도시개발자

깃허브 코파일럿 프로+ 한 달 사용후기: 단점을 중심으로 (Github Copilot Pro+)

dosi-dev — Sun, 28 Sep 2025 01:16:01 +0900

구매 배경 및 글 작성 이유

지난달 28일이던가 29일이던가 부터 사용하기 시작해서 한달 가까이 사용했다.

깃허브 코파일럿 프로를 잘 쓰고 있었는데, 좀 하드하게 쓰다보니 한도에 도달하는 경우가 많아졌다.

한도 늘리는 방법을 알아보니까 0.04불인던가? 얼마씩 주고 건당 추가로 쓰는 것과, 지금 이야기하는 프로+ 올리던가 두가지 였다.

사실 여기에 40불이나 쓰고 싶지 않았지만, Opus4를 이용할 수 있다는 말에 홀라당 넘어가서 구매했다.

나는 한달 동안 웹개발이랑, llm을 활용하는 이상한 나의 프로젝트들을 개발하는데에 사용했다.

컴공도 아닌 학부생 2학년이 바이브코딩한다고 써봐야 얼마나 잘 쓰겠나 싶긴 하다.

근데 내가 이걸 구매할 때 우리말로 된 후기글? 이 전무하다 싶이 해서, 고민하는 사람이 있다면 참고하라고 글로 쓰게 되었다.

결론부터 말하자면

정말 최악의 선택이었다.

사용하면서 이걸 40불이나 주고 샀다니 돈이 너무 아까웠다.

사실 글도 그래서 쓰는거다.

좋았으면 남들도 많이 써서 가격이 오를까봐 나 혼자 좋다고 썼겠지만, 너무 실망해서 동네방네 소문을 퍼뜨리고 싶다.

참고로 나는 깃허브 코파일럿 그냥 프로 쓸 때는 나름 괜찮았는데, 이게 플러스로 40불 내고 쓸 가치는 전혀 없다는 소리다.

교육용에디션 받아가지고 무료로 쓰는게 짱이다.

깃허브 코파일럿은 돈내고 쓰는건 많이 별로인것같다.

단점1. Opus 4 는 없는거나 다름없다

내가 프로+ 로 올린 가장 큰 이유가 Opus4를 지원한다는 거였다.

보면서 아니 이러면 뭐하러 비싼돈 주고 클로드 맥스로 클코드 돌리지? 이렇게 생각했다.

근데 내가 바보였다. 바보.

뭐 내가 샅샅이 안 찾아본 잘못일 수도 있지만, 아무리 생각해도 너무하다.

깃허브 독스에는 저렇게 프로+에서만 한다고 하지만, 뭐 틀린말은 아니다.

대부분 Opus4를 Agent모드에서 사용하려고 업그레이드 할 것이다.

근데 Opus4는 Ask모드만 지원한다!

이러면 사실상 없는거나 다름없다.

난 최대한 잘 써보자고 처음 개발 계획서를 세울 때 opus4를 써보긴 했지만, 결국 계획서도 에이전트 모드에서 써달라고 하는게 좋더라.

결국 opus4 한달동안 10번도 안 써본거 같다.

진짜 깃헙이 괘씸하면서도 제대로 안 알아본 내 스스로의 손가락을 잘라버리고 싶었다.

이 글을 보는 깃헙 코파일럿 프로 구매 예정자는 속지 않길 바란다.

단점2. 한도증가 말고는 차별점이 사실상 없다.

아마 프로+의 차별점을 꼽자면 한도 증가와 opus4 그리고 위 사진의 Github Spark일 것이다.

설명으로만 보면 깃허브 코파일럿보다 더 뛰어난 도구일 것 같지만, 솔직히 별거 없다.

사진은 내가 학교 공모전에 나갈 때 만들었던 웹사이트를 계획서만 던져주고 만들어달라고 한 것이다.

이게 지금 또 안 돼서 사진상에는 안 보이지만, 결과물이 예쁘기는 하다.

근데 그게 다고 사실상 백엔드는 없다고 봐야한다.

그리고 웹개발만 가능하다. 파이선기반으로만 짜달라고 해도 고집부리고 html 쓰고 자바스크립트 쓰고 웹개발만 한다.

