콘텐츠 캘린더가 3주차에 멈춰있습니다. 고용한 프리랜서는 '오늘날의 디지털 환경에서'로 시작하는 800단어짜리 글을 또 전달했고, 그것은 챗봇이 웨비나를 전사한 것처럼 읽힙니다. 이것이 순위를 올리지 못할 것을 압니다. 클라이언트들이 스킵할 것을 압니다. 그래서 초안을 삭제하고 다시 시작합니다 — 반복적으로. 우리는 2025년 말에 같은 루프에 직면했습니다. 다른 라이터를 고용하거나 일반적인 AI 출력에 만족하는 대신, 우리는 3가지 모델 파이프라인을 만들었습니다: Claude Opus가 기술적 구조를 초안화하고, GPT-4o가 인간적인 리듬으로 다시 쓰고, Winston AI가 감지 가능성을 점수화하고, 승인 레이어가 SaaS 랜딩 페이지에서 튀어나온 것처럼 들리는 모든 것을 포착합니다. 결과: 8주 안에 91개 기사 배포, 각각 Winston의 인간 임계값을 통과, 각각 우리의 실제 목소리로 작성되었습니다. 우리가 사용하는 정확한 아키텍처, 게시물당 비용, 그리고 멀티 모델이 단일 프롬프트보다 나은 이유를 여기에 설명합니다.

이것은 우리가 3개월 안에 91개 기사를 배포한 방법, 우리가 함께 연결한 구체적인 도구 및 모델, 그리고 우리가 배운 모든 어려운 교훈의 이야기입니다.

목차

Claude, GPT-4o & Winston AI로 만든 블로그 파이프라인

에이전시 콘텐츠의 문제점

여기 에이전시 세계에서 누구도 크게 말하고 싶지 않은 진실이 있습니다: 대부분의 개발 회사는 콘텐츠 마케팅에 형편없습니다. 우리도 예외는 아니었습니다 — 최소한 그때까진 아니었습니다.

우리는 고전적인 문제가 있었습니다. 우리 팀은 Next.js, Astro, 그리고 여러 헤드리스 CMS 플랫폼으로 만드는 법을 압니다. 우리는 실제 클라이언트를 위해 실제 제품을 배포합니다. 하지만 그것에 대해 글을 쓰는 것? 일관되게? 실제로 SEO 니들을 움직이는 속도로? 그것은 완전히 다른 근육입니다.

우리는 프리랜서 라이터를 고용하려고 시도했습니다. 기술적 깊이가 얕았습니다. 개발자가 게시물을 쓰도록 시도했습니다. 그들은 한 개의 뛰어난 기사를 생산하고 6주 동안 스프린트로 사라질 것입니다. ChatGPT로 기본 AI 생성을 시도했습니다 — 출력은 Wikipedia 기사가 마케팅 브로셔와 아기를 낳은 것처럼 읽혔습니다.

그래서 우리는 자신에게 물었습니다: 콘텐츠 생산을 소프트웨어 엔지니어링 문제로 다루면 어떨까요? 파이프라인을 만들면 어떨까요?

블로그 파이프라인의 아키텍처

파이프라인은 5개의 단계가 있습니다. 각 단계는 특정 모델이나 도구를 담당하고 있으며, 각각은 다음 단계를 공급하는 측정 가능한 출력을 생성합니다.

┌─────────────┐     ┌──────────────┐     ┌─────────────┐
│ 연구 &      │────▶│ Claude Opus  │────▶│ GPT-4o      │
│ 브리프 생성 │     │ 첫 번째 초안 │     │ 휴머나이저  │
└─────────────┘     └──────────────┘     └─────────────┘
                                                │
                                                ▼
                                         ┌─────────────┐
                                         │ Winston AI  │
                                         │ 감지        │
                                         └─────────────┘
                                                │
                                                ▼
                                         ┌─────────────┐
                                         │ 인간 편집   │
                                         │ & 발행      │
                                         └─────────────┘

단계 1: 연구 & 브리프 생성

우리는 키워드 연구를 위해 Ahrefs와 실시간 경쟁 분석을 위해 Tavily의 API를 조합하여 사용합니다. 브리프는 다음을 포함하는 구조화된 JSON 문서입니다:

  • 목표 키워드 및 보조 키워드
  • 상위 10개 경쟁 기사 (제목, 단어 수, H2 구조)
  • Google에서 스크래핑된 'People Also Ask' 질문
  • 섹션당 목표 단어 수를 포함한 제안된 개요

이 브리프는 Claude의 입력 프롬프트가 됩니다.

