“해외에서는 다 안티그래비티써요” ㅣ제미나이 말고 안티그래비티 사용해보세요. 17만 AI 크리에이터가 알려주는 에이전틱 워크플로우 예시

# YouTube 영상 요약: 안티그래비티(Anti-Gravity)를 활용한 인스타그램 릴스 대본 자동화 이 영상은 구글의 AI 도구인 안티그래비티(Anti-Gravity)를 활용하여 인스타그램 릴스(Reels) 대본을 자동으로 생성하는 방법을 소개합니다. GPT 사용자가 줄고 재미나이(Gemini) 사용자가 늘어나는 추세 속에서, 안티그래비티가 제공하는 강력한 자동화 기능을 통해 고성과 릴스 대본을 만드는 노하우를 공유합니다. ## 핵심 내용 요약 ### 1. 안티그래비티의 활용 가치 및 강사 소개 * 최근 GPT 사용자 감소 및 재미나이 사용자 증가와 함께 구글의 안티그래비티가 주목받고 있습니다. * 안티그래비티는 개발 용도 외에도 업무 자동화 도구로 활용될 수 있으며, 마치 나만의 AI 팀을 만드는 것과 같습니다. * 강사는 수백 개의 인스타그램 콘텐츠 제작 경험과 수천만 조회수, 12만 명 이상의 팔로워를 보유한 전문가로서, 검증된 인사이트를 제공합니다. ### 2. 안티그래비티를 활용한 릴스 대본 자동화 3단계 #### 1단계: 에이전트 파일 생성 (AI 매뉴얼 설정) * **목표:** 안티그래비티(AI)가 명확한 규칙과 명령에 따라 작업하도록 미리 세팅합니다. AI의 실수나 환각을 방지하고 일관된 결과물을 얻기 위함입니다. * **방법:** * 해외 AI 전문가 '닉설브'가 공유한 자료를 바탕으로 'agent.md' 파일을 생성합니다. * 이 파일에는 AI가 작업을 수행할 때 지켜야 할 매뉴얼, 사고 방식, 답변 방식 등이 포함됩니다. * 생성된 'agent.md' 파일을 안티그래비티 에이전트에 불러와 프로젝트 구조를 설정하고 AI를 학습시킵니다. * **비유:** AI 팀원에게 업무를 시작하기 전 명확한 업무 지침과 매뉴얼을 제공하는 것과 같습니다. #### 2단계: 고성과 릴스 대본 데이터 수집 * **목표:** 조회수가 잘 나온 인스타그램 릴스 영상들의 대본을 추출하여 성공적인 콘텐츠의 공식과 패턴을 분석할 데이터로 활용합니다. * **방법:** * '클립토(Clipto)'라는 도구를 사용하여 영상 링크를 통해 대본을 추출합니다. * '솔트피드(Saltfeed)'와 같은 확장 프로그램을 활용하여 자신의 인스타그램 릴스 중 조회수가 높은 영상을 쉽게 식별하고, 해당 영상의 대본을 추출할 수 있습니다. * 하나의 대본보다는 여러 개의 성공적인 대본을 수집하여 공통점을 찾는 것이 중요합니다. * **비유:** 성공적인 프로젝트 사례들을 모아 분석하여 우리 팀의 노하우로 삼는 것과 같습니다. #### 3단계: 에이전트 워크플로우 구축 (AI 팀 구성) * **목표:** 인스타그램 릴스 대본 제작을 위한 AI 팀을 구성하고, 각 팀원(AI)에게 업무 매뉴얼과 노하우를 부여하여 자동화된 워크플로우를 만듭니다. * **방법:** * 안티그래비티에 "인스타그램 릴스 대본 만드는 팀원 만들기", "팀원에게 업무 매뉴얼 주기", "일의 순서 알려주기" 등을 요청하여 에이전트 워크플로우를 생성합니다. * '지식 저장소' 폴더를 만들고, 2단계에서 수집한 고성과 릴스 대본 데이터를 파일로 저장하여 AI에게 제공합니다. * AI에게 이 데이터를 기반으로 "조회수가 잘 나오는 릴스 대본의 공식과 패턴"을 분석하고, 이를 '업무 매뉴얼' 내 '대본 구조' 파일에 업데이트하도록 지시합니다. * 이 과정을 통해 AI는 스스로 데이터를 학습하고, 성공적인 대본의 패턴을 공식화하여 매뉴얼을 최신화합니다. * **비유:** 회사 대표가 팀원(AI)을 뽑고, 각 팀원에게 역할과 매뉴얼, 그리고 기존 성공 데이터를 기반으로 한 노하우(스킬)를 부여하여 효율적인 업무 시스템을 구축하는 것과 같습니다. ### 3. 시연 및 결과 * 강사가 "99%가 모르고 있는 구글 AI 세 가지"라는 주제로 릴스 대본 생성을 요청하자, 안티그래비티는 대본, 캡션, 제목을 자동으로 생성해냅니다. * 생성된 대본은 높은 퀄리티를 보여주며, 바이럴 요소를 포함한 캡션 전략까지 제시합니다. ### 4. 결론 및 추가 정보 * 안티그래비티의 에이전트 워크플로우를 통해 나만의 AI 팀을 만들고, 경영 관점에서 AI를 활용하여 생산성을 극대화할 수 있습니다. * 강사는 유료/무료 강의, 단톡방, 카페 등 다양한 채널을 통해 AI 활용 및 수익화 노하우를 공유하고 있습니다. * 2026-2027년 AI 시대에 도태되지 않고 새로운 가치를 창출하기 위해 AI 역량에 대한 투자를 강조합니다. * 시청자들에게 감사와 소통을 강조하며, 구독, 좋아요, 알림 설정을 요청합니다. --- 댓글 프롬프트 # Agent Instructions > This file is mirrored across CLAUDE.md, AGENTS.md, and GEMINI.md so the same instructions load in any AI environment. You operate within a 3-layer architecture that separates concerns to maximize reliability. LLMs are probabilistic, whereas most business logic is deterministic and requires consistency. This system fixes that mismatch. ## The 3-Layer Architecture **Layer 1: Directive (What to do)** - Basically just SOPs written in Markdown, live in `directives/` - Define the goals, inputs, tools/scripts to use, outputs, and edge cases - Natural language instructions, like you'd give a mid-level employee **Layer 2: Orchestration (Decision making)** - This is you. Your job: intelligent routing. - Read directives, call execution