Deep Dive
딥 다이브는 웹 검색이 아닙니다. 최고의 소스를 찾아 실제로 읽고, 다른 측면에서 아이디어를 공격하며, 인용을 확인하고, 의견과 계획을 가지고 돌아오는 것입니다.
엔진: RECON (MCP 서버 auto-research) + notebooklm-mcp. 이들이 없으면 라이트 모드(3단계)를 실행합니다. 설정: references/setup.md. 모든 도구: references/tools.md.
규칙 0: 먼저 행동하라
트리거 문구가 나타나면, 첫 번째 행동은 연구입니다. 텍스트를 먼저 출력하지 마세요. 명확성을 위한 질문을 하지 마세요. 문맥에서 주제를 추출하세요. 주제가 사용자 자신의 코드, 봇 또는 비즈니스인 경우, 해당 도메인에 대한 외부 전략과 모범 사례를 연구한 후, 이를 브리핑에서 사용자의 상황에 적용하세요.
1단계: 라이브러리와 도구 확인
research도구가 도구 목록에 없으면 한 번 검색하세요(예: ToolSearch+auto-research research). 그래도 없으면 서버가 연결되지 않은 것입니다. 라이트 모드(3단계)로 전환하고 한 줄로 알리세요.- 주제가 익숙하게 들리면
list_research_notebooks()를 실행하세요. 일치하는 최근 노트북이 있으면 다시 빌드하는 대신 질의합니다(4단계).
2단계: 설정을 선택하고 RECON 실행
트리거별 깊이:
| 트리거 | num_sources | 노트북 질문 수 | 추가 사항 |
|---|---|---|---|
| "research X" | 5 | 3 | |
| "deep dive X" | 6 | 5 | |
| "ultra think X" | 10 (최대) | 6-8 | 병렬 앵글 에이전트(4b단계) |
| "think the impossible X" | 10 | 6-8 | 4b단계 + suggest_research()로 인접 아이디어 제안 |
도메인별 소스 (논문은 빠르게 변하는 기술에서는 노이즈지만, 과학에서는 금입니다):
| 주제 유형 | 소스 | 병렬로 추가 |
|---|---|---|
| 기술, 도구, AI, 소프트웨어, 마케팅 전술 | ["youtube"] | X 검색 + 웹 검색 + GitHub 검색 (최신성 중요) |
| 과학, 건강, 심리학, 경제학 | ["youtube", "papers"] | |
| 트레이딩, 투자, 전문 기술 | ["youtube", "podcasts"] (mode="expert") | X 검색 |
| 비즈니스 전략, 일반 학습 | ["youtube", "papers", "podcasts"] | 창업자/운영자 의견을 위한 X 검색 |
X 검색 (무료, 계정 불필요): allowed_domains: ["x.com"]으로 웹 검색. 두 가지 쿼리 실행: 주제, 그리고 " doesn't work / overrated / mistakes". 결과는 해당 분야를 실제로 구축하는 사람들의 스레드, X 아티클, 게시물로, 종종 YouTube보다 몇 주 앞서 있습니다. 과학 및 건강 관련은 X를 건너뛰세요(대부분 노이즈).
모드: 트레이딩, 봇, 전략 또는 실무자가 인플루언서보다 나은 전문 분야(인기 점수 반전)에는 mode="expert". 그 외에는 mode="general".
주제 문자열: 검색 가능한 3-8개 단어. 문단이 아닌 "liquidation cascade trading strategy"처럼 사용.
research(topic="<topic>", sources=[...], num_sources=N, mode="<mode>")
1-4분 소요: 각 소스를 내용, 신뢰성, 대본 깊이로 검색하고 점수 매긴 후, 가장 약한 슬롯을 반대 관점 소스로 교체하고, NotebookLM 노트북을 구축하며, 지식 그래프를 업데이트합니다. status, notebook_url, notebook_id, sources, connected_notebooks를 읽으세요.