단계 2: Claude Opus 첫 번째 초안

Claude Opus 4가 첫 번째 초안을 작성합니다. 아래에서 자세히 설명합니다.

단계 3: GPT-4o 휴머나이저 패스

초안은 실제 사람이 작성한 것처럼 들리도록 설계된 신중하게 조정된 시스템 프롬프트와 함께 GPT-4o를 통해 진행됩니다.

단계 4: Winston AI 감지

우리는 모든 기사를 Winston AI를 통해 점수화합니다. 임계값에 도달하지 못하면 다른 매개변수로 휴머나이저를 통해 다시 진행합니다.

단계 5: 인간 편집 & 발행

실제 사람이 모든 기사를 읽습니다. 그들은 기술적 정확성을 확인하고, 적절한 경우 개인적인 일화를 추가하고, 최종 포맷을 처리합니다.

첫 번째 초안에 Claude Opus 4를 사용하는 이유

우리는 첫 번째 초안 생성을 위해 모든 주요 모델을 테스트했습니다. 우리가 발견한 것은 다음과 같습니다:

모델 기술적 깊이 (1-10) 구조 품질 (1-10) 평균 단어 수 AI 감지 점수 (Winston) 기사당 비용
GPT-4o 7 8 2,400 32% 인간 $0.18
Claude Opus 4 9 9 3,100 28% 인간 $0.42
Claude Sonnet 4 8 8 2,600 35% 인간 $0.08
Gemini 2.5 Pro 7 7 2,800 30% 인간 $0.14
Llama 3.1 405B 6 6 2,200 41% 인간 $0.03

Claude Opus 4는 우리가 가장 신경 쓰는 두 가지 차원에서 우승했습니다: 기술적 깊이와 구조 품질. AI 감지 점수는 실제로 GPT-4o의 원시 출력보다 더 나빴지만, 어떤 모델의 원시 출력도 발행하지 않으려고 했기 때문에 문제가 되지 않았습니다.

Claude Opus가 표에서 정량화하기 어려운 점은 이것입니다: 복잡한 명령을 다른 어떤 것보다 충실하게 따릅니다. "시니어 개발자가 고생해서 얻은 지식을 공유하는 것처럼 쓰세요"라고 말하면, Claude는 실제로 레지스터를 바꿉니다. GPT-4o는 아무리 밀어도 유용한 조수의 목소리로 돌아가는 경향이 있습니다. Gemini는 괜찮은 기술 콘텐츠를 생성하지만 특정 장소에서 이상하게 공식적이 됩니다.

비용 차이는 실제입니다 — Opus는 대안보다 토큰당 대략 2-5배 더 비쌉니다. 하지만 다시 쓰기에 소요되는 시간을 고려하면, 전체적으로 가장 저렴한 옵션입니다.

차이를 만든 시스템 프롬프트

우리는 일관되게 좋은 출력을 생산하는 무언가에 도달하기 전에 약 3주 동안 Claude 시스템 프롬프트를 반복했습니다. 우리가 배운 몇 가지 사항:

  1. 특정 구문 금지는 톤을 요청하는 것보다 더 잘 작동합니다. "캐주얼 톤으로 쓰세요" 대신, 우리는 금지된 단어와 구문 목록을 유지합니다. "종합적인," "활용," "오늘날의 디지털 환경에서"처럼 AI 생성 콘텐츠의 명백한 신호인 것들입니다.

  2. 구조적 제약을 강제하면 더 나은 콘텐츠가 생성됩니다. 우리는 정확한 제목 구조를 지정하고, 코드 블록을 요구하고, 마크다운 테이블을 요구합니다. Claude Opus는 이러한 제약을 거의 완벽하게 따릅니다.

  3. 일반적인 명령보다 실제 컨텍스트를 제공하는 것이 더 낫습니다. 우리는 실제 경쟁 연구를 공급합니다. 우리는 최고 순위의 기사가 무엇을 다루고 어디서 부족한지 Claude에 알려줍니다. 이것은 진정으로 차별화된 콘텐츠를 생성합니다.

def generate_first_draft(brief: dict) -> str:
    system_prompt = load_prompt("claude_writer_v14.txt")
    
    messages = [
        {"role": "user", "content": format_brief(brief)}
    ]
    
    response = anthropic_client.messages.create(
        model="claude-opus-4-20250514",
        max_tokens=8192,
        system=system_prompt,
        messages=messages,
        temperature=0.7  # 약간 창의적이며, 혼란스럽지는 않음
    )
    
    return response.content[0].text

우리는 0.7의 온도에 정착했습니다. 그보다 낮으면 글이 기계적으로 느껴집니다. 더 높으면 Claude가 것들을 만들기 시작합니다 — 존재하지 않는 프레임워크 기능을 환각하고, 존재하지 않는 API 끝점을 발명합니다.