결국 이 기능은 처음 딱 한번만 쓰고 한달 동안 한번도 안 썼다.

그리고 한도가 기존 150이던가? 에서 1500까지 늘어난다.

프로+가 40불이고, 그냥 프로에서 건당 0.04불로 쓴다고 하면 얼마냐 1000건 정도다.

많이 주는 것 같지만 그럼 결국 350건 정도 더 주는거다.

근데 난 아래에 오는 깃허브 코파일럿 자체의 단점 때문에 예상했던거 보다 더 적게 사용했다.

진짜 깃허브 코파일럿을 빡세게 사용하는 것이 아니라면 그냥 프로 요금제에 0.04불씩 건당 내고 쓰는게 훨씬 낫다고 생각한다.

솔직히 이 다음부터는 그냥 깃허브 코파일럿 자체에 대한 단점이자 불만이다.

단점3. 코드를 너무 대충 본다

난 에이전트모델에서 기본 모델로 Sonnet4를 사용한다.

Gemini 2.5pro나 GPT5도 써봤는데 소넷이 가장 문제 해결도 잘 하고 완성도도 높더라.

근데 이건 아마 깃헙 코파일럿의 문제라고 생각한다.

코드를 100줄부터 200줄 이런식으로 끊어서 읽는다.

API 값 아끼려고 열심히인건 알겠지만, 이게 코드가 길고 복잡해지면 치명적이다.

코드 내부에 엄청 긴 프롬프트를 하드코딩해서 넣어놓은 적이 있다.

근데 깃헙 코파일럿이 수정하면서 중간을 잘라먹고 문자열 내부에 코드를 작성하거나,

프롬프트 문자열이 끝나지도 않았는데 중간에서 지 맘대로 끝내버린다.

그리고 끝내버린 뒤로 코드에 오류로 줄줄이 빨간줄 그어지면, 코파일럿은 코드가 훼손됐다고 판단하고 파일을 싹 지우고 다시 작성한다.

다시 작성한 코드는 이전보다 기능도 이것저것 빠지고 다른 코드들과 호환도 안된다.

결국 사람이 개입해서 중단하고, 복구하고, 다시 지시하는 상황이 자주 생긴다.

단점4. 문제해결능력이 처참하다

이건 내가 잘 설명한 자신이 없어서 내가 겪은 상황만 간단히 설명하겠다.

Gemini API를 활용해서 llm이 계획을 세우고 도구를 사용하도록 테스트하는 중이었다.

근데 너무 계획에만 초점을 맞춰서 개발해서 그런지, 내가 "안녕"같은 인사만 해도 자꾸 도구를 써서 뭔가 하려고 했다.

그래서 내가 깃허브 코파일럿에게 "내가 인사할때 불필요하게 도구를 사용하는 문제가 있는데 해결해줘"라고 지시했다.

내가 기대한 결과는 프롬프트를 수정해서 도구를 필요할 때만 쓰게 한다던가,

뭔가 근복적인 해결책을 원했다.

근데 깃허브코파일럿이 사용한 방법은 '안녕', 'ㅎㅇ', '헬로' 같이 인사와 관련된 키워드를 파싱해서 그럴때는 계획이나 도구 사용을 안 하게 하도록 해결하더라.

결국 내가 인사할 때만 문제가 해결되고 다른 일반적인 대화에서는 해결이 안될것이다.

내가 요청하는 질문의 핵심 내용이나 의미하는 근본적인 원인을 전혀 이해하지 못하는것처럼 보였다.

잘은 모르겠지만 이게 Sonnet4모델의 문제라기보다는 토큰을 아끼려고 내부에서 어떤 과정을 거치니까 생기는 문제이지 싶다.

단점5. 잘 모르는 채로 시키면 위 문제들이 더 심각해진다

솔직하게 말해서 파이선 백준 골드 정도인 학부생 2학년이 꿈도 꿀 수 없는 프로젝트를 많이 도와준건 사실이다.

근데 내가 모르는채로 지시를 내려도, 아마 그렇게 시스템 프롬프트가 되어있는거 같은데, 무조건 내말이 맞다고만 한다.

