Codex Continuous Operator

사업계획서를 실행 계획으로 바꾸는 자동 개선 루프

목표는 하나입니다. 교수 자료 1묶음에서 시험형 30문항, 문항별 Anki, 학생 풀이·정답률, 교수 다음 행동 리포트까지 이어지는 유료 파일럿을 반복해서 증명합니다. CourseRun은 학습 실행, LawBar Rebellion은 법학 평가 운영으로 분리합니다.

NotebookLM 소스 근거 데모 공개 가능 소스팩과 교수 면담 근거를 정리하는 검수·설득 경로입니다.

API/로컬 DB 생성 사이트 안에서 30문항 생성, 학생 풀이, Anki, 교수 정답률 리포트까지 운영합니다.

앱으로 이동 시연 운영 페이지 새로고침 AI 응답 회수 탭 공개 링크 확인

현재 자동화 상태 hourly · active

다음 24시간 우선순위 교수 면담 -> 30문항 검수 batch -> Anki -> 풀이·정답률 -> 학교 구매 패킷을 선명하게 만듭니다.

메인 경로 NotebookLM 소스 근거 데모와 API/로컬 DB 생성, 두 경로만 제품 경로로 둡니다.

회신 게이트 교수 회신 7개 필드로 NotebookLM source pack, API/local DB 30문항, Private only, Ask follow-up을 먼저 닫습니다.

상용 목표 교수 자료 1묶음에서 30문항 검수 준비, Anki, 정답률 리포트, 유료 파일럿까지 연결합니다.

제품 경계 CourseRun은 학습 실행, LawBar Rebellion은 법학 평가 운영을 맡습니다.

반복 주기 매시간 점검

성공 기준 검증 가능한 개선

실패 처리 blocker 기록

배포 표식 decision-receipt-route-close

이번 교수 데모 납품팩 synthetic demo · 사람 검수 전

30시험형 문항 30Anki 카드 300가명 풀이 69%정답률 46%Anki 저장률

데모 직후 회수할 결정

자료 범위 승인 NotebookLM 근거 승인 API/로컬 DB 전환 30문항 검수자 풀이·Anki 로그 정답률 리포트 가치 유료 파일럿 오너 blocker 코드·다음 조치

영수증 TSV: outputs/nightly/latest-professor-demo-decision-receipt.tsv

NotebookLM 교수 면담용 소스팩·근거 검수

API/로컬 DB 사이트 안 생성·풀이·Anki·리포트, blocker 때 raw private text 없는 local RAG handoff

자동화 안전선 테스트, 커밋, push, Pages 확인은 시도하지만 API 크레딧, 모델 권한, CAPTCHA, 2FA, 자료 반출 제한은 우회하지 않고 blocker로 남깁니다.

최신 run 상세 보기

2026-06-11 KST 기준 교수 데모 결정 영수증은 NotebookLM 근거 승인, API/로컬 DB 전환, blocker 코드·다음 조치까지 회수합니다.
OpenAI 모델은 계정별 `/api/models`와 billing/usage limit 확인 후 쓰며, 교수 파일럿은 `gpt-5.4-mini -> gpt-5.4-nano -> gpt-5-mini -> gpt-4.1-mini -> gpt-4o-mini` 순으로 계정에서 가능한 후보를 먼저 씁니다.
검수 큐는 30문항 파일럿 batch gate를 표시하고, 교수 콘솔은 NotebookLM/API 운영 준비도, 유료 파일럿 Go/No-Go, 머신러닝 품질 신호 루프, CourseRun/LawBar Rebellion 경계를 계속 검증합니다.

Professor Pilot Artifact

자동화는 교수 파일럿 킷을 매번 남겨야 성공입니다

구매 장면 교수 15분 데모, 유료 파일럿 Go/No-Go, SOW만 먼저 봅니다.

자료 인입 학교 DB, HWP 10개 QC, source manifest, rights gate를 묶습니다.

생성·검수 RAG evidence card, 30문항 batch, 검수 큐, Anki TSV를 연결합니다.

배포 원칙 Cloudflare Pages가 메인이고 Vercel은 백업 미러로만 남깁니다.

전체 자동화 산출물 펼치기

최신 산출물 야간/매시간 실행은 로컬 RAG, NotebookLM 소스팩, API 상태, 품질 신호, CourseRun 경계, 1주 교수 액션을 묶어 원문 없이 교수 면담용 패키지로 저장합니다. outputs/nightly/latest-professor-pilot-kit.md

상용화 초점 기능을 넓히기보다 교수 자료 1묶음에서 30문항, 문항별 Anki, 학생 풀이율·정답률 리포트, 유료 파일럿 제안까지 한 점을 관통합니다. npm run pilot:kit

검증 게이트 파일럿 킷은 commercial decision, 가격 가설, 증거 공백, NotebookLM/API 역할, 민감정보 미포함 조건을 통과해야 합니다. 통과하지 못하면 자동화 성공으로 보지 않습니다. npm run validate:professor-pilot-kit

AI 경로 판정서 NotebookLM 데모, API 직접 생성, local RAG 안전망 중 오늘 어떤 경로가 제품적으로 맞는지 매 run마다 판정하고, CourseRun 공유 경계와 민감자료 금지를 함께 확인합니다. outputs/nightly/latest-ai-route-audit.md

품질 신호 대장 검수 통과율, 중복·오답 품질, 학생 풀이·정답률, Anki 저장률, AI blocker, CourseRun handoff를 다음 source shard와 30문항 batch 조정으로 연결합니다. outputs/nightly/latest-quality-signal-ledger.md

30문항 local RAG sprint API/NotebookLM이 막혀도 raw private text 없이 30문항 draft scaffold를 만들고, 중복·오답 다양성·draft-only·사람 검수 gate를 유료 파일럿 전 증거로 분리합니다. outputs/nightly/latest-local-rag-30-sprint.md

