에이전트를 데모가 아니라 믿고 맡길 수 있는 도구로 만드는 방법을 함께 익혀요.

• 패턴을 실전 문제에 적용해요 — 교재 all-agentic-architectures의 35개 아키텍처 가운데 Reflection · RAG · Multi-Agent 3패턴을 골라, 커뮤니티 운영 업무(지원서 스크리닝·매칭, FAQ 응대, 회고 피드백)를 돕는 에이전트로 구현해요.
• 최종 결정은 코드가 해요 (deterministic-picker) — LLM은 범주형 판단(예/아니오, 등급, 카테고리)만 하고, 점수 합산·선발·라우팅 같은 최종 결정은 코드가 해요. 그래서 결과를 재현하고 검증할 수 있어요.
• AI 코딩 에이전트와 GitHub로 협업해요 — Codex CLI로 교재를 읽고 구현하고, 모든 변경은 이슈 → 브랜치 → PR → 리뷰 → 머지로 남겨요. 원칙은 읽기는 자유, 쓰기는 승인.

6주 동안 에이전트 3개를 2주씩 만들고, 마지막 2주에 하나의 오케스트레이터로 묶어요.

flowchart LR
    REQ(["커뮤니티 요청<br/>지원서 · 질문 · 회고"]) --> ORC{{"오케스트레이터<br/>라우팅은 코드가 결정 · 7–8주차"}}
    ORC --> SCR["스크리닝·매칭 에이전트<br/>Reflection · 1–2주차"]
    ORC --> FAQ["FAQ 에이전트<br/>RAG · 3–4주차"]
    ORC --> RET["회고 피드백 에이전트<br/>Multi-Agent · 5–6주차"]

완주 기준 — 정규 세션 8회 중 6회 이상 출석 + 담당 트랙 1개 이상 배포

예습 노트북은 교재의 notebooks/에 있어요. 활동일지는 주차마다 한 페이지씩이고, 세션 전에 계획을, 세션 후에 기록을 채워요.

1. 디스코드 서버에 들어와요 — 공지·질문·정규 세션이 모두 여기서 이뤄져요.
2. 3-Day 온보딩 가이드를 따라 Codex · GitHub · 교재 환경을 세팅해요.
3. 온보딩 체크리스트 이슈를 열고 자기소개 PR(crew/<GitHub ID>.md)이 머지되면 준비 끝이에요.

작업 방식

• 과제·진행 상황은 GitHub Issues + Projects 보드로 관리해요.
• main 에 직접 push하지 않아요 — 브랜치 → PR → 리뷰 → 머지.
• 레포는 공개예요. 실습 데이터는 합성(가짜) 데이터만 쓰고, API 키는 .env 에만 둬요.