예를 들어서 내가 "이부분은 이렇게 수정해야 되는거 아니야?"라고 모르는 채로 질문을 하면 깃허브 코파일럿은 헛소리고 틀린말이어도 "네 그 방법이 더 좋습니다!"하고선 잘못된 방향으로 수정한다.

나같이 100% 알지 못하는 놈이 바이브코딩 한다고 프로플러스를 쓰면 엉뚱한 방향으로만 더 간다.

난 지금 OpenAI의 Codex를 정말 잘 사용하고 있다.

다만 3일정도 쓰면 일주일 리미트가 다 돼서, 계정을 하나 더 구독해서 쓰고 있다.

클로드코드를 쓰고 싶었는데, 너무 비싸서... 근데 친구 말로는 잘은 모르겠지만 요새 클로드코드가 좀 별로가 됐다고 한다.

결론은 40불이면 그냥 ChatGPT를 두개 끊어서, 하나는 부모님 갖고 노시라고 드리고, codex를 메인으로 쓰는게 좋아보인다.

Github Copilot은 교육용 무료 프로만 쓰는거로 충분해보인다.

codex 쓰다가 좀 안된다? 아니면 계정 2개 다 리미트가 다 됐다? 할 때 깃허브 코파일럿 프로 쓰는게 딱이라고 생각한다.

도시연구 CLI 개발 현황과 앞으로의 방향

dosi-dev — Sun, 28 Sep 2025 00:17:53 +0900

블로그에 글 쓰는 습관이 아직 안 되어 있어서 그런지 마지막 글 쓰고 벌써 한달 가까이 지났다.

아무리 아무도 안 본다지만... 일기처럼 꾸준히 쓰는게 바람직한거 같다.

앞으로는 일단 생각날때마다 올리고 보겠다는 느낌으로 가야하지 싶다 ㅋㅋㅋ

도시연구 CLI는 무기한 보류 시켰다.. ㅋㅋㅋㅋ

의지문제20 : 기술문제80이다.

처음에는 Gemini cli 도구를 개조하는 방향으로 갔는데, 난 Python만 사용할 줄 알다보니 AI 코딩 보조 도구에게 알아서하라고 맡겨버리는 일이 잦아졌다.

또 기존 Gemini Cli를 개조하는거다보니, 내가 이미 몰라서 건들지 못하는 영역도 산더미였다.

결국 코딩AI만 믿은 나는 어느새 AI도 손대지 못할 정도로 복하고 지저분해진 끔찍한 결과물을 마주했다.

내가 그래도 의지문제를 20%만 준거는 이 다음에 나의 노력에 높은 점수를 쳐줬기 때문이다.

그냥 위에 끔찍해진 프로젝트는 통째로 처분하고 마크2를 만들기로 한 것이다.

이번에는 Python기반으로. 그리고 기존 cli도구를 개조하는게 아니라 내가 새로 만드는거로.

근데 결국 또 너무 복잡해지는 바람에 망쳤다.

새로 깨달은건 내가 아는 수준을 아득히 넘는 프로젝트는 AI만 믿고 가기에는 불가능하다는 것이다.

llm이 아무리 똑똑하고 코딩도구가 아무리 좋아도 한계가 있더라

결국 지금은 비슷한 계열이지만 좀 더 쉬운거를 먼저 개발하는 방향으로 설정하고 가고 있다.

지금 만드는건 개인용비서인데, 지가 내 노션도 관리해주고, 메일도 대신 써주고, 일정을 전반적으로 관리해주는 비서를 llm 기반으로 만들고 있다.

내가 자연어로 요청하면 에이전트 방식으로 지가 계획해서 도구쓰고 피드백하고 하는 녀석이다.

이건 내가 철저히 검수하면서 진행중이라 그런지 현재 순조롭게 개발하고 있다.

내 환경 전용으로만 맞춘거고, 이미 시중에 완전 같지는 않더라도 비슷한 서비스가 많아서 블로그에 이 얘기를 올리지는 않을 것 같다.

