AI 에이전트 자비스 — OpenClaw 실전 활용기 (flowkater)
ChatGPT에 질문하던 수준에서 24시간 AI 버틀러와 함께 일하는 수준까지, 6개월의 여정. OpenClaw 프레임워크, 10개 크론잡, 분산 투두 통합, 멀티에이전트, 옵시디언 온톨로지.
OpenClaw 개요
- “나만의 AI 에이전트” 오픈소스 프레임워크
- Gateway Daemon이 맥북에서 상시 구동, 메신저 채널 + LLM + 도구 연결
- 핵심: “채팅봇”이 아니라 “에이전트” — 크론잡으로 자는 동안에도 일함
- 설치:
brew install openclaw/tap/openclaw→openclaw init→openclaw gateway start
SOUL.md — AI 정체성 정의
마치 채용 공고(JD)를 쓰는 것. AI에게 “너는 누구인지”를 명확히 정의하면 답변 품질이 극적으로 차이남.
나는 자비스(JARVIS). Tony 선생님의 AI 버틀러.
진정으로 도움이 되어라. "좋은 질문입니다!" 같은 말은 생략.
의견을 가져라. 동의하지 않을 수 있고, 직언할 수 있다.
먼저 해결을 시도하라. 막히면 그때 물어봐라.
질문이 아닌 답을 가지고 오는 게 목표다.
10개 크론잡
| 시간 | 크론잡 | 하는 일 |
|---|---|---|
| 04:00 | 스킬 자동 업데이트 | 어제 대화 분석 → 스킬 파일 자동 보강 |
| 04:30 | 저장소 docs 싱크 | Git 저장소 문서 → Obsidian 동기화 |
| 06:00 | 아침 메일 요약 | 읽지 않은 메일 3줄 요약, 뉴스레터 5줄 상세 |
| 06:00 | 테크 뉴스 다이제스트 | HN 핫 토픽 6-8개 한글 요약 |
| 08:00 | 날씨 알림 | 서울 날씨 + 어제 대비 + 미세먼지 + 옷차림 |
| 09:00 | 아침 체크인 | 어제 작업 요약 + 오늘 할일 + 캘린더 + 학습 분량 |
| 14:00 | 토/일 F1 주간 뉴스 | 이번 주 F1 소식 요약 |
| 21:00 | 월 주간 식단 피드백 | 지난주 식단 분석 + 다이어트 조언 |
| 23:00 | 식단 리마인더 | 오늘 식단 추가 기록 확인 |
| 00:00 | 자정 체크아웃 | 오늘 작업 정리 + 내일 할 일 |
투두 통합 — 분산 도구의 역설적 해결
도구별로 쓰되 AI가 통합:
- Things 3: 개인 할 일
- Linear: 업무 이슈
- Notion: 프로젝트 관리
- 학습 플래너: 학습 분량
AI가 아침마다 전부 읽어서 텔레그램 브리핑 하나로 정리. “분산된 도구”가 단점에서 장점으로. 각 도구는 자기가 잘하는 걸 하고, 통합은 AI가 한다.
실제 업무 위임 사례
- 기획 문서 작성: 서브에이전트로 iOS/백엔드 코드 분석 → 이슈 4개 발견 → 와이어프레임 포함 기획안
- 글쓰기: 서브에이전트 4명 동시 투입 (블로그 분석, 문서 리서치, 초안 작성) → 조합
- 코드 분석: Go 코드 직접 읽고 함수 호출 흐름, 트랜잭션, 엣지 케이스까지 정리
- 뉴스레터 전문 번역: TLDR, ByteByteGo 등 → 한국어 → Obsidian 저장
- 식단 관리: 텔레그램에 식사 보내면 탄수/단백질 추정 → 옵시디언 기록 → 주간 피드백
멀티에이전트 (3명)
| 에이전트 | 담당자 | 채널 | 모델 | 성격 |
|---|---|---|---|---|
| JARVIS | Tony (개발자) | Telegram | Opus | 영국식 위트, 직언하는 버틀러 |
| FRIDAY | Ellie (디자이너) | Slack DM | Sonnet | 실용적, 간결, 디자이너 파트너 |
| KAREN | George (주니어 인턴) | Slack DM | Sonnet | 소크라테스식 멘토링, 답 대신 질문 |
agentToAgent 통신 지원. Scrumble로 데일리 스크럼 자동화.
옵시디언 온톨로지 — AI에게 ‘나’를 가르치는 법
왜 옵시디언인가
온톨로지 구조
_ontology/
├── 프로젝트/
│ ├── Todait.md
│ ├── Scrumble.md
│ └── flowkater.io.md
├── 주제/
│ ├── AI에이전트.md
│ ├── AI코딩.md
│ └── 건강.md
└── 전체 개념맵.md
태그 4축: 주제 / 타입 / 출처 / 프로젝트
핵심 인사이트
- 같은 질문이라도 ‘내 컨텍스트’를 아는 AI는 완전히 다른 차원의 답을 함
- 태깅은 AI가 자동으로 함 (“이 문서 저장해줘”만 하면 됨)
- 온톨로지 구축은 AI를 위한 게 아니라 자기 자신을 이해하는 과정
실전 팁
- 남는 맥북을 서버로 (Tailscale VPN), 없으면 클라우드 (Vultr/Hetzner)
- 서브에이전트 적극 활용 — 무거운 작업은 비동기 위임
- 새벽 크론 적극 활용 — “밤 사이 정비”
- 전용 계정 만들기 — 최소 권한만 부여
- 처음부터 완벽하게 세팅할 필요 없이 아침 브리핑 하나부터 시작
배운 것
- AI 에이전트는 “질문-답변”이 아니라 “위임-실행”
- 도구는 분산시키되, 통합은 AI에게 맡겨라
- 온톨로지가 AI의 답변 품질을 결정
- 크론잡은 “시간을 버는” 게 아니라 “인지 부하를 없애는” 것
관련 노트
- OpenClaw Opus 대안 — Qwen3.6-Plus — 모델 선택 전략
- Karpathy LLM Knowledge Bases — LLM 활용 철학
출처
- flowkater.io: https://flowkater.io/posts/2026-02-15-ai-jarvis-openclaw/
- 작성자: Tony Cho (Indie Hacker, Product Engineer)
- 작성일: 2026-02-15