Claude, GPT-4o & Winston AI로 만든 블로그 파이프라인 - 아키텍처

GPT-4o 휴머나이저 패스

이것은 흥미로워지는 곳입니다. 그리고 조금 이상합니다.

Claude가 기술적으로 견고한 첫 번째 초안을 생성한 후, 우리는 완전히 다른 시스템 프롬프트를 가진 GPT-4o를 통해 전달합니다. 이 프롬프트의 일은 정보를 추가하는 것이 아닙니다 — 글쓰기를 더 인간답게 만드는 것입니다.

실제로 그것이 무엇을 의미하는가? 몇 가지 구체적인 변환:

  • 문장 길이 변화. AI 모델은 모두 대략 같은 길이의 문장을 쓰는 경향이 있습니다. 인간은 그렇게 하지 않습니다. 우리는 GPT-4o에게 짧고 활기찬 문장을 더 긴 것과 섞도록 지시합니다.
  • 불완전한 전환. 실제 블로그 글은 완벽한 단락 간 흐름이 없습니다. 때로는 그냥 다음 생각으로 점프합니다. 휴머나이저는 이런 자연스러운 휴식을 추가합니다.
  • 1인칭 삽입. "우리의 경험상," "우리는 발견했다," "이것을 디버깅하는 데 일주일을 보냈다" — 이런 작은 터치는 AI 감지 점수에서 큰 차이를 만듭니다.
  • 축약형. Claude Opus는 명시적으로 지시받아도 "하지 않는다"와 "그것은"이라고 쓰는 경향이 있습니다. 휴머나이저 패스는 이것들을 포착하고 변환합니다.
def humanize_draft(draft: str) -> str:
    system_prompt = load_prompt("gpt4o_humanizer_v8.txt")
    
    response = openai_client.chat.completions.create(
        model="gpt-4o",
        messages=[
            {"role": "system", "content": system_prompt},
            {"role": "user", "content": f"모든 기술적 정확성과 구조를 유지하면서 이 기사를 인간화하세요:\n\n{draft}"}
        ],
        temperature=0.8
    )
    
    return response.choices[0].message.content

이 패스에 Claude 대신 GPT-4o를 사용하는 이유는? 솔직히, GPT-4o가 캐주얼하게 들리는 것을 더 잘합니다. Claude의 강점은 기술적 정확성과 명령 준수입니다. GPT-4o의 강점은 인간 글쓰기 패턴을 모방하는 것입니다. 우리는 각 모델의 강점을 활용하고 있습니다.

더블 모델 접근법이 우리의 첫 아이디어가 아니었습니다

우리는 처음에 모든 것을 단일 모델로 하려고 시도했습니다. 하나의 프롬프트, 하나의 패스, 하나의 출력. 결과는 전체적으로 평범했습니다. 초안은 기술적으로 강력하지만 로봇 같거나, 대화체이지만 얕았습니다.

파이프라인을 특화된 단계로 분할하는 것이 돌파구였습니다. 이것은 마이크로서비스 뒤의 같은 원리입니다 — 각 구성 요소가 한 가지를 잘합니다.

Winston AI 감지 및 85% 임계값

우리는 5가지 다른 AI 콘텐츠 감지기를 테스트한 후 Winston AI를 감지 도구로 선택했습니다. 이유는 다음과 같습니다:

감지기 일관성 (같은 입력, 같은 점수?) 거짓 양성율 API 사용 가능? 가격/월
Winston AI 높음 낮음 (~3%) 예 $18/mo
Originality.ai 높음 중간 (~8%) 예 $15/mo
GPTZero 중간 중간 (~7%) 예 $10/mo
Copyleaks 중간 낮음 (~4%) 예 $8/mo
Sapling 낮음 높음 (~12%) 예 무료 티어

Winston AI는 실행 전체에서 가장 일관된 점수를 제공했습니다. 같은 기사를 두 번 공급하면, 거의 같은 인간 점수를 얻습니다. 그것은 자동화된 파이프라인을 구축할 때 중요합니다 — 의사 결정을 내리기 위해 결정론적-ish 동작이 필요합니다.

