도구 상자 실전: AI가 세션을 넘어 90일 학습을 이어 가게 하기

많은 사람에게 없는 것은 계획이 아니다. 이 표들을 도대체 언제 펼쳐야 하는지를 모를 뿐이다. 흔한 문제가 하나 더 있다. 학습을 석 달째 이어 가다 보면 AI 세션은 점점 길어지고, 새 세션을 열면 앞서 쌓은 상태가 몽땅 사라진 것처럼 느껴진다.

해법은 AI에게 영원히 기억해 달라고 요구하는 데 있지 않다. 상태는 파일에 저장하고, AI는 지금 과제만 처리하게 하라.

이 페이지는 직무 전환을 준비하는 Python 학습자 한 명을 예로 들어 전 과정을 시연한다. 인물, 과제, 코드 결과, 점수, 피드백은 모두 합성 데이터이며 작성 방법을 설명하는 데만 쓴다. 실제 독자의 성과가 아니며, 90일이면 직무 전환에 충분하다는 증거도 될 수 없다.

이것은 성공 사례가 아니다

시연 속 학습자에게는 다음 설정이 있다.

• 변수, 조건문, 간단한 반복문은 읽을 수 있지만 작은 프로그램 하나를 혼자 완성하지는 못한다.
• 매주 네 번, 한 번에 45분씩 꾸준히 시간을 낼 수 있다.
• 90일 목표는 CSV를 읽고 데이터를 검사해 요약을 출력하는 명령줄 도구를 혼자 완성하는 것이다.
• 회사 데이터를 올리지 않고, 최종 작업물을 AI에게 대신 쓰게 하지 않으며, 중단된 만큼을 밤을 새워 메우지 않는다.
• 14일째에도 핵심 코드를 설명하지 못하면 프레임워크나 새 강의를 더하지 않는다.

이 조건들은 시연을 위한 경계일 뿐이다. 출발점, 시간, 몸 상태, 일, 목표는 전혀 다를 수 있다.

장면: 계획은 왜 기억을 잃는가

처음의 잘못된 방식은 모든 일을 대화창 하나에 남겨 두는 것이다.

1. AI에게 12주 계획을 짜 달라고 한다.
2. 매일 같은 세션에서 질문하고, 연습하고, 코드를 수정한다.
3. 오류, 진도, 다음 단계를 앞선 대화가 기억해 주기를 기대한다.
4. 맥락이 너무 길어지자 새 답변에 예전 과제가 섞이기 시작한다.
5. 세션을 바꿀 때마다 긴 회상으로 자기소개를 처음부터 다시 한다.

문제는 맥락의 길이만이 아니다. 대화 기록에는 안정된 버전이 없고, “완료한 사실” “AI의 해석” “다음 가설”도 뚜렷이 나뉘지 않는다. 진짜 학습 상태는 어느 한 도구, 어느 한 세션에 갇혀서는 안 된다.

다섯 가지 도구가 각각 하는 일

도구	이 사례에서 맡는 일	맡지 않는 일
학습 상태	세션을 넘어 이어지는 사실, 증거, 오류, 경계, 다음 과제 보존	대화 한 줄 한 줄 저장하기
AI 과제 브리프	이번 45분 과제, 입력, 도움 방식, 검수 기준을 제한	인생 계획 전체 세우기
증거 사슬	독립 기준선, 보조 버전, 지연 재측정, 전이 비교	점수 하나로 “이미 배웠다” 증명하기
주간 회고	한 주의 증거를 근거로 변수 하나만 바꾸기	한 번의 나쁜 컨디션을 인격에 대한 결론으로 쓰기
독자 실천 회신	이 방법이 실제 행동으로 이어졌는지, 어디서 아직 쓰지 못하는지 기록	프라이버시 공개나 책 평점 요구

도구 상자를 처음 쓴다면 먼저 이 페이지를 따라 한 주를 완수하라. 나머지 템플릿을 한꺼번에 모두 열지 마라.

