울트라 생활 치트키 | SmartWay Ultra: Lifestyle Cheat Keys

처음에는 세 파일이 다 비슷해 보였습니다 OpenClaw를 처음 만졌을 때 가장 헷갈린 것 중 하나가 memory, lobster, today cache였습니다. 이름은 다르지만 모두 “기억”처럼 보였습니다. 그래서 처음에는 어디에 무엇을 적어야 하는지 잘 감이 오지 않았습니다. 그런데 며칠 써보니 차이가 조금씩 보였습니다. 핵심은 파일 이름이 아니라, 각각이 맡는 시간이 다르다는 점이었습니다. memory는 오래 가져갈 기준에 가깝습니다 memory는 말 그대로 오래 남겨야 하는 내용에 가까웠습니다. 예를 들면 사용자를 어떻게 불러야 하는지, 어떤 말투를 써야 하는지, 어떤 일을 주로 하는지처럼 계속 유지되어야 하는 기준입니다. 매번 새로 설명하면 피곤한 내용이 여기에 들어갑니다. 저는 memory를 “AI가 계속 잊으면 안 되는 기본 배경”으로 이해하는 쪽이 가장 쉬웠습니다. lobster는 작업 방식에 가까웠습니다 lobster는 단순한 기억이라기보다 작업 방식이나 규칙에 가까웠습니다. 어떤 순서로 확인해야 하는지, 어떤 실수를 피해야 하는지, 어떤 폴더를 기준으로 봐야 하는지 같은 운영 규칙에 더 가깝게 느껴졌습니다. 처음에는 memory와 구분이 잘 안 됐지만, 나중에는 이렇게 생각하니 편했습니다. memory가 “무엇을 기억할까”라면, lobster는 “어떻게 움직일까”에 가깝습니다. today cache는 오늘 다시 이어가기 위한 메모였습니다 today cache는 장기 기억이라기보다 오늘 작업을 다시 붙잡기 위한 임시 작업대에 가까웠습니다. 지금 어디까지 했는지, 다음에 무엇을 해야 하는지, 오늘 놓치면 안 되는 일이 무엇인지 적어두는 용도였습니다. 이게 없으면 다음 날 다시 시작할 때 과거 대화를 뒤지게 됩니다. 반대로 today cache가 있으면 “아, 여기서 이어가면 되겠구나”가 빨리 보였습니다. 제가 이해한 가장 쉬운 구분 제가 실제로 이해한 구분은 이렇습니다. memory: 오래 유지할 기본 기억 ...

이 글을 쓰는 이유 OpenClaw를 쓰면서 가장 크게 지쳤던 순간은 같은 설명을 다시 반복할 때였습니다. 처음에는 AI가 많이 기억하면 모든 문제가 해결될 줄 알았습니다. 그런데 실제로 써보니 더 중요한 것은 기억 자체보다 다시 이어갈 수 있는 구조였습니다. 초보일수록 한 번 익힌 것도 금방 흐려집니다. 그래서 똑똑한 답변보다, 다음 날 다시 와도 어디서부터 시작해야 하는지 보이는 것이 더 중요했습니다. 기억보다 재개가 더 크게 느껴진 이유 일반 대화형 AI는 그 자리에서 질문하고 답을 받을 때는 편합니다. 하지만 블로그 운영, 문서 정리, 여러 자비스와의 협업처럼 며칠씩 이어지는 일에서는 이야기가 달라졌습니다. 어제 무엇을 했는지, 어디서 멈췄는지, 다음에 무엇을 해야 하는지를 다시 설명하는 데 시간이 많이 들었습니다. 이때 필요한 것은 단순한 기억이 아니라 작업을 다시 붙잡게 해주는 기준이었습니다. 제가 실제로 필요했던 것 제가 OpenClaw를 쓰면서 실제로 필요했던 것은 세 가지였습니다. 마지막으로 어디까지 했는지 보이는 것 다시 시작할 때 먼저 볼 문서가 정해져 있는 것 실패했을 때 다시 확인할 순서가 있는 것 이 세 가지가 있으면 중간에 작업이 끊겨도 다시 이어가기 쉬웠습니다. 반대로 이 기준이 없으면 AI가 아무리 똑똑해도 매번 처음부터 다시 설명하는 느낌이 들었습니다. OpenClaw에서 체감한 차이 OpenClaw가 자동으로 모든 것을 해결해준 것은 아닙니다. 대신 작업 폴더 안에 오늘 볼 문서, 다시 시작할 기준, 핵심 규칙을 정해두면 재개 속도가 확실히 달라졌습니다. 특히 여러 날 이어지는 작업에서는 “기억하고 있느냐”보다 “다시 시작할 길이 보이느냐”가 더 중요했습니다. 재개 기준이 없으면 생기는 문제 재개 기준이 없으면 이런 일이 자주 생겼습니다. 이미 설명한 내용을 다시 말하게 됨 지금 할 일보다 과거 맥락 정리에 시간을 더 씀 여러 자비스가 같은 일을 중복해서 함 중단 후 다시 시작...