[1] 도시연구용 cli 도구 구체화하기

dosi-dev — Wed, 27 Aug 2025 00:02:57 +0900

어제 첫 글 쓰기 전까지만 해도 내가 하루만에 다음글을 쓸지는 몰랐다

하지만 생각보다 재밌어서... 오늘은 도시연구용 cli도구 개발 과정에 대한 기록을 써보려 한다

대부분 그러겠지만 난 아이디어를 떠올리면 구체화부터 한다

가능하면 아이디어를 떠올린 날 하려고 하는데, 왜냐하면 내 기억력이 심각하게 안 좋기 때문이다

아마 내가 잊어먹은 아이디어 중 한국의 스티브잡스가 될 수 있는 아이디어도 있었을거라 생각한다

다만 어디 메모장에 안 적어놓고 잊어먹은게 문제일뿐이다

이 프로젝트는 ai에게 최대한 도움을 받으면서 하고 싶어서 ai에게 구체화도 해달라고 부탁해봤다

남들은 어떻게 ai 이용해서 구체화하는지 모르겠지만, 나는 이렇게 내가 일단 할말 다 한다.

그럼 llm이 그때그때 맥락에 맞게 답을 뽑아낸다

사진은 내가 도시연구용 cli에 래그기술을 넣어주는게 도움이 될거 같아서 언급시키려고 일부러 물어봤다

아마 그냥 막연하게 구체화시켜달라고 해도 래그에 대한 언급이 구체화 계획으로 들어갈 거다

근데 내가 굳이 언급해주는건 이렇게 한번 언급해서 llm이 답변하게 하는게,

최종적으로 구체화 계획서 ai가 적어줄 때 도움이 많이 됐었기 때문이다

이런식으로 도시연구 cli가 자체적으로 데이터도 수집할 수 있게 언급시켜준다

나는 여태동안 Kosis에서 데이터 가져올 때 손수 가져온 기억밖에 없어서 이게 기술적으로 가능한지는 모른다

다만 일단 구체화계획에 들어가게는 해본다

이것저것 내 할 말 다하고 Gemini에게 구체화 계획서를 만들라고 시켰다

뚝딱

canvas 이용해서 금방 만들어 왔다

자율형 도시 연구 AI 에이전트 개발 계획서

1. 프로젝트 비전 및 목표

1.1. 비전

연구자가 제시한 단일 주제로부터 시작하여, 문헌 연구, 데이터 수집 및 분석, 최종 보고서 작성에 이르는 도시 연구의 전 과정을 자율적으로 수행하는 지능형 AI 에이전트를 구축한다.

1.2. 목표

본 프로젝트는 단순한 질의응답을 넘어, 연구자의 지능적인 파트너로서 가설을 설정하고, 데이터를 통해 검증하며, 학술적 글쓰기까지 보조하는 '궁극의 연구 보조원'을 개발하는 것을 목표로 한다. 이를 통해 도시 연구의 생산성을 획기적으로 높이고, 데이터 기반의 도시 정책 수립을 지원하며, 복잡한 도시 문제 분석의 대중화에 기여한다.

2. 핵심 기술 및 아키텍처

본 에이전트는 최신 LLM 트렌드를 적극적으로 반영하여, 다음과 같은 세 가지 핵심 기술을 기반으로 설계된다.

2.1. 기반 프레임워크: Gemini CLI

Google의 오픈소스 AI 에이전트인 Gemini CLI를 기본 컨트롤러(Controller)로 사용한다. 터미널 기반의 유연성과 확장성, 그리고 개인 계정 기준의 넉넉한 무료 API 할당량(일 1,000회)은 프로토타이핑 및 개발에 최적의 환경을 제공한다.

2.2. 설계 사상: MCP (Model-Controller-Plugin)

에이전트의 모든 기능은 MCP 아키텍처에 따라 모듈화된다.

Model (두뇌): Gemini 1.5 Pro. 사용자의 의도를 파악하고, 연구 계획을 수립하며, 플러그인들의 실행 결과를 종합하여 최종 결과물을 생성하는 핵심 추론 엔진.
️ Controller (지휘관): 커스터마이징된 Gemini CLI. 사용자와 모델 사이의 인터페이스 역할을 하며, 모델의 판단에 따라 적절한 플러그인을 호출하고 데이터 흐름을 관리.
️ Plugin (전문가): 특정 작업을 수행하는 외부 도구. 학술 검색, 데이터 수집, 통계 분석 등 연구에 필요한 실질적인 행동을 담당.

