.md
│
├─── trend-researcher ──→ 03-trends-and-services.md
│
└─── devpractice-expert → 04-vibe-coding-and-harness.md

각 에이전트 실행 시 전달할 컨텍스트:

• 대상 독자: IT 기업 신입사원 (개발 기초 있음, AI 전문 지식 없음)
• 필수 포함: 정확한 정보, 출처 명시, 출시 시기, 비즈니스 효과
• 원리 설명: 어려운 개념은 tech-explainer 스킬 활용하여 풀어쓰기
• 용어: 전문 용어 첫 등장 시 영문 병기, glossary-builder로 용어 추출

Phase 2: 통합 편집 (팬인)

content-assembler가 4개 산출물을 통합.

01-timeline.md ─────────┐
02-model-evolution.md ──┤
03-trends-and-services.md ─┤─→ content-assembler ─→ AI-Education-Complete.md
04-vibe-coding-and-harness.md ─┘
                              └─→ appendix-glossary.md (용어 사전)

통합 시 체크:

• 챕터 간 용어 통일
• 날짜/수치 일관성
• 중복 내용 제거
• 챕터 연결 문장 추가
• 포맷 일관성 (content-formatter 스킬 적용)
• 부록 용어 사전 완성

Phase 3: 검증 (생성-검증)

fact-checker가 최종 문서를 검증.

AI-Education-Complete.md ─→ fact-checker ─→ fact-check-report.md
                                         ─→ 수정 사항 반영

Phase 4: 최종 완성

검증 결과 반영 후 최종 버전 저장.

에이전트 실행 방법

Agent 도구 사용 예시

Phase 1에서 4개 에이전트를 병렬 실행:

Agent(
  name: "ai-historian",
  prompt: "ai-historian 에이전트로서 ChatGPT 이후 AI 타임라인을 조사하여 output/01-timeline.md를 작성하세요. [상세 지시사항]",
  run_in_background: true
)

Agent(
  name: "model-analyst",
  prompt: "model-analyst 에이전트로서 AI 모델 진화를 분석하여 output/02-model-evolution.md를 작성하세요. [상세 지시사항]",
  run_in_background: true
)

... (나머지 2개도 동시 실행)

산출물 목록

품질 기준

• 모든 날짜/수치에 출처 명시
• 전문 용어는 부록 용어 사전에 수록
• 각 챕터에 최소 3개 이상의 표/테이블
• 어려운 개념마다 "쉽게 이해하기" 박스
• IT 신입사원이 2-3시간 내 학습 가능한 분량과 난이도