AI 뉴스 요약 자동 발행 체계 사양서 – 코딩하는 피지컬AI 부동산·코인·주식 노트

제시해주신 ‘젬스(Jems) 마스터 플랜’의 철학과 아키텍처를 바탕으로, **n8n**과 **Python**을 활용한 **AI 뉴스 요약 자동 발행 체계**를 옵시디언(Obsidian) 내에 구현할 수 있도록 설계해 드립니다.

이 시스템은 외부의 뉴스 데이터를 자동으로 포획(Capture)하여 젬스 시스템의 `00_Inbox`에 적재하고, AI가 1차 정제(Distill)를 수행하는 구조입니다.

—

## 1. 옵시디언 볼트(Vault) 구조 및 파일 생성

옵시디언의 최상위 폴더에 아래의 구조대로 폴더와 파일을 생성해 주시기 바랍니다. 각 파일의 내용을 복사하여 해당 경로에 저장하십시오.

### **[경로]** `01_Projects/AI_Automation/News_Pipeline_Spec.md`

**[파일명]** AI 뉴스 자동화 파이프라인 사양서

Markdown

“`
# AI 뉴스 요약 자동 발행 체계 사양서
– **프로젝트**: 젬스(Jems) 연동 AI 자동화
– **도구**: n8n (워크플로우 엔진), Python (데이터 처리), OpenAI/Ollama (요약 LLM)
– **상태**: [[status/in-progress]]
– **관련 영역**: [[02_Areas/Tech_Stack/AI_Automation_MOC]]

## 1. 워크플로우 설계 (n8n)
1. **Trigger**: 매일 오전 8시 (Cron 설정)
2. **Fetch**: 구글 뉴스 RSS 또는 특정 기술 블로그 RSS 수집
3. **Filter**: Python 노드를 활용해 키워드(예: AI, 지식 관리, 생산성) 필터링
4. **Transform**: AI를 통해 ‘점진적 요약’ 4단계 형식으로 변환
5. **Output**: 옵시디언 로컬 폴더(`00_Inbox`)에 마크다운 파일로 저장

## 2. 뉴스 요약 템플릿
AI가 생성할 파일의 표준 규격입니다.
– **파일명 형식**: `YYYY-MM-DD_뉴스제목.md`
– **본문 구성**:
– 원문 링크 및 출처
– 3단계 요약 (Bold 및 Highlight 적용)
– 나의 생각 (Empty – 인간의 영역)
“`

—

### **[경로]** `00_Inbox/Templates/News_Auto_Template.md`

**[파일명]** 자동 발행 뉴스 템플릿

Markdown

“`
—
type: fleeting
source: AI_Auto_Pipeline
created: {{date}}
tags: [[news/auto]] [[inbox/process]]
—

# {{title}}

## 🔗 원문 정보
– **출처**: {{source_url}}
– **수집일**: {{date}}

## 🔍 AI 점진적 요약 (Step 1-3)
> [!abstract] Executive Summary
> {{ai_summary_sentence}}

– **핵심 내용**:
– {{bold_text_1}}
– {{bold_text_2}}
– {{highlighted_core_insight}}

## ✍️ 나의 통찰 (Step 4: 내재화)

–

## 🔗 연결된 지식
– [[03_Resources/Permanent_Notes/새로운_연결_생성]]
“`

—

## 2. AI 자동화 연동 가이드: 어떤 뉴스를 요약해야 하는가?

젬스(Jems) 시스템의 효율을 극대화하기 위해, 단순한 일반 뉴스가 아닌 **지식 근로자의 통찰을 자극할 수 있는 특정 도메인**의 뉴스를 타겟팅해야 합니다. n8n의 필터링 조건에 아래 키워드를 반영하는 것을 권장합니다.

—

## 3. 전문 용어 해설

시스템 구축 과정에서 등장하는 기술적 용어들에 대한 설명입니다.

– **n8n (엔에잇엔):** 서로 다른 앱과 서비스를 연결하여 복잡한 업무를 자동으로 수행하게 해주는 워크플로우 자동화 도구입니다. 코딩 지식이 적어도 시각적으로 흐름을 설계할 수 있습니다.