2.3. 핵심 기술: RAG (검색 증강 생성)

에이전트의 모든 답변과 분석은 RAG 기술을 통해 사실에 기반하도록 한다. 이를 통해 LLM의 '환각(Hallucination)' 현상을 방지하고, 최신 학술 정보를 실시간으로 연구에 반영하여 결과물의 신뢰도를 확보한다.

3. 단계별 개발 로드맵

프로젝트는 총 4단계의 점진적인 개발 과정을 통해 완성된다.

Phase 1: 기반 구축 및 핵심 상호작용 (MVP)

기간: 1개월
목표: 사용자가 제공한 논문과 데이터를 기반으로 기본적인 분석 및 요약을 수행하는 최소 기능 제품(MVP) 구현.
주요 개발 내용:
1. Gemini CLI 설치 및 환경 설정: 기본 개발 환경 구축.
2. 프롬프트 패턴화: GEMINI.md 파일을 활용하여 연구 프로젝트의 기본 컨텍스트(주제, 관점, 주요 개념)를 AI에게 사전 주입하는 방법론 정립.
3. 셸 스크립트 활용: 자주 사용하는 연구 명령어(논문 요약, 데이터 탐색 등)를 셸 에일리어스(Alias)로 만들어 작업 효율화.
4. 수동 RAG 구현: 사용자가 @논문.pdf 형식으로 직접 파일을 제공하면, AI가 해당 내용을 기반으로 답변을 생성하는 기능 집중 테스트.

Phase 2: 정보 검색 자동화 (RAG 시스템 구현)

기간: 2개월
목표: AI가 연구 주제에 맞춰 스스로 관련 문헌을 검색하고 학습하는 능동적 RAG 시스템 구축.
주요 개발 내용:
1. 학술 DB 검색 플러그인 개발:
  - Google Scholar, DBpia, RISS 등 학술 사이트의 API와 연동.
  - 주제어를 입력받아 관련 논문 목록, 초록, 피인용 횟수 등을 수집하는 기능.
2. PDF 분석 및 추출 플러그인 개발:
  - 수집된 논문 PDF 파일에서 텍스트를 추출.
  - '서론', '연구 방법', '결론' 등 특정 섹션의 내용만 발췌하는 기능.

Phase 3: 데이터 수집 및 분석 자동화

기간: 2개월
목표: AI가 연구 계획에 필요한 정량 데이터를 직접 수집하고 통계적으로 분석하는 기능 구현.
주요 개발 내용:
1. KOSIS 데이터 수집 플러그인 개발:
  - KOSIS(국가통계포털) OpenAPI 연동.
  - 자연어 명령을 API 쿼리로 변환하여 필요한 통계 데이터를 요청하고, 수신된 데이터를 CSV 파일로 자동 저장하는 기능.
2. 데이터 분석 및 시각화 플러그인 개발:
  - Python의 Pandas, Matplotlib, Scikit-learn 라이브러리 활용.
  - CSV 파일을 입력받아 기초 통계, 상관관계 분석, 회귀분석 등을 수행하고, 결과를 그래프 이미지로 생성하는 기능.

Phase 4: 완전 자율 워크플로우 통합

기간: 1개월
목표: 모든 플러그인을 유기적으로 결합하여, 주제 입력부터 최종 보고서 초안 작성까지의 전 과정을 자동화하는 완전한 에이전트 워크플로우 완성.
주요 개발 내용:
1. 문서 작성 및 참고문헌 플러그인 개발:
  - 분석된 모든 내용을 종합하여 논리적인 구조(서론-본론-결론)의 보고서 초안을 생성.
  - 연구 과정에서 인용된 모든 문헌의 서지 정보를 APA 등 학술 양식에 맞춰 자동으로 정리.
2. 에이전트 의사결정 로직 고도화:
  - '연구 계획 수립 → 문헌 검색 → 데이터 수집 → 분석 → 작성'으로 이어지는 전체 흐름을 AI가 스스로 판단하고 플러그인을 순차적으로 호출하도록 제어 로직 완성.

