아래는 오픈클로 사용 방법에 관한 글입니다. 해당 내용 중 사용할만한 것들 14개만 추려보았습니다.

GitHub - hesamsheikh/awesome-openclaw-usecases: A community collection of OpenClaw use cases for making life easier.

A community collection of OpenClaw use cases for making life easier. - hesamsheikh/awesome-openclaw-usecases

GitHubhesamsheikh

목차

1. AI가 매일 아침 브리핑을 보내준다
2. 습관 앱 3일 만에 포기했다면, AI 코치를 써보세요
3. 뭘 먹으면 속이 안 좋은지, AI가 패턴을 찾아줍니다
4. 메모 앱이 무덤이 됐다면, 문자로 저장하고 검색하세요
5. 분명히 저장했는데 어디 갔지? AI 지식 베이스로 해결합니다
6. OpenClaw 메모리가 너무 많아졌다면, 의미 기반 검색을 추가하세요
7. 목표만 알려주면 AI가 매일 할 일을 스스로 만들어서 실행합니다
8. 아빠가 딸을 위해 AI로 교육 게임 40개를 만든 이야기
9. 이미 있는 걸 또 만들지 마세요, AI가 먼저 확인해줍니다
10. AI 에이전트에 API 키를 직접 주지 마세요, n8n으로 분리하는 법
11. AI가 뭘 하고 있는지 Todoist에서 실시간으로 확인하는 법
12. 1인 창업자인데 AI 팀원 4명을 두고 있습니다
13. 뭘 만들어야 할지 모르겠다면, AI가 시장 조사부터 해줍니다
14. 만난 사람 기억 못 하시죠? AI가 자동으로 인맥을 관리합니다

1. AI가 매일 아침 브리핑을 해줍니다.

매일 아침 30분, 뉴스 확인에 쓰고 있지 않나요?

아침에 눈 뜨자마자 뉴스 앱 열고, 캘린더 확인하고, 할 일 목록 정리하고… 정신 차리면 30분이 훌쩍 지나 있습니다. 저도 매일 이 루틴에 지쳤습니다.

그런데 이 모든 걸 AI 에이전트(사용자 대신 자동으로 작업을 수행하는 AI)가 밤새 알아서 준비해두면 어떨까요? 아침에 텔레그램(Telegram) 메시지 하나로 끝나는 겁니다.

OpenClaw(오픈클로)를 활용해 매일 아침 맞춤 브리핑을 자동으로 받는 방법을 단계별로 알려드리겠습니다.

이 자동화가 해주는 일

설정하면 매일 같은 시간에 다음 내용이 메시지로 도착합니다. 내 관심 분야의 최신 뉴스 요약, 오늘 해야 할 일 목록, 콘텐츠 아이디어 초안(제목이 아니라 실제 글감!), 그리고 AI가 오늘 대신 처리할 수 있는 업무 추천까지 포함됩니다.

핵심은 AI가 단순 알림이 아니라 실제 결과물을 만들어 준다는 점입니다. 아이디어 '제목'이 아니라 완성된 '초안'을 받아보실 수 있습니다.

따라하기: 3단계 설정법

1단계: 메신저 연결하기 — OpenClaw에 텔레그램, 디스코드(Discord) 등 원하는 메신저를 연결해주세요. 알림을 받을 채널을 먼저 정하는 것이 중요합니다.

2단계: 브리핑 내용 설정하기 — OpenClaw에 다음과 같이 프롬프트(AI에게 내리는 명령어)를 입력합니다.

text(예시)

I want to set up a regular morning brief. Every morning at 8:00 AM,
send me a report through Telegram.

I want this report to include:
1. News stories relevant to my interests (AI, startups, tech)
2. Ideas for content I can create today
3. Tasks I need to complete today (pull from my to-do list)
4. Recommendations for tasks you can complete for me today

For the content ideas, write full draft scripts/outlines — not just titles.

3단계: 취향에 맞게 다듬기 — 설정 후에도 메시지로 간단히 수정할 수 있습니다. "날씨 정보도 추가해줘", "일반 뉴스 빼고 AI 소식만 넣어줘" 같은 자연어 명령만 보내면 됩니다.