1단계: 상태를 세션 밖에 두기

학습자는 AI 세션을 기억 장치로 삼는 대신 python-learning-state.md부터 만든다.

# Learning State — python-90d-v1

업데이트 날짜: 2026-09-02
90일 장면: CSV 요약 명령줄 도구를 혼자 전달하고, 입력 검증·오류 처리·테스트를 설명할 수 있음.
현재 기준선: 변수, if, for는 쓸 수 있음. CSV 읽기, 함수 나누기, 테스트 작성은 혼자 못 함.
가용 여력: 월·수·금·일 각 45분.
기존 증거: baseline/day-01.py; 실행하면 빈 값 행에서 오류 발생.
반복 오류: 답부터 봄; 돌아가는 것을 설명할 수 있는 것으로 착각함; 변수를 여러 개 바꾼 뒤 원인을 판단하지 못함.
경계: 실제 회사 데이터 쓰지 않기; 내 버전을 먼저 제출하기; 23:00 이후 보충 학습 안 하기.
현재 단계: 1–14일 차 보정.
다음 최소 과제: 12행짜리 합성 CSV를 읽고, 빈 행을 건너뛰고, 유효 행 수와 총금액을 출력하기.
완료 기준: 독립 버전이 실행됨; 함수마다 설명할 수 있음; 실패 테스트를 하나 이상 저장함.
중단 조건: 45분이 끝나면 상태를 저장함. 밤새워 끝내지 않음.

상태 파일에는 다음 행동을 바꿀 내용만 남긴다. 강의 발췌, 전체 대화, 시도마다의 세부 사항은 증거 폴더에 두고 상태 페이지에 욱여넣지 않는다.

2단계: AI에게는 한 번에 과제 하나만

새 세션을 시작할 때 AI에게 “나를 기억해”라고 요구하지 않는다. 최신 상태와 이번 과제 브리프만 제출한다.

아래는 내 학습 상태 파일이다. 먼저 버전, 목표, 현재 증거, 주요 오류, 경계, 다음 과제를 6개 이하의 요점으로 재진술하고, 충돌이나 빈틈을 짚어라. 파일에 없는 사실은 보태지 마라.

이번에는 과제 하나만 한다: 합성 CSV를 읽고, 빈 행을 건너뛰고, 유효 행 수와 총금액을 출력하기.
절차: 먼저 내가 독립 버전을 제출한다. 너는 결과에 영향을 주는 문제를 최대 3개까지만 짚고, 완성 코드를 바로 주지 않는다. 내가 수정하면 테스트 두 개로 확인한다. 45분이 끝나면 “완료, 증거, 오류/위험, 인계, 다음 단계” 다섯 항목의 업데이트를 출력한다.

AI의 첫 번째 일은 상태를 재진술하는 것이지, 곧장 강의를 시작하는 것이 아니다. 재진술이 틀렸다면 먼저 상태 파일이나 프롬프트를 고쳐라. 잘못된 전제 위에서 계획을 계속 만들게 두지 마라.

3단계: 기준선을 먼저 만들고, 도움은 그다음에

합성 시연에서 독립 버전은 다음 결과를 얻었다.

조건	결과	증거
25분, 답 보지 않음	정상 행은 읽음. 빈 금액에서 예외 발생. 모든 로직이 함수 하나에 있음	evidence/week-01/baseline.py
AI가 문제 세 개만 지적	빈 값 검증, 함수의 책임, 테스트 부재를 식별함	evidence/week-01/feedback.md
수정 후	정상 행·빈 행 테스트 통과. 잘못된 금액 형식은 아직 처리하지 못함	evidence/week-01/revision.py

이것은 “AI가 프로그램을 써 줬다”가 아니다. 더 정확한 기록은 이렇다. 독립 버전이 문제 세 개를 드러냈고, AI가 분류를 도왔으며, 학습자가 그중 둘을 고쳤고, 세 번째는 다음 과제로 넘어갔다.

처음부터 완성 코드를 달라고 하면 최종 파일은 더 그럴듯해질지 몰라도 기준선을 잃고, 어느 부분이 학습자의 능력인지도 알 수 없게 된다.