4. 기대 효과 및 활용 방안

연구 시간 단축: 문헌 조사 및 데이터 수집/전처리 등 반복적인 작업을 자동화하여 연구자가 핵심적인 분석과 해석에 집중할 수 있도록 지원.
데이터 기반 정책 시뮬레이션: 특정 도시 정책(예: 재개발 사업)이 도입되었을 때 예상되는 사회경제적 변화를 과거 데이터와 논문을 기반으로 예측하고 시뮬레이션.
연구의 대중화: 복잡한 통계 분석이나 프로그래밍 기술 없이도, 자연어 명령만으로 깊이 있는 도시 데이터 분석이 가능해져 학생, 시민, 활동가 등 비전문가도 쉽게 활용.

짜잔 구체화 계획서 완성이다

블로그에 이걸 올릴까 말까 고민했는데 누가 내 아이디어를 좋다고 가져갈까 싶어서 그냥 올렸다

근데 어제 7분이나 내 블로그에 방문을 했는데 대체 어떻게 알고 온건지 모르겠다

사실 그래서 아직도 난 이렇게 올려도 괜찮겠지하는 걱정이 남는다 (ㅋㅋ)

Gemini한테 예상 사용 시나리오도 적어달라고 해보았다

생각보다 잘 써주기도 했고, 무엇보다도 내가 원하는 바가 잘 들어나서 이것도 올려본다

[사용자]
gemini "서울시 공유 자전거 '따릉이'가 도시 공간 활성화에 미치는 영향에 대한 연구를 시작하고 싶어. 관련 연구 동향부터 데이터 분석, 최종 보고서 초안까지 부탁해."

[AI 에이전트]
알겠습니다. '서울시 따릉이 이용 패턴과 도시 공간 활성화 연관성 분석' 프로젝트를 시작하겠습니다. 연구 워크플로우를 다음과 같이 진행하겠습니다.

▶ STEP 1: 자동 문헌 연구 (RAG)
[Thinking]... '공유 자전거', '도시 활성화', '공간 분석' 키워드로 최신 연구 동향 파악이 필요합니다. '학술 DB 검색 플러그인'을 실행하겠습니다.
[Action] Calling 'academic_search_plugin' with keywords: "bike sharing", "urban vitality", "spatial analysis", "Seoul"
[Result] 국내외 주요 논문 15건의 초록 및 서지 정보 수집 완료.
[Thinking]... 수집된 논문들의 본문을 분석하여 주요 연구 방법론과 결론을 추출해야 합니다. 'PDF 분석 플러그인'을 실행하겠습니다.
[Action] Calling 'pdf_analyzer_plugin' on collected papers.
[Output to User] 문헌 연구 결과, 따릉이 이용률이 높은 지역은 유동인구 증가 및 상권 매출 증대와 양의 상관관계를 보인다는 선행 연구들이 존재합니다. 주로 공간 회귀분석(Spatial Regression)과 핫스팟 분석(Hot Spot Analysis)이 주요 연구 방법론으로 사용되었습니다.

▶ STEP 2: 연구 계획 수립
[Thinking]... 선행 연구를 바탕으로 구체적인 연구 질문과 가설을 설정하고, 필요한 데이터를 정의하겠습니다.
[Output to User] 연구 계획을 제안합니다.

연구 질문: 따릉이 대여/반납이 활발한 지역의 특성은 무엇이며, 이는 주변 상업 시설의 밀도와 어떤 공간적 관계를 맺는가?

가설: 따릉이 대여/반납 핫스팟은 상업 시설 밀도가 높은 지역과 공간적으로 유의미한 클러스터를 형성할 것이다.