무엇을 넣어야 할지 모르겠다면 이렇게만 말해도 괜찮습니다: "나한테 도움이 될 만한 걸 알아서 넣어줘." AI가 알아서 구성해줍니다.

2. 습관 앱 3일 만에 포기했다면, AI 코치를 써보세요

OpenClaw가 매일 체크인하고 스트릭까지 관리해주는 습관 트래커 만들기

습관 앱의 문제: 결국 안 열게 됩니다

습관 앱은 늘 일주일 정도만 쓰다가 그만두게 됩니다. 문제는 앱이 아니라, 수동적인 기록 방식입니다. 알림이 와도 무시하게 되죠.

진짜 효과가 있는 건 능동적으로 물어보는 존재입니다. "오늘 운동했어?"라고 직접 물어보고, 스트릭(연속 달성 일수)을 알려주고, 빠졌을 때 격려해주는 AI 코치를 만들어보겠습니다.

따라하기: 설정 방법

1단계: 습관과 체크인 시간 정하기 — 추적할 습관을 3~5개 이내로 정합니다. 너무 많으면 메시지 피로감이 생겨서 오히려 무시하게 됩니다.

text(예시)

I want you to be my accountability coach. Track these daily habits:

1. Morning workout (check in at 7:30 AM)
2. Read for 30 minutes (check in at 8:00 PM)
3. No social media before noon (check in at 12:30 PM)
4. Drink 8 glasses of water (check in at 6:00 PM)

Send me a Telegram message at each check-in time.
Keep track of my streaks in a local file.

2단계: 톤 설정 — "확인되면 짧게 격려해주고 스트릭 알려줘. 빠졌을 때 죄책감 주지 말고 왜 시작했는지 상기시켜줘. 3일 연속 빠지면 목표 조정할지 물어봐."라고 추가합니다.

3단계: 주간 리포트 — 매주 일요일에 습관별 달성률, 현재 스트릭, 패턴 분석("금요일에 운동을 자주 빠집니다"), 다음 주 제안을 보내도록 설정합니다.

실전 팁

정적인 알림과 달리, "15일째 운동 중! 끊지 마세요"라는 메시지는 실제로 동기부여가 됩니다. 적응형 톤(adaptive tone)이 핵심입니다. 일관적이면 격려하고, 빠지면 부드럽게 상기시켜줍니다.

주간 패턴 분석도 유용합니다. "이른 회의가 있는 날에 운동을 빠진다"는 걸 발견하면 일정을 조정할 수 있으니까요. 건강 증상 트래커와 함께 사용하면 습관과 컨디션의 상관관계를 더 정확히 파악할 수 있습니다.

3. 뭘 먹으면 속이 안 좋은지, AI가 패턴을 찾아줍니다

텔레그램 메시지로 식단·증상 기록하고 AI가 분석하는 방법

음식 민감성, 기록 안 하면 절대 모릅니다

특정 음식을 먹으면 속이 불편한데, 정확히 어떤 음식인지 파악하려면 꾸준한 기록이 필요합니다. 문제는 이 기록 자체가 너무 귀찮다는 것입니다.

텔레그램 메시지로 음식과 증상을 보내면 AI가 자동 기록하고 패턴까지 분석해주는 방법을 알려드리겠습니다.

따라하기: 설정 방법

1단계: 텔레그램에 "health-tracker" 토픽(주제별 대화방)을 만듭니다.

2단계: 아래 프롬프트를 OpenClaw에 입력합니다.

text(예시)

When I message in the "health-tracker" topic:
1. Parse the message for food items and symptoms
2. Log to ~/clawd/memory/health-log.md with timestamp
3. Confirm what was logged

Set up 3 daily reminders:
- 8 AM: "Log your breakfast"
- 1 PM: "Log your lunch"
- 7 PM: "Log your dinner and any symptoms"

Every Sunday, analyze the past week's log and identify patterns:
- Which foods correlate with symptoms?
- Are there time-of-day patterns?
- Any clear triggers?