– **RSS (알에스에스):** 웹사이트의 업데이트된 정보를 사용자에게 자동으로 전달해 주는 데이터 형식입니다. 이를 활용하면 매번 사이트를 방문하지 않고도 최신 뉴스를 긁어올 수 있습니다.

– **LLM (대규모 언어 모델):** ChatGPT와 같이 인간의 언어를 이해하고 생성할 수 있는 인공지능 모델입니다. 뉴스 원문을 읽고 핵심을 요약하는 역할을 수행합니다.

– **마크다운 (Markdown):** 별도의 복잡한 도구 없이 일반 텍스트만으로 제목, 굵게, 링크 등의 서식을 간단히 표현할 수 있는 문서 작성 형식입니다. 옵시디언의 기본 문서 포맷입니다.

– **임베딩 (Embedding):** 텍스트를 컴퓨터가 이해할 수 있는 숫자의 나열(벡터)로 변환하는 과정입니다. 이를 통해 단어가 달라도 의미가 비슷한 문서를 AI가 찾아낼 수 있습니다.

– **RAG (검색 증강 생성):** AI가 가진 일반적인 지식에 더해, 사용자가 가진 특정 문서(옵시디언 노트 등)를 먼저 찾아보고 그 내용을 바탕으로 답변하게 만드는 기술입니다. 답변의 정확도를 획기적으로 높여줍니다.

제시해주신 **OMMA(Omniverse Meta-Architect, 이전 명칭 젬스) 마스터 플랜**의 아키텍처와 사용자의 전문 이력(서버 관리 10년, 공인중개사)을 결합하여, 실질적인 비즈니스 가치를 창출할 수 있는 **AI 뉴스 요약 자동 발행 체계**의 타겟 선정 및 옵시디언 구현 방안을 제안합니다.

이 시스템은 단순히 정보를 모으는 것이 아니라, 사용자의 부동산 창업 및 AI 자동화 전문가로의 도약을 지원하는 지적 자본으로 치환되어야 합니다.

—

## 1. 전략적 뉴스 요약 타겟 (무엇을 요약해야 하는가)

OMMA 시스템의 `03_Resources` 영역을 풍성하게 하고 `01_Projects`의 실행력을 높이기 위해 다음 네 가지 범주의 뉴스를 우선적으로 수집하고 요약해야 합니다.

### **1.1. AI 기술 및 업무 자동화 트렌드**

– **목적**: n8n, Python, API 연동 등 사용자의 핵심 기술 스택 고도화.

– **키워드**: n8n updates, Python libraries for AI, LLM (Large Language Model) benchmarks, RAG (Retrieval-Augmented Generation) case studies.

– **출처**: TechCrunch, Hacker News, n8n 공식 블로그, GitHub Trending.

### **1.2. 부동산 정책 및 실거래 시장 동향**

– **목적**: 공인중개사로서의 전문성 강화 및 AI 자동화 부동산 서비스 기획의 재료.

– **키워드**: 국토교통부 보도자료, 금리 변동에 따른 부동산 시장 영향, 재개발/재건축 규제 변화.

– **출처**: 국토교통부 홈페이지 RSS, 주요 경제지 부동산 섹션.

### **1.3. 경남(진주/남해) 지역 개발 및 경제 뉴스**

– **목적**: 사용자의 연고지인 진주와 남해 지역에 특화된 로컬 비즈니스 정보 선점.

– **키워드**: 진주시 도시계획, 경남 남해 관광 개발 프로젝트, 서부경남 KTX 관련 소식.

– **출처**: 경남도민일보, 진주시청 공고, 지역 뉴스레터.

### **1.4. 지식 관리 및 생산성 도구 동향**

– **목적**: OMMA 시스템의 지속적인 진화 및 개인 지능형 워크플로우 최적화.

– **키워드**: Obsidian plugins, Zettelkasten 방법론의 현대적 적용, Notion AI updates.

– **출처**: Obsidian Forum, 유관 유튜브 채널 콘텐츠 텍스트 추출.

—

## 2. 옵시디언(Obsidian) 내 구현 가이드

사용자의 볼트(Vault) 구조에 맞추어, AI가 자동으로 생성할 파일의 경로와 내용을 설계했습니다.