필요 데이터:

서울시 따릉이 대여소별 시간대별 대여/반납 데이터

서울시 행정동별 상업 시설(소상공인) 데이터

서울시 행정동 경계 GIS 데이터

▶ STEP 3: 데이터 자동 수집
[Thinking]... 연구 계획에 따라 필요한 데이터를 수집해야 합니다. '서울시 열린데이터광장 플러그인'과 'KOSIS 데이터 수집 플러그인'을 순차적으로 실행하겠습니다.
[Action] Calling 'seoul_data_plugin' for bike sharing usage data.
[Result] '따릉이 대여소별 이용정보.csv' 파일 다운로드 완료.
[Action] Calling 'kosis_data_plugin' for commercial density data.
[Result] '서울시 행정동별 사업체 수.csv' 파일 다운로드 완료.
[Output to User] 연구에 필요한 데이터 2건의 수집을 완료하고 현재 프로젝트 폴더에 저장했습니다.

▶ STEP 4: 데이터 분석 및 결과 도출
[Thinking]... 수집된 데이터를 공간적으로 결합하고 가설을 검증하기 위한 분석 코드를 작성해야 합니다. '데이터 분석 플러그인'을 실행하겠습니다.
[Action] Calling 'data_analyzer_plugin' with instructions: "Load collected CSVs, perform spatial join with GIS data, conduct Hot Spot Analysis (Getis-Ord Gi*) on bike usage, and run bivariate spatial correlation analysis with commercial density."
[Result] Python(geopandas, pysal) 코드 생성 및 실행 완료. 분석 결과 및 시각화 자료 생성.
[Output to User] 데이터 분석을 완료했습니다.

결과 1: 따릉이 이용 핫스팟은 주로 도심 업무지구(강남, 종로)와 대학가 주변에 집중되는 것으로 나타났습니다. (첨부: hotspot_map.png)

결과 2: 따릉이 이용 핫스팟과 상업 시설 밀집 지역 간의 공간적 자기상관(Moran's I) 계수는 0.68로, 통계적으로 유의미한 양의 군집 패턴을 보입니다.

▶ STEP 5: 최종 결과 해석 및 보고서 초안 작성
[Thinking]... 모든 연구 과정과 결과를 종합하여 학술적 형식의 보고서 초안을 작성해야 합니다. '문서 작성 플러그인'을 실행하겠습니다.
[Action] Calling 'report_writer_plugin' with all previous steps' context.
[Output to User] '서울시 따릉이 이용 패턴과 도시 공간 활성화 연관성 분석' 연구 보고서 초안 작성을 완료했습니다. 아래 목차에 따라 내용이 구성되었으며, 참고문헌 목록도 자동으로 생성되었습니다. 검토 후 수정할 부분을 알려주세요.

1. 서론

연구의 배경 및 필요성

2. 이론적 배경 및 선행 연구 검토

공유 모빌리티와 도시 공간에 대한 논의

3. 연구 설계 및 방법

데이터 수집 및 분석 방법론 (공간 자기상관 분석 등)