실전 팁

매주 일요일에 한 주간의 데이터를 분석해서 "우유를 마신 날에 복통이 잦다" 같은 패턴을 알려줍니다. 시간이 갈수록 알려진 유발 요인(trigger) 목록이 축적되어 분석 정확도가 높아집니다.

습관 트래커와 함께 사용하면 식습관과 컨디션의 상관관계를 더 정확히 파악할 수 있습니다.

4. 메모 앱이 무덤이 됐다면, 문자로 저장하고 검색하세요

노션도 결국 안 열게 됩니다

아이디어가 떠오르고, 재미있는 링크를 발견하고, 읽을 책을 추천받습니다. 하지만 메모 앱을 열고 폴더를 고르고 태그를 다는 과정이 귀찮아서 결국 기록하지 않습니다.

핵심 인사이트는 이것입니다: 캡처는 문자만큼 쉬워야 하고, 검색은 구글만큼 쉬워야 합니다.

텔레그램에 문자를 보내듯 저장하고, 나중에 검색으로 찾는 세컨드 브레인을 만드는 방법을 알려드리겠습니다. 폴더도, 태그도, 복잡한 구조도 없습니다.

따라하기: 설정 방법

1단계: OpenClaw를 텔레그램, iMessage, 디스코드 중 원하는 플랫폼에 연결합니다.

2단계: 바로 사용을 시작합니다. 그냥 문자를 보내면 됩니다.

text(예시)

Hey, remind me to read "Designing Data-Intensive Applications"
Save this link: https://example.com/interesting-article
Remember: John recommended the restaurant on 5th street

3단계: OpenClaw에게 "세컨드 브레인 대시보드를 Next.js로 만들어줘"라고 요청하면, 검색 가능한 메모 UI(Cmd+K 전역 검색, 날짜·유형 필터)를 자동으로 만들어줍니다.

실전 팁

핵심은 캡처의 마찰이 제로라는 것입니다. 앱을 열고 폴더를 고르는 과정 없이 문자만 보내면 됩니다. OpenClaw의 메모리는 누적형이므로 시간이 갈수록 더 강력해집니다.

휴대전화에서 문자를 보내면 컴퓨터에서 대시보드가 업데이트됩니다. 인터페이스가 '대화' 그 자체인 셈입니다.

5. 분명히 저장했는데 어디 갔지? AI 지식 베이스로 해결합니다

URL만 던지면 자동 저장, 나중에 의미 기반 검색까지 되는 개인 지식 베이스 만

북마크는 쌓이기만 하고, 다시 찾을 수 없습니다

아티클, 트윗, 유튜브 영상을 매일 수십 개 봅니다. 분명 저장해뒀는데 나중에 찾으려면 안 나옵니다. 북마크 폴더는 무덤이 됩니다.

URL을 텔레그램에 던지기만 하면 자동으로 저장하고, 나중에 의미 기반 검색(시맨틱 서치)으로 찾을 수 있는 지식 베이스를 만드는 방법을 알려드리겠습니다.

따라하기: 설정 방법

1단계: knowledge-base 스킬을 설치합니다.

2단계: 텔레그램에 "knowledge-base" 토픽을 만듭니다.

3단계: 아래 프롬프트로 설정합니다.

text(예시)

When I drop a URL in the "knowledge-base" topic:
1. Fetch the content (article, tweet, YouTube transcript, PDF)
2. Ingest it into the knowledge base with metadata (title, URL, date, type)
3. Reply with confirmation: what was ingested and chunk count

When I ask a question in this topic:
1. Search the knowledge base semantically
2. Return top results with sources and relevant excerpts
3. If no good matches, tell me

Also: when other workflows need research (e.g., video ideas, meeting prep),
automatically query the knowledge base for relevant saved content.

실전 팁

"LLM 메모리에 대해 저장한 거 뭐 있어?" 같은 자연어 질문으로 검색할 수 있습니다. 다른 워크플로(예: 영상 아이디어 리서치)에서도 자동으로 이 지식 베이스를 참조하도록 연결할 수 있습니다.