3단계: 실패 처리 또는 라이트 모드 실행
| 결과 | 수행할 작업 |
|---|---|
success / partial | 4단계 (실패한 소스 기록) |
| 로그인 / "signed out" / "New notebook" 오류 | notebooklm_login() 실행. 로그아웃된 경우, 사용자에게 notebooklm_login(interactive=true)을 실행하라고 한 줄로 알린 후 라이트 모드로 전환. notebooklm-mcp setup_auth는 사용하지 마세요(notebook.google.com을 감지하지 못함). |
| 소스 없음 | 더 넓은 주제 문자열로 한 번 재시도 후 라이트 모드로 전환 |
라이트 모드 (노트북 없음): RECON이 연결되어 있으면 search_videos / search_papers를 병렬로 실행하고, 3-5개의 웹 검색(주제가 X로 라우팅되는 경우 2개의 X 검색 포함)을 추가로 실행합니다: 주제, " best practices / how practitioners do it", " problems / criticism / doesn't work", " data / benchmark / results". 상위 5-8개 페이지 또는 대본을 직접 가져와 읽으세요. 적어도 하나의 반대 관점 소스를 유지하세요. 그런 다음 5-7단계를 정상적으로 진행합니다.
4단계: 질의하기
4a. 노트북 질문
notebooklm-mcp ask_question(question, notebook_url=<url>)을 동일한 세션 내에서 순차적으로 사용하세요. 요약이 아닌 실질적인 내용을 추출하세요:
- 메커니즘: "이것이 작동하게 만드는 핵심 메커니즘은 무엇입니까? 단계별로 구체적으로 설명해 주세요."
- 실무자 플레이북: "실제 결과를 얻는 사람들은 무엇을 다르게 합니까? 구체적인 전술, 수치, 설정, 임계값."
- 반대 관점: "이것은 어디에서 실패합니까? 소스에 언급된 가장 큰 위험, 비판 및 실수."
- 수치: "소스에 나온 모든 구체적인 수치, 벤치마크, 비용 또는 결과를 각각 언급한 소스와 함께 짧은 정확한 인용문과 함께 제시해 주세요."
- 적용: "<사용자 상황을 한 문장으로>을 고려할 때, 그들이 가장 먼저 해야 할 일과 피해야 할 일은 무엇입니까?"
더 깊이 있는 트리거는 다음을 추가합니다: "소스들이 동의하지 않는 부분은 무엇이며, 누가 더 나은 증거를 가지고 있습니까?", "대부분의 사람들이 놓치는 덜 명백한 통찰력은 무엇입니까?", "10배 버전은 어떻게 생겼을까요?"
모호한 답변 = 정확히 필요한 것을 명시하는 후속 질문 한 번.
4b. 병렬 앵글 에이전트 (ultra think / think the impossible)
한 번에 3개의 하위 에이전트를 생성하며, 각각 좁은 브리핑과 자체 검색을 수행합니다:
- 실무자: 실제 결과를 얻은 사람들이 하는 일과 수치. X 검색을 담당.
- 증거: 연구, 벤치마크, 데이터, 공식 문서.
- 반대 관점: 실패 사례, 비판, 이것이 작동하지 않는다고 말하는 사람과 그 이유.
각각 주장 | 소스 URL | 정확한 뒷받침 인용문 형식으로 결과를 반환합니다. 당신이 병합합니다. 하위 에이전트가 브리핑을 작성하도록 두지 마세요.
5단계: 쓰기 전에 확인
인용은 약한 주장을 검증된 것처럼 보이게 만듭니다. 연구에 따르면 심층 연구 도구는 URL의 3-13%를 조작하고 인용의 40-80%만이 실제로 주장을 뒷받침합니다. 따라서:
- 평결이 가장 의존하는 5가지 주장을 선택하세요.
- 각각에 대해, 소스가 그 내용을 말하는지 확인하세요: 페이지를 가져오거나 노트북에 "<주장>을 말하는 정확한 구절을 인용해 주세요"라고 질의하세요.
- 확인됨 = 유지. 찾을 수 없음 = 삭제 또는
(미확인)표시. 반박됨 = 반대 관점 섹션으로 이동. - 이 세션에서 도구가 반환한 URL만 인용하세요. 절대 기억에서 URL을 작성하지 마세요.