AI 혁신의 다음 무대는 ‘현실 세계’다 최근 AI 업계의 흐름을 보면, 텍스트와 코딩 모델에서 일어났던 오픈소스 혁신이 이제 로봇 분야로 확장되고 있습니다. 과거 Llama, Mistral, DeepSeek, Qwen 같은 오픈소스 모델들이 폐쇄형 AI 기업 중심의 질서를 흔들었던 것처럼, 로봇 AI에서도 비슷한 변화가 시작되는 분위기입니다. 그 중심에 있는 키워드가 바로 LeRobot , π0(pi-zero) , 그리고 VLA(Vision-Language-Action) 모델 입니다. 다만 먼저 정확히 짚고 가야 할 점이 있습니다. Hugging Face가 완전히 독자적으로 세계 최초의 로봇 AI 모델을 만든 것은 아닙니다. 더 정확히는 Physical Intelligence가 개발한 π0 모델을 Hugging Face가 LeRobot 생태계에 포팅하고, 공개하고, 확산시킨 사건 으로 보는 것이 맞습니다. 즉, 핵심은 “세계 최초”라는 타이틀보다 실사용 가능한 오픈소스 로봇 AI 생태계가 대중적 플랫폼 위에서 확산되기 시작했다 는 데 있습니다. VLA 모델이란 무엇인가 VLA는 Vision-Language-Action의 약자입니다. 쉽게 말하면 로봇이 다음 세 가지를 함께 이해하고 실행하는 모델입니다. Vision : 카메라와 센서로 현실 세계를 본다 Language : 사람의 언어 명령을 이해한다 Action : 로봇 팔, 손, 몸을 움직여 행동한다 기존 AI가 “텍스트를 이해하고 답변하는 모델”에 가까웠다면, VLA는 현실 세계를 보고, 지시를 이해하고, 실제 행동으로 옮기는 모델 입니다. 예를 들어 사용자가 “저 컵을 집어서 테이블 오른쪽에 놔줘”라고 말하면, 로봇은 컵의 위치를 파악하고, 주변 장애물을 인식하고, 팔의 경로를 계산하고, 실제로 컵을 옮겨야 합니다. 이 과정에는 단순한 언어 이해를 넘어 시각 인식, 공간 이해, 행동 계획, 제어 기술이 모두 필요합니다. Hugging Face LeRobot이 중요한 이유 ...

 이 글을 쓰는 이유 처음에는 저도 workspace를 그냥 폴더라고 생각했습니다. 파일이 들어 있는 위치 정도로만 보면 되는 줄 알았습니다. 그런데 조금 써보니, 그렇게 생각할수록 오히려 더 헷갈렸습니다. 그래서 이 글은 초보 입장에서 workspace를 처음 어떻게 오해했고, 나중에는 어떤 식으로 보는 게 더 맞았는지 정리해보려는 글입니다. 처음에는 그냥 저장 폴더처럼 보였습니다 처음 보면 workspace라는 말이 조금 거창하게 느껴질 수도 있습니다. 저도 처음에는 “결국 파일 모아두는 폴더 아닌가?” 정도로 생각했습니다. 실제로 겉으로만 보면 그렇게 보일 수도 있습니다. 그런데 막상 써보면 단순히 저장 위치라고만 보기에는 역할이 조금 달랐습니다. 왜 그냥 폴더라고 보면 헷갈렸나 제가 헷갈렸던 이유는 간단했습니다. 폴더라고 생각하면 파일만 넣어두는 자리처럼 느껴지는데, 실제로는 자주 보는 문서, 작업 기준, 중간 기록, 이어서 볼 흔적이 같이 모이는 곳에 더 가까웠기 때문입니다. 즉 뭔가를 보관만 하는 자리가 아니라, 다시 시작할 때 기준을 잡는 자리처럼 느껴졌습니다. 제가 나중에 조금 다르게 보게 된 부분 1. 단순 저장 위치라기보다 작업 흔적이 모이는 자리였습니다 처음에는 파일 몇 개 들어 있는 곳 정도로 봤습니다. 그런데 실제로는 지금 무슨 일을 하고 있었는지, 무엇을 기준으로 이어가야 하는지 같은 흔적이 같이 쌓이는 쪽에 더 가까웠습니다. 이 차이를 모르고 있으면 파일은 보여도 흐름은 잘 안 잡힐 수 있었습니다. 2. 자주 보는 문서가 왜 중요한지 나중에 알았습니다 처음에는 문서가 많아 보여서 더 복잡하게 느껴졌습니다. 그런데 다 읽는 게 중요한 게 아니라, 먼저 자주 보게 되는 문서가 무엇인지 아는 게 더 중요했습니다. 그게 잡히고 나니 workspace도 조금 덜 낯설게 느껴졌습니다. 저는 이걸 늦게 알아서 초반에 괜히 더 빙빙 돌았습니다. 3. 다시 이어가는 데서 차이가 느껴졌습니다 w...