우리의 임계값은 85% 인간 점수입니다. 그 이하면 기사는 조정된 매개변수 (더 높은 온도, 다른 명령 강조)로 휴머나이저를 통해 다시 진행됩니다. 두 번째 시간에 실패하면, 인간이 수동으로 플래그가 지정된 섹션을 다시 쓰기합니다.

실제로, 약 70%의 기사가 첫 휴머나이저 실행에서 통과합니다. 또 다른 20%는 두 번째에 통과합니다. 나머지 10%는 수동 개입이 필요합니다.

def check_detection(article: str) -> dict:
    result = winston_client.scan(text=article)
    
    return {
        "human_score": result.score,  # 0-100
        "passed": result.score >= 85,
        "flagged_sentences": result.flagged_sentences
    }

flagged_sentences 필드는 금광입니다. 전체 기사를 다시 실행하는 대신, 감지기를 트리거한 문장을 목표화할 수 있습니다. 이것은 토큰을 절약하고 더 나은 결과를 생성합니다.

전체 워크플로우 단계별

새로운 기사를 발행하려고 할 때 실제로 일어나는 것은 다음과 같습니다:

  1. 키워드 선택 — 우리는 콘텐츠 캘린더 (Notion에서 유지)에서 가져오고 Ahrefs 키워드 어려움 점수와 교차 참조합니다. 우리는 새로운 주제에 대해 KD < 30을 목표로합니다.

  2. 경쟁 조사 — 우리의 스크립트는 Tavily의 검색 API를 타고 상위 10개 결과를 가져옵니다. 제목, 단어 수, 콘텐츠 간격을 추출합니다.

  3. 브리프 생성 — Claude Sonnet 4 호출 (이 작업에 대해 Opus보다 저렴함)이 연구 데이터로부터 구조화된 브리프를 생성합니다.

  4. 첫 번째 초안 — Claude Opus 4가 기사를 생성합니다. 길이에 따라 약 45-90초가 걸립니다.

  5. 휴머나이저 패스 — GPT-4o는 음성과 자연스러움을 위해 다시 씁니다. 또 다른 30-60초입니다.

  6. 감지 점수화 — Winston AI가 출력을 점수화합니다. 결과는 약 10초 안에 돌아옵니다.

  7. 루프 또는 진행 — 점수 < 85%이면, 수정된 매개변수로 5단계로 돌아갑니다. 최대 2회 재시도.

  8. 인간 검토 — 팀 구성원이 기사를 읽고, 사실을 확인하고, 스크린샷이나 다이어그램을 추가하고, CMS에 대한 형식을 지정합니다.

  9. 발행 — 기사는 헤드리스 CMS 파이프라인을 통해 라이브됩니다.

기사당 총 시간: 약 35분의 인간 주의. AI 단계는 약 3분의 컴퓨팅 시간을 소요합니다.

91개 기사가 우리에게 가르친 AI 콘텐츠에 대한 것

우리는 2025년 1월부터 이 파이프라인을 실행하고 있습니다. 나타난 패턴은 다음과 같습니다:

기술 콘텐츠가 더 잘 수행됩니다

우리의 최고 성능 기사는 특정 프레임워크 및 도구에 대한 깊이 있는 기술 조각입니다. Next.js 개발 패턴 또는 Astro 성능 최적화에 대한 기사는 일관되게 일반적인 "헤드리스 CMS가 무엇인가" 콘텐츠보다 뛰어납니다.

이것은 말이 됩니다. AI 생성 일반 콘텐츠는 이제 어디에나 있습니다. Google의 순위 알고리즘은 명확히 특이성과 깊이를 선호하고 있습니다. 우리의 파이프라인은 정확히 그 종류의 콘텐츠를 생성하도록 설계되었습니다.

처음 30개 기사는 거친 상태였습니다

우리가 1일차부터 완벽하게 못 박았다고 주장하지 않을 것입니다. 첫 번째 배치의 기사에는 문제가 있었습니다:

  • 기사 전체에서 불일치한 목소리
  • 어떤 환각 통계 (Claude는 존재하지 않는 "2024 Gartner 보고서"를 자신 있게 인용했습니다)
  • 컴파일되지 않은 코드 예제
  • 반복적인 섹션 구조

우리는 프롬프트 반복과 더 엄격한 인간 검토를 통해 이것들을 수정했습니다. 시스템 프롬프트는 이제 버전 14입니다. 각 버전은 우리가 발행된 콘텐츠에서 식별한 특정 실패 모드를 해결했습니다.

