8
- AI가 작성한 문서 특유의 모호하고 겉도는 표현(AI Slop)을 걷어내고, 사용자 취향에 맞춰 자연스러운 한국어로 다시 써주는 윤문 에이전트 'slop-rewrite'가 공개되었습니다.
- 단순 기계적 단어 치환을 넘어, 코드로 검사 지점과 규칙을 짚고 LLM이 전체 문맥을 읽어 재작성하는 3단계 기준(원칙·문체·취향) 구조를 갖췄습니다.
- 에이전트 성능을 끌어올릴 때는 세부 절차를 일일이 통제하기보다 목표와 기준을 명확히 준 뒤 귀납적 피드백 위주로 다듬는 '똑게 팀장'식 협업이 가장 효과적입니다.
안녕하세요, 일잘러 장피엠입니다. AI에게 보고서나 블로그 글, 이메일 초안 생성을 맡겨두고 나중에 다시 읽어보면, 문장은 그럴듯한데 정작 무슨 말을 하려는 건지 와닿지 않거나 어색한 비유 탓에 의미가 흐려진 경험이 다들 있으실 겁니다. 이렇게 AI가 만들어낸 어색하고 겉도는 문장을 AI Slop이라고 부릅니다. 이러한 AI 특유의 말투를 깔끔하게 덜어내고, 사용자의 문체와 취향에 맞춰 자연스러운 한국어로 글을 다시 써주는 윤문 에이전트 slop-rewrite를 만들어 오픈소스로 무료 공개했습니다.
현재 일어난 변화: AI 특유의 겉도는 문장을 고쳐주는 윤문 에이전트 공개
많은 분이 AI가 쓴 글의 뻔한 말투나 불필요한 대화식 표현, 과도한 비유를 수정하느라 매번 손으로 일일이 다시 고치는 번거로움을 겪고 계십니다. 이번에 공유해 드리는 slop-rewrite 에이전트는 바로 이 실무 병목을 해결하기 위해 개발했습니다. 깃허브 저장소를 통해 누구에게나 무료로 공유되며, Claude Code, Codex, Anti-gravity 같은 에이전트 환경에서 간편하게 전역(Global) 스킬로 등록해 쓸 수 있습니다.
설치 방식도 직관적입니다. 준비한 작업 폴더에서 깃허브 저장소 링크를 AI 도구에 전달하며 지정된 저장소를 클론하고 전역 스킬 또는 유저 스코프 스킬로 등록해 달라고 요청하기만 하면 됩니다. 이렇게 등록을 마쳐두면 어떤 프로젝트 폴더에서 작업하든 에이전트 이름을 불러 자연스럽게 글을 윤문할 수 있습니다.
왜 지금 이것이 중요한가: 단순 단어 교체가 아닌 글 전체의 맥락과 문체를 살려야 하는 이유
기존에도 한국어 윤문 관련 AI 스킬이나 프롬프트가 존재했습니다. 하지만 기존 도구들을 직접 쓰면서 느낀 가장 큰 아쉬움은 AI 티가 나는 특정 표현을 골라내 기계적으로 치환하는 방식에 머물러 있었다는 점입니다. 어색한 단어는 빠졌을지 몰라도 글 전체의 맥락이나 흐름, 특유의 '글맛'이 제대로 살지 않는 문제가 이어졌습니다.
실무 문서의 핵심은 단순히 나쁜 단어를 뺀 글을 만드는 것이 아니라, 의사결정권자나 고객이 읽었을 때 의도가 명확히 전달되고 매끄럽게 읽히는 결과물을 만드는 데 있습니다. 단어 단위의 기계적 덮어쓰기가 아니라 글 전체의 맥락을 읽고 다시 써내는 구조적 접근이 필요한 이유입니다.
변화를 이끄는 메커니즘: 규칙 지정과 LLM 문맥 재작성의 3단계 설계
윤문 에이전트가 글을 다듬을 때 적용하는 4단계의 우선순위와 3단계 설계 구조입니다.
slop-rewrite 에이전트는 역할 분담을 명확히 정의해 기존 스킬들의 한계를 풀었습니다. 프로그램 코드는 AI 티가 나는 수정 지점과 규칙만을 검사해 짚어주고, 실제 글을 다시 쓰는 작업은 LLM이 글 전체 문맥을 파악해 재작성하도록 설계했습니다. 단순 문장 치환이 아닌 맥락 기반 재작성을 거치기 때문에 글의 흐름이 한결 자연스러워집니다.
또한 에이전트가 사용자의 취향을 정밀하게 반영할 수 있도록 작업 기준을 3단계 층위로 세분화했습니다.
- 공통 AI 티 제거 원칙: 의문문 연발, 모호한 진자 비유, 의미 없는 연결어처럼 누구에게나 어색함을 주는 패턴을 제거하는 기본 원칙입니다.
- 사용자 문체 가이드: '장피엠 스타일', '한국식 개조식 보고서 스타일'처럼 내장된 기본 가이드 외에도, 내장된 스타일 가이드 빌더(Style Guide Builder)를 통해 평소 좋아하는 뉴스레터(예: 당근메일/캐럿레터)나 본인의 과거 글 URL/텍스트를 입력하면 AI가 이를 학습해 나만의 문체 스킬로 자동 등록해 줍니다.