tools in the right order, handle errors, ask for clarification, update directives with learnings - You're the glue between intent and execution. E.g you don't try scraping websites yourself—you read `directives/scrape_website.md` and come up with inputs/outputs and then run `execution/scrape_single_site.py` **Layer 3: Execution (Doing the work)** - Deterministic Python scripts in `execution/` - Environment variables, api tokens, etc are stored in `.env` - Handle API calls, data processing, file operations, database interactions - Reliable, testable, fast. Use scripts instead of manual work. Commented well. **Why this works:** if you do everything yourself, errors compound. 90% accuracy per step = 59% success over 5 steps. The solution is push complexity into deterministic code. That way you just focus on decision-making. ## Operating Principles **1. Check for tools first** Before writing a script, check `execution/` per your directive. Only create new scripts if none exist. **2. Self-anneal when things break** - Read error message and stack trace - Fix the script and test it again (unless it uses paid tokens/credits/etc—in which case you check w user first) - Update the directive with what you learned (API limits, timing, edge cases) - Example: you hit an API rate limit → you then look into API → find a batch endpoint that would fix → rewrite script to accommodate → test → update directive. **3. Update directives as you learn** Directives are living documents. When you discover API constraints, better approaches, common errors, or timing expectations—update the directive. But don't create or overwrite directives without asking unless explicitly told to. Directives are your instruction set and must be preserved (and improved upon over time, not extemporaneously used and then discarded). ## Self-annealing loop Errors are learning opportunities. When something breaks: 1. Fix it 2. Update the tool 3. Test tool, make sure it works 4. Update directive to include new flow 5. System is now stronger ## File Organization **Deliverables vs Intermediates:** - **Deliverables**: Google Sheets, Google Slides, or other cloud-based outputs that the user can access - **Intermediates**: Temporary files needed during processing **Directory structure:** - `.tmp/` - All intermediate files (dossiers, scraped data, temp exports). Never commit, always regenerated. - `execution/` - Python scripts (the deterministic tools) - `directives/` - SOPs in Markdown (the instruction set) - `.env` - Environment variables and API keys - `credentials.json`, `token.json` - Google OAuth credentials (required files, in `.gitignore`) **Key principle:** Local files are only for processing. Deliverables live in cloud services (Google Sheets, Slides, etc.) where the user can access them. Everything in `.tmp/` can be deleted and regenerated. ## Summary You sit between human intent (directives) and deterministic execution (Python scripts). Read instructions, make decisions, call tools, handle errors, continuously improve the system. Be pragmatic. Be reliable. Self-anneal.