4단계: 작업물을 증거 사슬에 넣기

첫 주에는 “CSV를 배웠다” 같은 결론을 남기지 않는다. 대신 네 시점을 기록한다.

시점	조건	합성 결과	여전히 말해 주지 못하는 것
기준선	AI 없이 25분	검수 조건 1/3 통과	오류 처리를 이해했다고 볼 수 없음
즉시 보조 후	피드백 세 개를 본 뒤	2/3 통과, 함수 두 개를 설명할 수 있음	며칠 뒤에도 쓸 수 있다고 볼 수 없음
7일째 지연 재측정	예전 코드를 보지 않고, 구조가 같은 다른 CSV로	2/3 통과. 잘못된 금액을 또 놓침	새 필드에 대응할 수 있다고 볼 수 없음
전이	currency 필드 추가	고칠 위치는 찾았으나 통화 검증은 미완성	구조가 전이되기 시작했지만 선행 지식이 부족함

이 결과는 만점이 아니지만 “한 주를 버텼다”보다 더 많은 정보를 준다. 다음 변수는 pandas, 웹 프레임워크, 데이터베이스를 더하는 것이 아니라 입력 검증과 실패 테스트를 집중해서 연습하는 것이다.

5단계: 새 세션에서 이어 가기

주말 회고에서는 결정을 바꾸는 내용만 상태 파일에 다시 적는다.

# Learning State — python-90d-v2

업데이트 날짜: 2026-09-08
완료: CSV 정상 행과 빈 행 처리; read_rows / summarize 두 함수로 분리.
증거: week-01/baseline.py; revision.py; day-07-retest.py; tests.md.
지연 결과: 7일째에도 조건 2/3 달성; 잘못된 금액 검증은 또 실패.
주요 오류: 오류 경로에 테스트가 없음; 정상 출력을 보면 너무 일찍 점검을 멈춤.
유지하는 경계: 합성 데이터; 먼저 혼자 답하기; 45분에 멈추기; 놓친 시간은 보충하지 않기.
다음 최소 과제: 실패 테스트 세 개를 먼저 쓰고, 그다음 parse_amount 구현하기.
완료 기준: 빈 값, 문자, 음수 세 가지 입력 모두 결과가 명확함; 설계 선택을 말로 설명할 수 있음.
다음 재점검: 2026-09-15.

예전 세션은 닫아도 된다. 새 세션에는 v2와 관련 증거 위치만 있으면 되고, 수만 자에 이르는 대화를 붙여 넣을 필요가 없다. AI가 세션을 넘어 학습을 추적한 것이 아니다. 추적은 상태 파일이 했고, AI는 그 파일을 읽고 거기에 맞춰 일했을 뿐이다.

6단계: 7일 뒤 독자 회신 작성하기

합성 시연에서도 확인할 것이 하나 더 있다. 도구 상자 자체가 행동에 도움이 되었는가.

진입 문제: 새 AI 세션에서 석 달짜리 계획을 어떻게 이어 가야 할지 몰랐다.
실제 행동: 버전을 매긴 학습 상태를 만들었다; CSV 작은 과제 하나를 마쳤다; 독립 버전과 재측정 결과를 저장했다.
7일 뒤 남은 것: 원래 세션을 보지 않고도 상태 v2를 쓰고, 새 세션에서 명확한 과제 하나를 이어 갈 수 있다.
전이 실패: 오류를 저장해야 한다는 것은 알지만, 오류를 어떻게 분류할지는 여전히 모른다.
가장 도움이 된 것: 다섯 도구의 역할표와 상태 파일 예시.
여전히 추상적인 것: 단계 문턱에는 다양한 목표의 예시가 더 필요하다.
끌어낼 수 없는 결론: 이 절차가 90일 뒤 취업 요건 달성을 보장한다는 것.

이 회신은 먼저 비공개 메모에 보관한다. 경로, 신원, 민감한 내용을 지운 뒤에야 공개 버전을 제출할지 고민한다.