AI 감지는 움직이는 목표입니다

Winston AI는 3개월 실행 중 감지 모델을 두 번 업데이트했습니다. 매번 우리의 점수는 5-10포인트 떨어졌고 휴머나이저 프롬프트를 조정해야 했습니다. 이것은 지속적인 경쟁 무기이며, 비슷한 것을 만들고 있다면 유지 보수를 계획하세요.

인간 검토는 선택할 수 없습니다

우리는 5개 기사의 배치에 대해 인간 검토를 건너뛰는 실험을 시도했습니다. 그 중 2개는 우리를 당황하게 할 수 있는 사실 오류를 포함했습니다. 하나는 2023년에 폐기된 API를 참조했습니다. 또 다른 것은 Next.js 15가 실제로 여전히 RFC 상태인 기능을 지원한다고 주장했습니다.

모든 기사는 인간의 눈을 받습니다. 마침표.

비용 분석 및 성능 데이터

91개 기사 실행의 실제 수치는 다음과 같습니다:

메트릭 값
발행된 총 기사 91
평균 단어 수 2,847
총 AI API 비용 $127.40
기사당 평균 비용 (AI만) $1.40
Winston AI 구독 (3개월) $54.00
Ahrefs 구독 (3개월) $297.00
Tavily API 비용 $42.00
인간 검토 시간 (기사당 평균) 35분
총 인간 시간 ~53시간
첫 번째 시도에서 Winston 통과한 기사 64개 (70%)
수동 다시 쓰기가 필요한 기사 9개 (10%)
평균 Winston AI 인간 점수 (최종) 89%
유기적 트래픽 증가 (1월-3월 2025) +340%
인덱싱된 페이지 증가 +86

기사당 $1.40의 AI 비용은 놀랍도록 낮습니다. 실제 비용은 인간의 시간입니다 — 검토 및 편집을 위해 3개월 동안 53시간입니다. 그러나 품질 기술 라이터가 청구하는 것과 비교하세요. $0.15/단어의 경우, 2,847단어 기사는 약 $427입니다. 우리는 인간 시간에서 약 $35 (시간당 $40 속도로) + $1.40의 AI 비용으로 비교 가능한 품질의 콘텐츠를 생성하고 있습니다.

그것은 91% 비용 감소입니다. 그리고 AI 모델이 모든 단일 프리랜서 라이터보다 더 광범위한 지식을 가지고 있기 때문에 출력은 기술적으로 더 정확합니다.

우리가 평가하고 거부한 도구

우리가 시도한 모든 것이 최종 파이프라인에 만들어진 것은 아닙니다:

  • Jasper AI — 마케팅 카피에 너무 초점. 필요한 기술적 깊이를 생성할 수 없습니다. 또한 비즈니스 계층의 경우 월 $59로 비쌉니다.
  • Copy.ai — Jasper와 유사한 문제. 광고 카피에 좋지만 3,000단어 기술 기사에는 아닙니다.
  • Undetectable.ai — 우리는 이것을 Claude 대신 휴머나이저로 시도했습니다. 출력은 문법적으로 어색했고 때로는 문장의 기술적 의미를 변경했습니다. 거절합니다.
  • Surfer SEO — 좋은 도구이지만 우리는 Ahrefs 데이터로 우리 자신의 SEO 분석을 빌드하는 것을 선호했습니다. Surfer의 콘텐츠 편집기는 너무 제한적으로 느껴졌습니다.
  • Perplexity API — 연구 단계를 위해 이것을 테스트했습니다. 결과는 좋았지만 인용 형식이 우리 브리프 구조와 잘 통합되지 않았습니다. 다시 방문할 수도 있습니다.

FAQ

이것은 콘텐츠 스팸이 아닌가요?

아니오. 모든 기사는 기술적 정확성과 진정한 유용성에 대한 인간 검토를 통해 진행됩니다. 우리는 콘텐츠를 스핀하거나 씬 페이지를 발행하지 않습니다. 각 조각은 실제 깊이를 가진 특정 키워드를 대상으로합니다. AI는 첫 번째 초안 생성의 무거운 작업을 처리하지만, 편집 판단은 전적으로 인간입니다. 사이트 전체의 콘텐츠를 확인하세요 — 우리는 읽고 싶은 기술 블로그에서 원하는 것과 같은 표준으로 자신을 유지합니다.