이 글을 쓰는 이유 처음에는 저도 OpenClaw를 결국 비슷한 AI라고 생각했습니다. 질문하면 답해주고, 필요할 때 꺼내 쓰는 도구 정도로 보면 되겠다고 생각했습니다. 그런데 조금 써보니 실제 느낌은 꽤 달랐습니다. 그래서 이 글은 “뭐가 그렇게 다른데?”라는 질문에 대해, 제가 직접 써보며 느낀 차이만 쉬운 말로 적어보려는 글입니다. 한눈에 보면 이런 차이였습니다 제가 느낀 가장 큰 차이는 답을 얼마나 잘하느냐보다, 하던 일을 다시 이어가기 쉬운가 에 있었습니다. 일반 AI는 빠르게 물어보고 바로 답을 받는 데 편했습니다. 반면 OpenClaw는 잘 쓰면 글, 메모, 작업 정리를 같이 이어가는 쪽에 더 어울린다고 느꼈습니다. 비슷해 보여도 왜 다르게 느껴졌나 처음 보면 둘 다 질문하면 답하는 도구처럼 보입니다. 그런데 조금 써보면 느낌이 갈립니다. 일반 AI : 바로 묻고 바로 답받기 좋음 OpenClaw : 하던 일을 다시 이어가며 쓰기에 더 어울림 이 차이를 먼저 모르고 들어가면, 처음에는 왜 다르게 느껴지는지 잘 안 잡힐 수 있습니다. 저도 처음엔 그랬습니다. 제가 직접 느낀 차이 1. 기억을 다루는 느낌이 달랐습니다 일반 AI는 대화 흐름을 이어가는 느낌이 강했습니다. 반면 OpenClaw는 파일, 문서, 메모를 같이 붙였을 때 차이가 더 크게 보였습니다. 단순히 이전 대화를 보는 것보다, 작업 흔적과 기준을 다시 꺼내 쓰는 쪽에 더 가깝게 느껴졌습니다. 저는 이 부분이 생각보다 크게 다가왔습니다. 그냥 답을 잘해주는 것과, 하던 흐름을 덜 놓치게 해주는 것은 느낌이 꽤 달랐습니다. 2. 길게 하는 일과 더 잘 맞았습니다 블로그 글, 정리 메모, 여러 날 걸리는 일에는 OpenClaw 쪽이 더 잘 맞아 보였습니다. 질문 하나로 끝나는 일이 아니라, 며칠에 걸쳐 다시 보고 고치고 이어가는 일에서는 이런 차이가 더 분명하게 느껴졌습니다. 특히 저처럼 적어둔 걸 다시 꺼내보고, 거기서 조금씩 이어...