4. 분석 결과

따릉이 이용 패턴의 공간적 특성

이용 패턴과 상업 시설 밀도의 연관성 분석

5. 결론 및 정책적 제언

연구 요약 및 시사점

참고문헌

수많은 티스토리글을 구글 검색할 때마다 보면서 한번쯤 이 '코드블럭'이라는 기능을 써보고 싶었다

같은 텍스트를 복사 붙여넣기 해도 참 예뻐보인다

내가 공대남이라 그런지도 모르지만 난 이런 느낌이 참 마음에 든다

다시 주제로 돌아와 아무튼 내가 이게 원하는 도시연구 cli도구의 최종 모습이다

여기서 사용자는 "따릉이가 도시공간 활성화에 미치는 영향 연구하고 싶어" 이거 하나만 말해도,

llm이 척척 선행연구 읽어보고 검토한 후, 연구 계획 세워서 진행한다

연구 과정에서는 데이터도 자기가 알아서 수집하고 분석한다

이 모든 과정과 분석 결과에 대한 해석까지 담아서 보고서로 만든다

만들 수만 있다면 정말 대박일거라고 생각한다

오늘은 구체화까지 끝냈으니 내일부터는 본격적으로 개발에 들어가보려 한다

개발에 들어가서도 cli 코딩 보조 도구를 열심히 써보려고 한다

ai를 이용한 연구 도구를 개발하기 위해 ai로 구체화하고 ai로 개발하고 참 아이러니하다는 생각이 든다

블로그 첫 글과 도시연구용 Cli도구

dosi-dev — Mon, 25 Aug 2025 23:34:20 +0900

블로그는 주변에서 추천을 많이 해주기도 했고 지인 중에 은근 많이들 해서 시작헸다

사실 나는 가만히 있는걸 싫어해서 허접한 결과물이든 뭐든 만드는걸 좋아한다

그런데 이걸 내 컴퓨터에 그냥 차곡차곡 모으기는 아깝다는 생각이 들어서... 블로그에 기록을 남기려고 만들었다

블로그 이름 도시개발자는 도시에 '컴퓨터 쪽 개발자'를 합친 것이다

도시디벨로퍼라는 직업을 처음 알았을 때 나는 이 디벨로퍼가 프로그래머 같은 디벨로퍼인줄 알았다

나중에 디벨로퍼가 부동산 개발자라는걸 알았을 때 참 마음에 안 들었다

그래서 나는 개발자라는 명칭을 이 개발자라는 의미로 쓰고 싶어서 이름을 이렇게 지었다

이름은 다 지었는데 말투는 어캐해야하나 싶었는데 그냥 지금 써지는데로 쓰는중 나는 이런 반말같은 느낌이 좋다

또 블로그를 정작 만들었는데 뭘 써야하나 싶어서 한참을 미루다 좀 열심히 살고 싶어서 오늘 첫글을 쓰고 있다

난 티스토리 들어올 일이 평소에 구글 검색 정도뿐인데, 내 블로그에 누군가 온다면 어떤 경로로 올까 궁금하기도 하다

요새는 나는 ChatGPT와 같은 ai를 갖고 노는걸 좋아한다

컴공도 아닌 학부생 짜리가 진짜 상상하는거 다 만드는데에 ai만한게 없다

이런 매력적인 친구를 쓰다보니 점점 원리가 궁금해져서 ai연구에도 관심이 생겼다

그래서 지금부터 만들어 보려는건 도시 연구봇이다

cursor나 cli도구 같은 코딩 보조 도구를 사용해본적이 있는가?

난 여태 Gemini 웹에서 갖고 놀다가 몇달전에 처음으로 이 녀석들을 써봤는데 정말 ChatGPT 처음 만났을 때 기분 수준으로 혁신이었다.

내가 말만 하면 자기가 알아서 내 로컬 파일들 읽어보고, 코드 짜오고, 실행시켜보고, 수정하고, 다시 실행해서 결과 확인하고...

한 두 달 쯤 쓰니 난 이렇게 좋은 녀석들을 왜 개발에만 쓰는지 의문이 생겼다

cli도구에 mcp, 즉 ai가 쓸 수 있는 도구를 쥐어주면 정말 똑똑한 사람들이 만든 다양한 도구를 나의 Terminal 속 ai에게도 줘 볼 수 있다

그러면 내 분야인 도시연구에도 써 볼 수 있지 않을까?에서 시작한 아이디어다

Gemini한테 먼저 cli도구를 수정하는게 가능하냐고 물어봤는데, 충분히 가능하다고 한다

뒤이어 내 본론을 꺼내니 기술적으로 가능하다고 말한다

'매우 흥미롭고 창의적인'이라는 ai 특유의 뻔한 칭찬이 평소와 다르게 묘하게 나를 기분 좋게 만들어 준다

그 뒤로 따로 부탁하지도 않았는데 고맙게도 개발 로드맵을 작성해줬다

그중에서 내 아이디어의 핵심인 3단계만 가지고 왔다

내가 아직 연구쪽 지식이 부족해서 생각해 볼 수 있는 ai용 '도구'들이 제한적이지만... 코딩 도구들과 함께라면 뭘 못하겠는가

요 글만 올리고 바로 지금부터 도시연구 cli도구를 만들어보려고 한다

아마 다음글도 그거 관련이 되지 싶다

뭐 어쩌면 llm 기술 논문에 대한 이야기일지도 모르고, 최근 도시연구 중 흥미로운 논문 이야기일 수도 있고

그래도 오늘 첫 글을 써봤는데 생각보다 내 얘기 쓰는게 재밌어서 다음글도 곧 쓸거 같다