6. OpenClaw 메모리가 너무 많아졌다면, 의미 기반 검색을 추가하세요

memsearch로 마크다운 메모리 파일에 벡터 검색을 붙이는 방법

메모리가 많아지면 검색이 불가능해집니다

OpenClaw의 메모리는 마크다운 파일로 저장됩니다. 읽기 좋고 이식성이 뛰어나지만, 검색 기능이 없습니다. 파일이 늘어나면 grep(키워드 검색)으로는 의미 기반 매칭을 놓치고, 전체 파일을 컨텍스트에 로드하면 토큰이 낭비됩니다.

memsearch(멤서치)를 사용해 기존 마크다운 메모리에 벡터 기반 시맨틱 검색을 추가하는 방법을 알려드리겠습니다.

따라하기: 설정 방법

1단계: 설치 — pip install memsearch (Python 3.10+ 필요)

2단계: 설정 — memsearch config init (인터랙티브 설정 마법사)

3단계: 인덱싱 — memsearch index ~/path/to/your/memory/

4단계: 검색 — memsearch search "어떤 캐싱 솔루션을 골랐지?" → '캐싱'이라는 단어가 없어도 관련 메모리를 찾아줍니다.

실시간 동기화를 원하면 memsearch watch 명령으로 파일 변경 시 자동 재인덱싱이 가능합니다. 완전 로컬 설정(API 키 불필요)도 지원합니다: pip install "memsearch[local]"

핵심 포인트

마크다운 파일은 그대로 원본(source of truth)으로 유지됩니다. 벡터 인덱스는 파생 캐시일 뿐이므로 언제든 재구축할 수 있습니다.

SHA-256 해시로 변경되지 않은 파일은 재임베딩하지 않아서 API 비용이 절감됩니다. 하이브리드 검색(벡터 유사도 + BM25 키워드 매칭)을 RRF(Reciprocal Rank Fusion) 리랭킹으로 결합하여 순수 벡터 검색보다 정확도가 높습니다.

7. 목표만 알려주면 AI가 매일 할 일을 스스로 만들어서 실행합니다

브레인 덤프 한 번으로 AI가 자율 업무 생성 + 실행 + 미니 앱까지 만드는 법

목표는 있는데, 매일 뭘 해야 할지 모르겠다면

큰 목표는 있지만 매일 구체적으로 뭘 해야 하는지 정하는 것 자체가 일입니다. 정해도 실행할 시간이 부족하죠.

목표를 한 번 알려주면, AI가 매일 자율적으로 4~5개의 업무를 만들어서 직접 실행하는 시스템을 소개합니다. 심지어 밤새 서프라이즈 미니 앱(MVP)까지 만들어놓기도 합니다.

따라하기: 3단계 설정

1단계: 목표 브레인 덤프 — 커리어, 개인, 비즈니스 목표를 모두 OpenClaw에 알려줍니다. 구체적일수록 좋습니다.

text(예시)

Here are my goals and missions. Remember all of this:

Career:
- Grow my YouTube channel to 100k subscribers
- Launch my SaaS product by Q3

Personal:
- Read 2 books per month
- Learn Spanish

Business:
- Scale revenue to $10k/month
- Automate as much of my workflow as possible

Use this context for everything you do going forward.

2단계: 자율 업무 실행 설정 — "매일 오전 8시에 내 목표에 맞는 업무 4~5개를 만들어서 직접 실행해줘. 경쟁사 분석, 영상 스크립트 초안, 앱 기능 추가, 미니 앱 MVP 등 뭐든 가능해."

3단계: 칸반 보드 자동 생성 — OpenClaw에게 Next.js로 칸반 보드를 만들라고 하면, 업무 현황(To Do, In Progress, Done)을 실시간으로 볼 수 있습니다.

