AI 카드뉴스, 퀄리티는 스킬 파일에서 갈립니다.
제가 쓰는 카드뉴스 제작 시스템 구조입니다.
[수집] → [큐레이션] → [편집] → [카피] → [아트] → [발행]
orchestrator
├ feed-fetcher ─ RSS/API에서 최신 기사 수집, 중복 제거
├ feed-curator ─ 원문 요약 + 카드뉴스 적합도 평가
├ editor ─ 슬라이드 구성안 설계
├ copywriter ─ 슬라이드별 최종 텍스트 작성
├ art-director ─ 배경 이미지, 무드, 레이아웃 결정
└ publisher ─ 최종 파일 생성
각 역할이 하나의 스킬 파일(.md)이고, orchestrator가 순서대로 호출합니다. CLI에서 /cardnews-orchestrator만 치면 전체가 돌아갑니다.
feed-curator가 하는 일이 좀 특이한데, "이 기사는 카드뉴스로 만들 만한가?"를 AI가 먼저 걸러줍니다. 적합도를 높음/보통/낮음으로 평가하고, 높음만 다음 단계로 넘깁니다.
퀄리티 차이를 만드는 건 3가지입니다.
① copywriter에 "후킹 툴킷"을 심어둠
AI가 알아서 제목을 쓰게 두면 매번 비슷한 설명형 제목이 나옵니다. 그래서 심리 원리 기반 후킹 유형 10가지(FOMO, 권위/단정, 통계/격차, 궁금증 갭 등)를 스킬 파일에 표로 넣어뒀습니다. AI가 콘텐츠를 분석하고 가장 맞는 유형을 골라서 제목을 쓰게 됩니다.