오픈소스 AI 프로젝트 4선 — 트렌드 검색·노트북LM 클론·에이전트 스킬·토큰 절감

핵심 메시지

• Last 30 Days는 레딧·해커뉴스·폴리마켓·깃허브 등에서 사람들의 추천(업보트)을 근거로 최근 트렌드를 요약해 주는 검색용 스킬이다.
• Open Notebook은 구글 노트북LM을 오픈소스로 구현한 프로젝트로, 문서를 업로드해 질문하거나 팟캐스트를 생성할 수 있고 로컬 모델로도 구동된다.
• Agent Skills는 스펙·계획·빌드·테스트·리뷰·코드 정리·배포까지 엔지니어링 7단계를 슬래시 커맨드로 정리해 준다.
• Headroom은 LLM에 전달되는 컨텍스트를 압축해 품질을 유지하면서 토큰을 최대 90%까지 절감한다.
• 네 프로젝트 모두 깃허브 링크를 에이전트 코딩 도구에 붙여 넣어 "설치해 달라"고 말하는 것만으로 손쉽게 설치된다.

쉽게 이해하기

영상은 아직 널리 알려지지 않았지만 실사용 가치가 높은 무료 깃허브 프로젝트 네 가지를 차례로 소개한다. 모두 설치가 간단하고, 명령줄을 직접 다루는 대신 깃허브 주소를 커서나 코덱스 같은 에이전트 코딩 도구에 붙여 넣어 설치를 지시하는 방식을 권한다.

첫 번째 Last 30 Days는 구글 검색과 대비되는 새로운 형태의 검색 스킬이다. 알고리즘이 아니라 레딧·해커뉴스·폴리마켓·깃허브·X·유튜브·틱톡 등에서 사람들이 실제로 남긴 추천과 참여도를 병렬로 수집하고, AI 에이전트가 이를 하나의 간결한 브리핑으로 정리한다. 깃허브 스타는 4만 개를 넘었고, 검색 결과를 공유용 HTML 페이지로 내보내는 기능도 있다.

두 번째 Open Notebook은 구글의 노트북LM을 무료·오픈소스로 구현한 로컬 클론이다. PDF나 문서를 올려 내용을 질문하거나, 그 내용을 다루는 합성 팟캐스트를 만들 수 있다. 스타는 약 3만 개이며, OpenAI 같은 호스팅 모델은 물론 Ollama·LM Studio로 완전히 로컬에서도 돌릴 수 있다. 핵심 인사이트 추출, 요약, 반성 질문 생성 같은 변환 기능도 제공한다.

세 번째 Agent Skills는 에이전트 엔지니어링 워크플로에 집중한 스킬로, 스펙·계획·빌드·테스트·리뷰·코드 단순화·배포라는 7단계에 대응하는 슬래시 커맨드를 제공한다. 스타는 5만 6천 개를 넘는다. /interview me 명령으로 무엇을 만들려는지 단계별 인터뷰를 진행해 마크다운 스펙으로 정리해 준다.

마지막 Headroom은 LLM에 도달하기 전에 도구 출력·로그·RAG 청크·파일·대화 기록 등 컨텍스트를 압축한다. 영상이 든 예시에서는 코드 검색 결과가 1만 7천 토큰에서 1천 4백 토큰으로 약 92% 줄었고, GSM8K·TruthfulQA·SQuAD V2·BFCL 같은 벤치마크에서 정확도가 유지됐다고 한다. 클로드 코드·커서·코덱스 등 기존 도구와 그대로 연동된다.

주요 인사이트

• 검색의 신뢰도를 알고리즘이 아니라 "사람들이 실제로 추천하고 돈을 건 정도"로 환산하려는 시도가 흥미롭다. 최신 트렌드를 빠르게 파악하는 데 특히 유용하다.
• 노트북LM 같은 폐쇄형 서비스의 핵심 기능이 오픈소스·로컬 구현으로 빠르게 따라잡히고 있어, 데이터를 외부로 보내지 않고도 비슷한 경험이 가능해지고 있다.
• 에이전트 코딩이 즉흥적인 프롬프트에서 스펙 중심의 정형화된 단계로 옮겨가고 있으며, 이를 스킬 형태로 표준화하려는 흐름이 뚜렷하다.
• 컨텍스트 압축은 비용·할당량 제약이 큰 환경에서 실질적인 절감을 주며, 품질을 떨어뜨리지 않는다는 점이 채택의 관건이다.

자주 묻는 질문

관련 AI 소식