주의사항: 레이스 컨디션 방지

서브에이전트가 동시에 같은 파일을 수정하면 충돌이 발생합니다. 해결 방법은 간단합니다. AUTONOMOUS.md는 메인 세션만 수정하고, 서브에이전트는 tasks-log.md에 추가(append)만 합니다. Git의 커밋 로그처럼, 기존 내용은 수정하지 않고 새 항목만 추가하는 패턴입니다.

AUTONOMOUS.md는 50줄 이내로 유지하세요. 하트비트(heartbeat) 때마다 로드되므로, 길어지면 토큰 비용이 늘어납니다.

8. 아빠가 딸을 위해 AI로 교육 게임 40개를 만든 이야기

OpenClaw 게임 개발 에이전트로 7분마다 게임 1개를 자동 생산하는 파이프라인

광고 없는 아이 게임 사이트, 왜 없을까요?

한 개발자 아버지가 3살 딸 수사나를 위해 안전한 게임 포털을 만들고 싶었습니다. 기존 사이트는 스팸, 공격적인 광고, 다크 패턴(사용자를 속이는 디자인)으로 가득했습니다.

"깔끔하고 빠른 포털"을 만드는 건 어렵지 않았습니다. 진짜 문제는 발달 단계(0~15세)에 맞는 40개 이상의 교육 게임을 혼자서 채우는 것이었습니다.

이 파이프라인이 해주는 일

"게임 개발자 에이전트"가 게임의 전체 생애주기를 자율적으로 관리합니다. 버그 우선 정책: 먼저 bugs/ 폴더를 확인하고, 파일이 있으면 알파벳순 첫 번째 버그부터 수정합니다. 버그가 없을 때만 다음 게임 개발로 넘어갑니다.

게임 선택(라운드 로빈 전략으로 연령대 균형) → HTML5/CSS3/JS 코드 작성(프레임워크 없이, 모바일 우선, 오프라인 가능) → 중앙 레지스트리(games-list.json) 등록 → CHANGELOG.md 업데이트 → Git 배포까지 전 과정이 자동입니다. 7분마다 게임 1개 또는 버그 수정 1건을 처리하는 속도입니다.

필요한 스킬

Git 브랜치 관리, 커밋, 머지에 대한 기본 이해가 필요합니다. 게임 디자인 규칙 파일(game-design-rules.md)과 개발 대기열 파일(development-queue.md)을 프로젝트에 준비해두면, 에이전트가 이를 참고하여 일관된 품질로 게임을 생산합니다. 실제 결과물은 elbebe.co에서 확인할 수 있습니다.

9. 이미 있는 걸 또 만들지 마세요, AI가 먼저 확인해줍니다

idea-reality-mcp로 프로젝트 시작 전 경쟁 현황을 자동 스캔하는 법

6시간 코딩했는데, 이미 있었습니다

"AI 코드 리뷰 도구 만들어줘"라고 시키면, 에이전트는 기꺼이 6시간을 들여 코딩합니다. 그런데 GitHub에 이미 관련 레포가 143,000개, 1위가 53,000 스타입니다. 확인 안 하면 경쟁자를 뒤늦게 발견하게 됩니다.

프로젝트를 시작하기 전에 GitHub, Hacker News, npm, PyPI, Product Hunt 5개 소스를 자동으로 스캔하고 경쟁 현황 점수를 알려주는 시스템을 소개합니다.

어떻게 작동하나요?

idea-reality-mcp를 설치하고 에이전트 지시사항에 추가하면, 새 프로젝트를 시작할 때마다 자동으로 reality_signal 점수(0~100)를 반환합니다.

70점 이상: 경쟁이 치열함 → 멈추고 상위 3개 경쟁자를 보여줌. 30~70점: 중간 → 틈새를 제안. 30점 미만: 시장이 비어 있음 → 바로 진행.

높은 점수는 "만들지 말라"는 뜻이 아니라 **"차별화하거나 말라"**는 뜻입니다. 해커톤 전에 아이디어 10개를 한꺼번에 넣고 reality_signal 순으로 정렬하면, 가장 독창적인 기회를 빠르게 찾을 수 있습니다.