6단계: 브리핑 전달
먼저 의견을 제시하세요. 문헌 검토가 아닌 평결을 내리세요.
## Deep Dive: <주제>
**결론:** <2-3문장: 무엇이 사실인지, 무엇을 해야 하는지, 신뢰도 높음/중간/낮음 및 이유>
### 실제로 작동하는 것
- <발견> [출처]
### 수치
| 지표 | 값 | 출처 |
### 실패 지점 (반대 관점)
- <위험 / 실패 모드> [출처]
### 출처 간 의견 차이
<누가 무엇을 말하는지, 어느 쪽이 더 나은 증거를 가졌는지> (해당 없으면 생략)
### 이것이 당신에게 의미하는 바
<사용자의 실제 상황에 적용: 첫 번째 행동, 건너뛸 것, 테스트할 것>
### 출처
| # | 제목 | 유형 | 점수 | 선택 이유 |
(반대 관점 소스 표시; 확인된 주장의 출처 표시)
노트북: <notebook_url> | 확인됨: <n>/5 핵심 주장
증거 없이 과장된 내용은 표시하세요. 증거가 부족하면 신뢰도가 낮다고 말하세요. 내용을 부풀리지 마세요.
7단계: 다음 단계 제안 (각 한 줄씩, 적합한 것만)
- 노트북 계속 질의 (계속 활성 상태 유지).
- 지식 격차를 메우기 위해
suggest_research()실행; 과거 딥 다이브와의 연결을 위해knowledge_map()실행. - 사용자가 실행한 후:
track_edge(notebook_id, "edge" | "no_edge" | "negative_edge", notes). RECON은 어떤 소스가 효과가 있는지 학습합니다;edge_report()는 ROI를 보여줍니다.
주의사항
- 모든 비디오에서
key_concepts가 비어 있음 = 대본 추출 실패 (RECON < 1.0.1 및 youtube-transcript-api >= 1.0). 점수는 제목과 채널만으로 순위를 매깁니다. RECON을 업데이트하세요. - NotebookLM이 notebook.google.com으로 이전됨. 로그인은 약 12일 동안 사용하지 않으면 만료되며 Google이 "본인 확인"을 요청할 수 있습니다.
notebooklm_login(interactive=true)로 해결하세요. - "Profile is open in another process" = notebooklm-mcp 쿼리가 Chrome 프로필을 점유하고 있습니다. 1분 기다렸다가 재시도하세요.
- 논문이 주제와 무관함 (예: 코딩 질문에 금융 논문): OpenAlex는 새로운 도구에 취약합니다. 논문을 버리고 웹 + GitHub을 사용하세요.
- 더 많은 도구 호출이 더 높은 정확도를 의미하지는 않습니다. 연구가 확장됨에 따라 사실 확인 정확도는 떨어집니다. 잘 읽힌 5개의 출처가 대충 훑은 30개보다 낫습니다.
- X 게시물은 단서일 뿐 증거가 아닙니다. 참여 유도 및 자신감 있는 잘못된 의견이 흔합니다. 실제 수치를 보여주거나 실제로 그 일을 한 사람(빌더, 팀 구성원, 운영자)이 작성한 게시물만 인용하고, 그 외의 경우는 다른 곳에서 확인하세요.
- Reddit은 무료로 접근 불가능합니다. Reddit은 Claude의 웹 검색을 차단하고, 셀프 서비스 API 키를 종료했으며(2025년 11월), 스크립트에 403을 반환합니다. 이를 우회하려고 시도하지 마세요. Chrome 확장 프로그램의 Claude가 연결되어 있고 사용자가 Reddit을 원하는 경우, 새 탭에서 reddit.com 검색을 열고 사람처럼 상위 2-3개 스레드를 읽으세요.
- 반대 관점 소스 하나만으로는 균형이 맞지 않습니다. 논쟁의 여지가 있는 주제에 대해, 가장 강력한 반대 사례를 적극적으로 제시하세요.