04. 초보가 처음 헷갈리는 포인트 7가지 처음 막힐 때는 보통 “내가 너무 몰라서 그런가?” 싶은 마음이 먼저 들었습니다. 저도 그랬습니다. 기능을 몰라서 헷갈리는 줄 알았는데, 나중에 돌아보니 꼭 그것만은 아니었습니다. 오히려 처음부터 이걸 어떤 도구로 생각했는지가 많이 어긋나 있었던 것 같습니다. 그래서 이 글은 제가 실제로 헷갈렸던 지점을 미리 적어두는 기록입니다. 처음 보는 분이라면 저와 비슷한 데서 한 번쯤 걸릴 수 있습니다. 처음엔 대화형 AI처럼 보이는데, 막상 써보면 느낌이 다르다 OpenClaw는 처음 보면 그냥 대화형 AI처럼 보입니다. 그런데 막상 조금 써보면, 한 번 묻고 답받고 끝내는 도구보다는 계속 써가며 정리하는 쪽에 더 가깝게 느껴집니다. 이 차이를 모르고 시작하면 초반에 꽤 헷갈릴 수 있습니다. 저도 처음엔 그걸 잘 몰라서 자꾸 엇나갔습니다. 1. workspace를 그냥 폴더라고만 생각한 것 처음엔 저도 그냥 폴더겠지 싶었습니다. 그런데 실제로는 느낌이 조금 달랐습니다. 단순히 파일 몇 개 들어 있는 폴더라기보다, 자주 보는 문서와 작업 흔적이 모이는 자리처럼 느껴졌습니다. 이걸 그냥 저장 위치 정도로만 생각하면 왜 중요한지 잘 안 들어옵니다. 저도 그랬습니다. 2. memory가 알아서 다 기억해줄 거라고 기대한 것 이건 초반에 특히 많이 착각하기 쉬운 부분 같았습니다. 처음에는 memory라는 이름만 보고 알아서 다 기억해주는 기능처럼 느껴질 수 있습니다. 그런데 실제로는 그렇게 단순하지 않았습니다. 무엇을 남길지, 무엇을 다시 볼지, 어떤 기준으로 이어갈지를 같이 잡아야 의미가 생겼습니다. 그냥 쌓는다고 끝나는 종류는 아니었습니다. 3. 문서를 참고용이라고만 생각한 것 처음에는 문서가 너무 많아 보여서 오히려 더 멀게 느껴졌습니다. 그래서 한동안은 “이건 참고용이겠지” 하고 넘기기 쉬웠습니다. 그런데 실제로는 몇 개 문서가 거의 기준점처럼 쓰였습니다. 많이 읽는 것보다 먼저 볼 ...

설치만 끝나면 뭔가 금방 감이 올 줄 알았습니다. 그런데 막상 처음 켜봤을 때는 기대보다 막막함이 더 컸습니다. 분명히 화면은 떴는데, 그래서 이제 뭘 보면 되는지는 바로 안 잡혔습니다. 이 글은 그 첫 순간에 제가 무엇이 좋았고, 또 무엇이 어렵게 느껴졌는지 남겨두기 위해 적는 기록입니다. 처음 느낌은 생각보다 단순하지 않았다 OpenClaw를 처음 켰을 때 가장 먼저 든 생각은 “평소 쓰던 AI랑은 조금 다르다”는 것이었습니다. 겉으로만 보면 대화형 도구처럼 보이는데, 막상 들어가 보면 그냥 질문 몇 번 던지고 끝내는 쪽과는 느낌이 달랐습니다. 좋게 느껴지는 부분도 있었지만, 동시에 어디부터 봐야 할지 모르겠는 답답함도 바로 같이 왔습니다. 처음 켰을 때 좋았던 점 좋았던 점도 분명 있었습니다. 내 컴퓨터에서 직접 돌아간다는 느낌이 있었습니다. 그냥 대화만 하는 도구는 아니라는 생각이 들었습니다. 나중에 글이나 메모를 이어서 쓰는 데 도움이 될 수도 있겠다는 기대가 생겼습니다. 특히 저는 블로그 글이나 기록을 이어서 다루는 일이 많아서, 처음부터 “이건 잘만 쓰면 계속 이어가는 데 도움이 되겠다”는 느낌은 있었습니다. 바로 막혔던 지점도 있었다 하지만 처음부터 쉬운 건 아니었습니다. 제가 바로 막혔던 건 이런 부분이었습니다. 낯선 이름이 많아서 무엇이 뭔지 바로 안 들어왔던 점 무엇부터 봐야 하는지 순서가 잘 안 보였던 점 memory가 알아서 다 기억해줄 거라고 생각했는데 그렇지 않았던 점 기준 없이 보면 오히려 더 복잡하게 느껴졌던 점 처음엔 “내가 너무 몰라서 그런가?” 싶기도 했습니다. 그런데 나중에 생각해보니, 단순히 기능을 몰라서라기보다 이 도구를 보는 방식이 아직 안 잡혀 있었던 게 더 컸습니다. 왜 첫인상이 중요했나 첫 실행은 그냥 한 번 켜보는 경험이 아니었습니다. 저한테는 이 도구를 앞으로 어떤 식으로 볼지 정하는 순간에 더 가까웠습니다. OpenClaw를 그냥 질문하면 답해주는 AI처...