### **[파일 1] 파이프라인 제어 센터**

– **경로**: `01_Projects/AI_Automation/News_Pipeline_Logic.md`

– **파일명**: 뉴스 요약 자동화 로직 설계

Markdown

“`
# 뉴스 요약 자동화 로직 설계
– **프로젝트**: OMMA 뉴스 파이프라인 구축
– **자동화 도구**: n8n (Workflow), Python (Scraper)
– **필터링 조건**: [[AI_Automation]] [[Real_Estate]] [[Jinju_Local]]

## 워크플로우 구조 (n8n)
1. **Trigger**: 매일 오전 08:30 실행
2. **Collector**: RSS 및 Web Scraping을 통한 원문 데이터 수집
3. **Filter**: Python 노드에서 미리 설정된 키워드 가중치에 따라 필터링
4. **Distiller**: LLM API를 사용하여 ‘점진적 요약(Progressive Summarization)’ 수행
5. **Exporter**: 옵시디언 `00_Inbox` 폴더로 마크다운 파일 전송

## 모니터링
– [ ] 수집 소스 리스트 최신화
– [ ] API 할당량 체크
“`

—

### **[파일 2] 자동 발행 뉴스 템플릿 (원자화된 노트)**

– **경로**: `00_Inbox/YYYY-MM-DD_News_Title.md` (AI가 자동 생성)

– **파일명**: (수집된 뉴스 제목)

Markdown

“`
—
type: fleeting
source: AI_Auto_Pipeline
category: [[AI_Trend]] [[Real_Estate]]
status: [[inbox/process]]
created: 2026-05-08
—

# {{Title}}

## 🔗 원문 정보
– **Source**: {{Source_Link}}
– **핵심 키워드**: #{{Keyword_1}} #{{Keyword_2}}

## 🔍 AI 점진적 요약 (Distill)
> [!abstract] 1줄 요약
> {{AI_Executive_Summary}}

### 단계별 핵심 내용
– **핵심 포인트 1**: **{{Bold_Text_1}}**
– **핵심 포인트 2**: **{{Bold_Text_2}}**
– **인사이트**: =={{Highlighted_Insight}}==

## ✍️ 나의 통찰 (Step 4: Express)

– 이 뉴스가 진주 부동산 시장에 미칠 영향:
– 나의 자동화 시스템에 적용할 아이디어:

## 🔗 연결된 지식
– [[02_Areas/Real_Estate/Market_Analysis]]
– [[03_Resources/Tech_Stack/Automation_Ideas]]
“`

—

## 3. 전문 용어 해설

이해를 돕기 위해 보고서에 언급된 주요 기술 용어들을 설명합니다.

– **n8n (엔에잇엔):** 다양한 서비스(이메일, 뉴스, 데이터베이스 등)를 서로 연결하여 업무 흐름을 자동화하는 도구입니다. 복잡한 코딩 없이도 논리 구조를 시각적으로 설계할 수 있습니다.

– **RSS (알에스에스):** 웹사이트의 최신 정보를 실시간으로 받아볼 수 있는 데이터 규격입니다. 뉴스 사이트나 블로그를 일일이 방문하지 않고도 업데이트된 내용을 한곳에서 수집할 수 있게 해줍니다.

– **API (에이피아이):** ‘응용 프로그램 프로그래밍 인터페이스’의 약자로, 서로 다른 소프트웨어들이 정보를 주고받기 위한 통신 규약입니다. 예를 들어, n8n이 OpenAI의 인공지능 기능을 빌려 쓰기 위해 API를 사용합니다.

– **점진적 요약 (Progressive Summarization):** 정보를 한 번에 요약하는 것이 아니라, 처음에는 전체 내용, 다음에는 굵은 글씨, 그다음에는 하이라이트 등 여러 단계를 거쳐 핵심만 남기는 정제 방법론입니다.

– **원자화 (Atomization):** 하나의 노트에 하나의 아이디어만 담는 것을 의미합니다. 이렇게 정보를 작게 쪼개야 나중에 다른 지식과 레고 블록처럼 쉽게 연결하고 재조합할 수 있습니다.

– **시맨틱 검색 (Semantic Search):** 단순히 검색어와 일치하는 단어를 찾는 것이 아니라, 단어의 의미와 맥락을 파악하여 사용자의 의도에 가장 가까운 결과를 찾아주는 검색 방식입니다.

댓글 달기 응답 취소