챗GPT 코덱스 활용법 정리: 로컬 프로젝트와 AGENTS.md부터 스킬·플러그인·예약 작업까지 사다리 7단계

핵심 메시지

• 챗GPT 데스크톱 앱은 챗·워크·코덱스 세 갈래로 나뉘며, 모델이 아니라 '어떤 종류의 작업인가'를 먼저 물어야 한다.
• 코덱스는 개발자 전용 도구가 아니라 노트북 폴더 안의 파일로 일하는 모든 지식 노동자를 위한 작업 환경이다.
• 반복해서 같은 지시를 한다면 그 지시는 AGENTS.md로, 반복하는 작업 절차라면 스킬로 굳혀야 한다.
• 자동화는 마지막 단계다. 수동으로 돌려보고, 스킬로 만들고, 신뢰가 쌓인 뒤에야 예약 작업으로 넘긴다.
• 큰 작업은 플랜 모드로 접근법을 먼저 교정하고, 골 모드로 '완료 조건'을 붙들어 두고 오래 돌린다.

쉽게 이해하기

영상의 진행자는 IBM·구글·마이크로소프트를 거쳐 AI 개발자 관계 업무를 이끌었던 경력을 밝히며, 몇 달간 코덱스를 주력 작업 도구로 써 온 경험을 정리한다. 핵심 전제는 명칭 변화다. 얼마 전까지 챗GPT와 코덱스는 별개 앱이었지만, 지금은 갱신된 챗GPT 데스크톱 앱 하나에 챗·워크·코덱스가 함께 들어와 있다. 그래서 이 강의는 코덱스 한 기능이 아니라 앱 전체를 다루는 셈이 된다.

세 갈래의 쓰임은 뚜렷이 갈린다. 챗은 논문을 이해하거나 문단을 다시 쓰는 등 한 번에 끝나는 대화용이고, 워크는 조사 보고서·발표자료·스프레드시트처럼 완성된 결과물을 넘겨받고 싶을 때 쓴다. 진행자는 챗은 하위 에이전트를 띄우지 않지만 워크는 띄운다는 점을 실무적 구분선으로 제시한다. 코덱스는 노트북의 특정 폴더와 코드베이스를 직접 상대해야 할 때, 어떤 파일을 읽고 무엇을 바꿨는지 눈으로 확인하고 싶을 때의 선택지다.

첫 두 단계는 '작업의 집'을 만드는 일이다. 로컬 프로젝트로 이미 컴퓨터에 있는 폴더를 연결하면 같은 파일을 매번 새로 올릴 필요가 없고, 결과물도 채팅 안에 갇히지 않고 그 폴더로 되돌아온다. 진행자는 홈 디렉터리 전체가 아니라 그 작업에 필요한 가장 좁은 폴더만 연결하라고 권한다. 이어 AGENTS.md에는 오늘의 지시가 아니라 그 프로젝트에서 계속 참인 규칙(대상 독자, 톤, 승인된 출처, 검토 체크리스트, 건드리면 안 되는 것)을 적는다.

세 번째부터 다섯 번째 단계는 작업을 나누고 굳히는 과정이다. 채팅 하나에 결과물 하나만 맡기고 이름도 결과물에 맞춰 붙이며, 여러 에이전트가 같은 파일을 동시에 고치는 상황은 피한다. 한 번 잘 굴러간 절차는 스킬로 만들어 두되, 절차를 이해하기 전에 스킬부터 만들지는 않는다. 플러그인은 스킬(방법)과 커넥터(외부 서비스 접근 권한)를 묶어 설치할 수 있게 만든 꾸러미이며, 워크와 코덱스에서만 쓸 수 있다.

마지막 두 단계는 자동화와 장기 실행이다. 진행자는 '수동 먼저, 스킬 다음, 예약은 마지막'이라는 순서를 강조하며, 검증되지 않은 절차를 예약해 두는 것은 위험하다고 지적한다. 큰 작업에서는 플랜 모드로 파일을 건드리지 않은 채 계획만 먼저 받아 5분 만에 방향을 고치고, 골 모드로 '무엇이 갖춰지면 끝인가'를 명시해 오래 돌린다. 자리를 비울 때는 노트북을 켜 둔 채 휴대폰으로 승인·검토를 이어갈 수도 있다.

주요 인사이트

• 같은 피드백을 두 번 반복했다면 그것은 출력물의 문제가 아니라 지시 체계의 구멍이라는 신호다. 진행자는 '무슨 지속 규칙이 빠져서 이런 일이 반복됐는지' 되묻고 AGENTS.md에 가장 작은 수정만 반영하는 방식을 습관으로 삼는다.
• AGENTS.md와 스킬을 가르는 기준은 명확하다. '다음 주에 완전히 새 채팅을 열었을 때도 이 지시가 적용돼야 하는가'가 참이면 AGENTS.md에, 특정 작업 절차의 수행 방법이면 스킬에 들어간다.
• 스킬 설명문은 성능이 아니라 발동 조건을 결정한다. '콘텐츠에 도움이 됩니다' 같은 문장 대신, 언제 켜지고 언제 빠져 있어야 하는지를 함께 적어야 원치 않는 순간에 끼어들지 않는다.
• 플러그인은 설치했다고 무제한 권한이 생기는 것이 아니다. 진행자는 새 플러그인을 붙일 때 메일 발송이 아니라 메일 요약처럼 읽기 전용 용도부터 시작해 판단의 신뢰도를 먼저 확인하라고 권한다.
• 골 모드는 부실한 완료 정의를 대신 메워 주지 않는다. '발표자료를 멋지게 만들어 줘' 같은 목표는 검증할 것이 없어서, 결과를 만들고 점검하고 가장 작은 문제를 고쳐 다시 확인하는 루프 자체가 성립하지 않는다.

자주 묻는 질문

관련 AI 소식