- 사용자별 피드백 및 취향: 글을 다듬는 과정에서 사용자가 개별적으로 전달하는 선호도와 피드백을 수집해 에이전트의 구체적인 작동 규칙으로 누적합니다.
실무에서 무엇이 달라지고 누구에게 영향을 미치는가: 블로그 및 보고서 윤문 실습과 에이전트 개선법
왼쪽의 원문과 오른쪽의 윤문 결과물을 비교해보면, 불필요한 표현이 다듬어지고 전체적인 문맥이 훨씬 자연스럽게 정리된 것을 확인할 수 있습니다.
실제 블로그 초안이나 에이전트 기술 동향을 설명하는 복잡한 에세이 원문을 slop-rewrite로 윤문해 보면 명확한 차이가 드러납니다. 어색한 대화식 질문은 명료한 단정문으로 바뀌고, 불필요한 비유나 중복 표현은 간결하게 정리됩니다. 마지막에 사람이 한 번 더 최종 검수하고 마무리하는 최소한의 과정은 필요하지만, 전체적인 편집 공수는 상당히 줄어듭니다.
이러한 윤문 에이전트를 운영하면서 에이전트 자체의 성능을 한 단계 더 끌어올리고 싶은 분들을 위해 두 가지 개선 전략을 제안합니다.
- 귀납적 개선(권장): 에이전트에게 일하는 기준을 직접 작성해 주기 어렵다면, 사람이 만든 훌륭한 과거 결과물을 주고 기준을 역으로 추론하게 만드는 방식입니다. 혹은 결과물을 HTML 아티팩트 형태(댓글 작성 가능)로 출력하게 한 뒤, 빨간 펜 선생님처럼 잘된 점과 아쉬운 점을 댓글 코멘트로 상세히 남겨주면 에이전트가 이를 이해하고 스스로 작업 기준과 취향을 강화합니다.
- 연역적 개선(소극적 적용): 에이전트의 작업 절차에 인간이 아이디어를 보태는 방식입니다. 다만 처음부터 사용자가 절차를 일일이 지정하면 오히려 성능이 떨어지는 경향이 있습니다. 따라서 초기 생성 시에는 절차에 개입하지 말고, 운영 도중 에이전트에게 전체 작업 절차를 시각화(HTML 등)해 달라고 요청한 뒤, 불필요한 단계나 롤 분담(코드 vs LLM)에 대해서만 부분적으로 제안을 던지는 소극적 방식을 취하는 것이 유리합니다.
앞으로 주목해야 할 관전 포인트: 마이크로매니징을 넘어선 '똑게 팀장' 스타일의 AI 협업
AI 에이전트를 만들고 고도화할 때 기억해야 할 가장 핵심적인 원칙은 마이크로매니징을 내려놓는 것입니다. 세부 작업 절차를 인간이 하나하나 다 정해주려고 들면 에이전트의 유연성과 성능이 떨어집니다. 현시점에서는 AI에게 명확한 목표와 최종 평가 기준만 제시하고 절차 자율성을 부여하는 편이 훨씬 뛰어난 결과물을 만듭니다.
흔히 조직 관리에서 멍청하고 부지런한 '멍부 팀장'보다 똑똑하고 게으른 '똑게 팀장'이 더 높은 성과를 낸다고 합니다. AI 에이전트와 일할 때 역시 명확한 방향만 정해두고 자율에 맡기는 '똑게 팀장'의 자세로 접근할 때 생산성과 윤문 품질을 모두 극대화할 수 있습니다.
FAQ
slop-rewrite 에이전트는 어떻게 설치하고 등록하나요?
공개된 깃허브 저장소 링크를 복사한 뒤, 사용 중인 Claude Code나 Codex 등의 도구에 해당 저장소를 현재 폴더에 클론하고 전역(Global) 스킬 또는 유저 스코프 스킬로 등록해 달라고 요청하시면 됩니다.
기존 윤문 프롬프트나 스킬들과는 어떤 점이 다른가요?
기존 스킬들이 AI 티 나는 단어를 찾아 기계적으로 일대일 치환했던 것과 달리, slop-rewrite는 코드가 고칠 자리와 규칙만 지정하고 LLM이 문맥 전체를 파악해 다시 재작성하므로 글의 전체 흐름과 문체가 자연스럽게 살아납니다.
나만의 문체나 참고하고 싶은 글 양식을 추가할 수 있나요?
네, 내장된 '스타일 가이드 빌더' 스킬을 활용하면 됩니다. 평소 좋아하는 뉴스레터나 본인이 직접 쓴 과거 글 URL 및 텍스트를 제공하면 에이전트가 이를 분석해 새로운 스타일 가이드로 자동 등록해 줍니다.
AI 에이전트 성능을 올릴 때 왜 '똑게 팀장' 스타일이 유리한가요?
에이전트에게 세부 절차까지 마이크로매니징하며 지정하면 오히려 결과물이 나빠질 수 있습니다. 목표와 기준만 명확히 제시하고 작업 절차는 AI에게 맡긴 뒤 귀납적 피드백으로 다듬는 방식이 현시점 AI 협업에서 가장 높은 성과를 냅니다.