한 주가 끊겼다면

상태 파일은 계획을 전부 메우라고 요구하지 않는다. 중단 뒤 첫 단계는 사실을 적는 것이다.

중단 사실: 7일 동안 연습하지 못했다.
원인 증거: 야근 두 번; 몸이 안 좋았던 적 한 번; 재측정 미완료.
하지 않을 일: 네 번의 수업을 주말에 몰아넣지 않는다. 밤을 새워 갚지 않는다.
복귀 행동: 지난번 테스트를 실행하고, 실패 사례 하나를 쓰고, 상태 파일을 업데이트한다.
24시간 완료 기준: 실패 테스트와 다음 25분짜리 진입점을 저장한다.

건강, 안전, 업무 책임, 관계를 먼저 챙겨야 한다면 회복 자체가 이번 주의 결과가 될 수 있다. 계획은 삶을 위해 있다. 삶이 계획에 사과할 필요는 없다.

그대로 복사해 쓰는 세션 협약

1. 먼저 내가 제출한 상태 버전, 목표, 증거, 오류, 경계, 다음 과제를 재진술하라.
2. 충돌과 빈칸을 짚되, 적혀 있지 않은 이력은 추측하지 마라.
3. 이번에는 최소 과제 하나만 다루고, 먼저 내가 독립 버전을 제출하게 하라.
4. 피드백은 결과에 영향을 주는 문제 최대 세 개로 하고, 관찰·해석·제안을 구분하라.
5. 내가 분명히 요청하지 않는 한 완성된 답을 바로 주지 마라.
6. 끝날 때 완료, 증거, 오류/위험, 인계, 다음 단계를 출력하라.
7. 모든 장기 상태는 파일을 기준으로 삼고, 다른 세션을 기억한다고 주장하지 마라.

이 협약이 AI가 절대 틀리지 않도록 보장하지는 못한다. 다만 오류를 더 쉽게 발견하게 하고, 문제와 상태와 최종 판단의 주인이 학습자로 남게 한다.

이 시연이 증명한 것과 아직 증명하지 못한 것

이 시연은 다섯 도구가 뚜렷한 인계 구조를 이룰 수 있음을 보여 준다. 상태는 세션 밖에 저장되고, 과제는 작아지며, 독립 버전과 보조 버전이 나뉘고, 7일 뒤 재측정이 있고, 새 세션에는 믿을 만한 진입점이 있다.

증명하지 못한 것은 다음과 같다.

• 이 합성 인물이 90일을 버틸 것이다.
• 이 과제의 난이도가 모든 초보자에게 맞는다.
• AI를 쓰면 쓰지 않을 때보다 반드시 더 빨리 배운다.
• 명령줄 도구를 완성하면 실제 직무 능력을 갖춘 것이다.
• 한 주의 결과가 장기적인 전이를 대표한다.

실제로 쓸 때는 자신의 기준선, 작업물, 시간, 비용, 실패를 남겨 두라. 예시는 작성법을 보여 줄 뿐이고, 그것이 쓸모 있는지는 현실이 판가름한다.

맺음말: 기억은 파일에 맡기고, 판단은 스스로 쥐기

오래 이어 가는 학습이 대화창이 닫혔다고 과거를 잃어서는 안 되고, 대화창이 길다고 연속성을 가진 척해서도 안 된다.

이미 일어난 사실은 상태 파일이 기억하게 하고, 실제로 만든 버전은 증거가 보존하게 하고, 다음 세션은 다음 단계만 맡게 하라. 도구는 바뀔 수 있고, 모델은 업데이트될 수 있고, 계획은 줄어들 수 있다. 자신이 어디서 왔는지, 무엇이 아직 증명되지 않았는지, 다음 과제가 어디 있는지 알고 있는 한, 학습은 어느 한 번의 대화에도 갇히지 않는다.

관련 바로가기: 학습 상태 | AI 과제 브리프 | 증거 사슬 | 독자 실천 회신