왜 라이터를 고용하지 않나요?

우리는 여전히 특정 조각에 인간 라이터를 사용합니다 — 사례 연구, 의견 조각, 그리고 직접적인 클라이언트 경험이 필요한 모든 것. 그러나 기술 설명 및 비교 기사의 경우, 우리의 파이프라인은 대부분의 프리랜서 라이터보다 더 나은 첫 번째 초안을 생성합니다 왜냐하면 AI 모델이 더 광범위하고 더 최신 기술 지식을 가지고 있기 때문입니다. 경제학은 또한 홀로 프리랜서로는 금지적으로 비싼 볼륨에서 발행할 수 있게 합니다.

Google이 AI 생성 콘텐츠에 페널티를 주나요?

Google의 2024년 3월 업데이트 이후의 공식 입장은 콘텐츠가 어떻게 생성되었는지에 관계없이 콘텐츠 품질을 평가한다는 것입니다. 그들은 저품질의 대량 생산 콘텐츠에 패널티를 부여합니다 — AI 생성 또는 모국어가 아닌 언어로 말하는 라이터의 콘텐츠 팜에서든 상관없이. 우리의 콘텐츠는 진정으로 유용하고, 기술적으로 정확하고, 잘 구조화되어 있기 때문에 순위를 올립니다. 우리는 91개 기사 전체에서 일관된 인덱싱 및 순위 개선을 보았습니다.

Winston AI 인간 점수는 정확히 무엇을 의미하나요?

Winston AI는 텍스트 패턴을 분석합니다 — perplexity, burstiness, 문장 구조 변화, 어휘 분포 — 그리고 텍스트가 인간에 의해 작성되었을 가능성을 나타내는 0-100의 점수를 생성합니다. 85의 점수는 Winston이 인간이 그것을 작성했을 확률 85%가 있다고 믿는다는 의미입니다. 감지기는 완벽하지 않지만, Winston의 일관성은 그것을 자동화된 파이프라인에서 품질 게이트로 사용하는 데 유용하게 만듭니다.

당신은 이 파이프라인을 오픈 소스할 수 있나요?

우리는 고려했습니다. 핵심 로직은 복잡하지 않습니다 — 주로 Python과 함께 꿰매인 API 호출입니다. 실제 값은 프롬프트에 있으며, 이것은 우리 목소리와 기술 영역에 특별히 조정됩니다. 어떤 시점에서 일반 버전을 발행할 수 있습니다. 관심이 있으시면 저희에게 연락하세요.

기사의 코드 예제를 어떻게 처리하나요?

이것은 인간 검토가 중요한 한 가지 영역입니다. Claude Opus는 약 90% 시간에 구문상 정확한 코드를 생성하지만, 나머지 10%는 미묘한 버그, 폐기된 API 또는 경험이 많은 개발자를 찡그리게 할 패턴을 포함합니다. 모든 코드 블록은 수동으로 검증됩니다. 프레임워크 특정 코드의 경우, 우리는 종종 로컬로 실행하여 작동하는지 확인합니다.

AI 모델이 업데이트될 때 어떻게 되나요?

모델 업데이트는 모든 것을 망칠 수 있습니다. Anthropic이 Claude Opus 4를 발표했을 때, Claude 3 Opus에서 완벽하게 작동한 우리의 프롬프트는 상당한 재작업이 필요했습니다. 우리는 버전화된 프롬프트를 유지하고 모델이 업데이트될 때마다 10개 기사의 벤치마크 세트에 대해 테스트합니다. 이에 대한 시간을 예산 — 우리의 3개월 실행에서 3번 일어났습니다.

파이프라인의 다음은 무엇인가요?

우리는 Playwright를 사용한 자동화된 스크린샷 생성 추가, 헤드리스 CMS 배포 파이프라인과의 통합을 원클릭 발행을 위해, 그리고 Google Search Console 데이터가 다음에 우선순위를 둘 주제에 영향을 미치는 피드백 루프를 만드는 작업을 하고 있습니다. 목표는 품질을 희생하지 않고 그 35분의 인간 검토 시간을 줄이는 것입니다. 완료되면 아마 그것에 대해 쓸 것입니다. 당신이 우리가 클라이언트 프로젝트에 비슷한 체계적 사고를 어떻게 적용하는지 궁금한 경우 가격 페이지를 확인하세요.