AI가 자동으로 블로그 포스트를 쓴다 — Pearl Finder 만들고 포기한 이야기
자동으로 SEO 포스트를 생성하는 시스템을 만들었다. 근데 결과물이 너무 별로여서 전부 숨겼다. 왜 실패했나.
Pearl Finder가 뭔가
뉴스를 수집해서 키워드를 뽑고, 그 키워드로 블로그 포스트를 자동으로 생성하는 시스템입니다.
이름의 의미: “모래사장에서 진주를 찾는다” — 수많은 정보 중에서 가치 있는 틈새 정보를 발굴한다.
FastAPI 서버(포트 8899)로 돌아갑니다. Nimbot이 수집한 뉴스를 받아서 처리합니다.
어떻게 돌아가나
흐름:
1. 뉴스봇이 트렌딩 뉴스 수집
2. nimbot_to_pearl.py가 Pearl Finder API로 전달 (매일 07:00)
3. Pearl Finder가 키워드 추출
4. LLM이 해당 키워드로 포스트 생성
5. make_markdown.py가 Astro.js 형식으로 변환
6. 자동 커밋 & GitHub push
자동화율: 100% — 사람 개입 없음실제 결과물
처음엔 신기했습니다. 자동으로 포스트가 생성되니까.
근데 내용을 읽어보니:
# 2026년 최고의 스마트폰 추천 TOP 5
스마트폰은 현대인의 필수품입니다. 최고의 스마트폰을 선택하는 것은 매우 중요합니다.
## 1. 최신 기술이 적용된 스마트폰
최신 스마트폰은 최신 기술이 적용되어 있습니다. 최신 기술로 만들어진 최신 스마트폰은...같은 단어가 반복되고, 구체적인 내용이 없었습니다. 전형적인 AI 키워드 스터핑.
왜 이렇게 됐나
이유 1: 키워드 중심 프롬프트
프롬프트가 “이 키워드로 SEO 최적화된 포스트를 써줘” 형태였습니다. LLM이 키워드를 최대한 반복하는 방향으로 최적화됐습니다.
이유 2: 실제 경험 없음
LLM이 직접 경험하지 않은 내용을 씁니다. “RTX 5060 Ti에서 SGLang 실패기”같은 글은 실제로 그 과정을 겪어야 쓸 수 있습니다. LLM은 일반적인 내용만 만들어냅니다.
이유 3: 검증 없음
생성된 포스트를 사람이 검토하지 않고 바로 올렸습니다. 잘못된 정보도 포함될 수 있었습니다.
실제 규모
자동 생성 포스트: 약 64개.
전부 사이트에 올라가 있었습니다. 나중에 보니 너무 질이 낮아서 전부 숨겼습니다 (hidden: true 처리).
뭘 배웠나
AI가 글을 잘 쓰려면 실제 경험 데이터가 필요합니다.
“Python에서 한글 깨짐 해결”은 실제로 에러를 만나고, 고치고, 결과를 확인한 사람만 제대로 쓸 수 있습니다. LLM이 훈련 데이터로 비슷한 패턴을 알고 있더라도, 이 특정 환경(Windows 11, Python 3.11, CP949)에서 정확히 어떻게 됐는지는 모릅니다.
자동화 콘텐츠의 한계:
| 자동 생성 | 실제 경험 |
|---|---|
| 일반적 패턴 반복 | 구체적 에러 메시지 포함 |
| 검증 안 된 내용 | 실제로 작동 확인 |
| 키워드 반복 | 자연스러운 서술 |
| 빠름 (분 단위) | 느림 (겪어야 씀) |
방향 전환
64개 자동 생성 포스트를 숨기고, 실제 경험을 기록하는 방향으로 바꿨습니다.
“걍 과정을 기록하자.”
이 포스트 포함, 지금까지 JARVIS 시스템 구축하면서 겪은 것들을 전부 올립니다.
Pearl Finder는 지금도 돌아가고 있습니다. 하지만 생성된 포스트를 바로 올리지 않고, 실제 경험과 결합할 때만 씁니다.
Pearl Finder 자체는 어떻게 됐나
삭제하지 않았습니다. 뉴스 수집 → 키워드 추출 부분은 여전히 유용합니다.
“오늘 어떤 주제가 트렌딩인지”를 파악하는 용도로 씁니다. 포스트 자동 생성은 중단.