10. AI 에이전트에 API 키를 직접 주지 마세요, n8n으로 분리하는 법

OpenClaw + n8n 프록시 패턴으로 보안·가시성·성능 3가지를 한 번에 잡기

AI에게 API 키를 직접 주면 생기는 문제

OpenClaw가 외부 API를 직접 호출하면 세 가지 문제가 생깁니다. 가시성 부족: 에이전트가 뭘 만들었는지 확인하기 어렵습니다. 자격 증명 확산: 모든 API 키가 에이전트 환경에 노출됩니다. 토큰 낭비: 이메일 보내기 같은 단순 작업에 LLM(대규모 언어 모델) 추론 토큰이 소모됩니다.

n8n(노드 기반 워크플로 자동화 도구)을 프록시로 사용해서 이 세 문제를 해결하는 패턴을 소개합니다.

어떻게 작동하나요?

OpenClaw가 n8n의 웹훅(webhook) URL만 호출합니다. API 키는 n8n의 자격 증명 저장소에만 있고, 에이전트는 절대 키를 보지 못합니다. n8n의 드래그 앤 드롭 UI에서 모든 워크플로를 시각적으로 확인합니다.

따라하기: 설정 방법

커뮤니티에서 관리하는 Docker Compose 셋업(openclaw-n8n-stack)을 사용하면 가장 간편합니다.

bash

git clone https://github.com/caprihan/openclaw-n8n-stack.git
cd openclaw-n8n-stack
cp .env.template .env
# .env에 Anthropic API 키 추가
docker-compose up -d

n8n에는 400개 이상의 통합이 내장되어 있습니다. 핵심 원칙: 만들기 → 테스트 → 잠금(Lock). 잠금 없이 두면 에이전트가 워크플로를 임의로 수정할 수 있으니 주의하세요.

11. AI가 뭘 하고 있는지 Todoist에서 실시간으로 확인하는 법

에이전트의 작업 계획·진행·완료를 Todoist 칸반으로 투명하게 보기

에이전트가 뭘 하고 있는지 모르겠습니다

에이전트가 복잡한 멀티스텝 작업(앱 전체 빌드, 딥 리서치 등)을 수행할 때, 사용자는 현재 진행 상황을 파악하기 어렵습니다.

에이전트의 계획, 진행 단계, 완료 상태를 Todoist 칸반 보드에 자동으로 반영하는 방법을 알려드리겠습니다.

이 자동화가 해주는 일

에이전트가 복잡한 작업을 시작하면 Todoist의 "In Progress" 섹션에 태스크를 만들고, 전체 계획(Plan)을 태스크 설명에 기록합니다. 각 하위 단계가 완료될 때마다 코멘트로 진행 로그를 추가합니다. 완료되면 "Done" 섹션으로 이동합니다.

별도의 스킬 설치가 필요 없습니다. OpenClaw에게 bash 스크립트 3개(API 래퍼, 태스크 관리, 코멘트 추가)를 만들라고 요청하면 됩니다.

필요한 준비물

Todoist 계정과 API 토큰, Todoist 프로젝트(예: "OpenClaw Workspace")와 3개 섹션(In Progress, Waiting, Done)이 필요합니다.

12. 1인 창업자인데 AI 팀원 4명을 두고 있습니다

텔레그램 하나로 전략·개발·마케팅·비즈니스 에이전트를 운영하는 법

혼자서 전략, 개발, 마케팅을 동시에?

1인 창업자는 모든 역할을 혼자 합니다. 역할 전환을 할 때마다 집중력이 깨지고, 범용 AI 하나로는 모든 영역을 깊이 있게 다루기 어렵습니다.

각자 전문 분야가 다른 AI 에이전트 4명을 텔레그램 하나로 관리하는 방법을 알려드리겠습니다.

에이전트 팀 구성 예시

Milo(전략 리드): 주간 목표 설정, OKR 추적, 에이전트 간 조율. 매일 아침 스탠드업, 저녁 리캡. Josh(비즈니스): 가격 전략, 경쟁사 분석, KPI 추적. 마케팅 에이전트: 콘텐츠 아이디어, SNS 모니터링, SEO 키워드 리서치. 개발 에이전트: 코딩, 코드 리뷰, 버그 조사, 기술 문서.

핵심은 **공유 메모리(목표, 결정 로그) + 개인 컨텍스트(각자의 노트)**를 분리하는 것입니다.

따라하기: 설정 방법

1단계: 텔레그램 그룹에서 @milo, @josh, @marketing, @dev로 태그하면 해당 에이전트가 응답합니다.

2단계: GOALS.md, DECISIONS.md, PROJECT_STATUS.md를 공유 폴더에 두고, 에이전트별 개인 폴더를 별도로 만듭니다.

3단계: 각 에이전트에 일일·주간 자동 업무를 부여합니다.

실전 팁

처음에는 리드 + 전문가 1명으로 시작하고, 병목이 생기는 영역에 에이전트를 추가하세요. 역할에 맞는 모델을 배정하는 것도 중요합니다. 키워드 모니터링에 비싼 추론 모델을 쓸 필요가 없습니다.

13. 모르겠다면, AI가 시장 조사부터 해줍니다

Last 30 Days 스킬로 레딧·X에서 진짜 고충을 찾고 MVP까지 만드는 법

아이디어가 없는 게 아니라, 검증이 안 된 겁니다

창업을 하고 싶은데 뭘 만들어야 할지 모르겠다. 시장 조사를 하려면 포럼, 소셜 미디어, 리뷰 사이트를 수시간 돌아다녀야 합니다.

레딧과 X에서 지난 30일간의 실제 고충을 자동으로 수집하고, AI가 솔루션까지 만들어주는 파이프라인을 소개합니다.

따라하기: 설정 방법

1단계: Last 30 Days 스킬을 설치합니다.

2단계: 아래 프롬프트로 리서치를 실행합니다.

text(예시)

Please use the Last 30 Days skill to research challenges people are
having with [주제 입력].

Organize the findings into:
- Top pain points (ranked by frequency)
- Specific complaints and feature requests
- Gaps in existing solutions
- Opportunities for a new product

3단계: 발견된 고충 중 하나를 골라 "Build me an MVP that solves [선택한 고충]. Keep it simple — just the core functionality."라고 입력하면, OpenClaw가 실제 웹 앱을 만들어줍니다.

실전 팁

설문 데이터가 아닌 가공되지 않은 실제 사용자 의견을 기반으로 한다는 것이 큰 장점입니다. 매주 월요일 아침마다 자동으로 해당 분야의 최신 트렌드를 분석해서 텔레그램으로 보내주도록 예약할 수도 있습니다.

14. 만난 사람 기억 못 하시죠? AI가 자동으로 인맥을 관리합니다

이메일·캘린더를 스캔해서 연락처 자동 수집 + 미팅 전 브리핑까지

"이 분 어디서 만났더라?"의 반복

누구를 만났는지, 언제 만났는지, 무슨 얘기를 했는지 수동으로 관리하는 건 불가능합니다. 중요한 후속 조치가 빠지고, 미팅 전에 상대방 맥락을 까먹습니다.

이메일과 캘린더를 매일 자동 스캔해서 연락처를 수집하고, 미팅 전에 브리핑까지 보내주는 개인 CRM을 만드는 방법을 알려드리겠습니다.

따라하기: 설정 방법

1단계: SQLite 데이터베이스로 연락처 테이블을 만듭니다(이름, 이메일, 최초 접촉일, 마지막 연락일, 상호작용 횟수, 메모).

2단계: 텔레그램에 "personal-crm" 토픽을 만듭니다.

3단계: 매일 오전 6시에 Gmail과 캘린더를 스캔해서 새 연락처를 추가하고 기존 연락처를 업데이트합니다. 매일 오전 7시에 오늘 미팅의 외부 참석자를 CRM과 이메일 이력에서 검색해서 브리핑을 보냅니다.

"김철수에 대해 뭐 알고 있어?" 같은 질문으로 언제든 연락처 정보를 조회할 수 있습니다.