학생·Anki demo 신호 실제 학생 데이터가 없을 때 synthetic aggregate로 풀이율, 정답률, Anki 저장률, 취약 쟁점 태그의 리포트 배선을 검증합니다. 유료 파일럿 증거로 팔지 않고 다음 30문항 batch와 가명 로그 수집 기준만 정합니다. outputs/nightly/latest-demo-student-signal-report.md

교수 데모 납품팩 30문항 검수 batch를 문항별 Anki TSV, 가명 풀이·정답률 TSV, 교수 보고 TSV로 묶습니다. 실제 학생 데이터가 아니라 synthetic demo delivery로 표시하고, 교수 검수 전 학생 배포는 막습니다. outputs/nightly/latest-professor-demo-delivery-pack.md

교수 파일럿 trace 교수 자료 1묶음이 30문항, 학생 풀이, Anki, 교수 정답률 리포트, 다음 30문항 품질 루프로 이어지는 증거 사슬을 한 장에 묶습니다. outputs/nightly/latest-professor-pilot-trace.md

15분 교수 데모 runbook 자료 범위 합의, NotebookLM 근거 확인, LawBar 사이트 데모, 교수 정답률 리포트, 유료 파일럿 질문을 0-15분 순서표로 묶습니다. outputs/nightly/latest-professor-demo-runbook.md

교수 데모 handoff checklist 15분 데모 직후 교수가 승인·반려·보충할 자료 범위, NotebookLM 근거, 30문항, Anki TSV, 가명 풀이 로그, 교수 정답률 리포트, 유료 파일럿 질문, blocker를 한 장으로 회수합니다. outputs/nightly/latest-professor-demo-handoff-checklist.md

시연자·해커톤 시연 원페이지 공개 URL, gpt-5.4-mini API 준비, 30문항·Anki·정답률 데모, NotebookLM/API 역할 분리, 실제 교수 면담에서 회수할 결정을 한 장으로 압축합니다. preview/data/lbr-dean-demo-onepager.json

학교 조달 패킷 교수 파일럿이 학교·프로그램 구매 논의로 넘어갈 때 필요한 자료 권한, 역할 분리, 배포 방식, API 예산·한도, 삭제·보관·export, 파일럿 KPI를 한 장으로 묶습니다. outputs/nightly/latest-school-procurement-packet.md

학교자료 인입 키트 학교 DB 양식이 미정이어도 한 과목 샘플 export, 10년치 HWP/HWPX 변환, source manifest, rights_status, external_ai_allowed, NotebookLM/API/private 라우팅을 작업자 단위로 고정합니다. outputs/nightly/latest-school-data-intake-kit.md

학교 DB discovery brief 학교 DB 양식이 불명확할 때 교수·학교 담당자에게 물어볼 10개 질문, 최소 샘플 export, HWP 10개 QC, NotebookLM/API/private 라우팅, 유료 파일럿 Go/No-Go를 한 장으로 고정합니다. outputs/nightly/latest-school-db-discovery-brief.md outputs/nightly/latest-school-db-discovery-questions.csv

샘플 export Go/No-Go 교수·학교 샘플 자료가 오기 전후로 source manifest, HWP 10개 QC, 50파일 batch, NotebookLM/API/Private 라우팅, 학교 구매 gate를 한 번에 판정합니다. outputs/nightly/latest-sample-export-go-no-go.md

RAG 증거카드 계약 학교자료 인입 후 source_documents, source_chunks, retrieval_events, question_drafts, review_events, Anki, student_attempts, professor_reports로 이어지는 evidence card 기반 파이프라인을 고정합니다. outputs/nightly/latest-rag-pipeline-contract.md

RAG SQLite 스키마 계약 source_documents, evidence_cards, question_drafts, review_events, Anki, 가명 student_attempts, professor_reports, quality_signals를 public-safe SQL DDL로 고정합니다. docs/rag-local-sqlite-schema.sql

RAG 인입 작업지시서 학교 DB가 미정이고 10년치 HWP/HWPX가 섞여 있어도 작업자 역할 5개, 50파일 batch, HWP 10개 QC, retrieval sample 20개, 30문항·Anki·교수 리포트 gate로 나눕니다. HWP 작업자 배치 패킷은 이 기준을 CSV 작업표로 변환합니다. outputs/nightly/latest-rag-intake-work-order.md outputs/nightly/latest-hwp-worker-batch-packet.md

교수 인터뷰 스프린트 교수 후보 10명, 15분 면담, 자료 권한, NotebookLM 소스팩, 30문항 데모, Anki·정답률 리포트, 유료 파일럿 질문, 보안·삭제·export 합의를 매 run마다 실행 계획으로 남깁니다. 공개 앱에는 발송 문안, 회신 점수표, NotebookLM 수동 handoff, 발송 로그 템플릿, 72시간 다음 행동만 담은 public-safe JSON을 노출합니다. outputs/nightly/latest-professor-interview-sprint.md preview/data/lbr-professor-interview-sprint.json preview/data/lbr-professor-outreach-send-log-template.tsv

교수 Outreach 발송 패킷 오늘 바로 보낼 교수 후보 5명 public-safe 메시지, 24시간 follow-up, reply_score 0~100 라우팅, NotebookLM manual handoff, API/local DB 30문항 batch 전환 조건, private receipt 우선 기록 규칙을 한 묶음으로 고정합니다. 실제 발송·회신 전까지는 not_sent와 human receipt pending으로 유지합니다. ready_to_send_public_safe_professor_outreach outputs/nightly/latest-lbr-professor-outreach-launch-packet.md preview/data/lbr-professor-outreach-launch-packet.json

교수 자료 요청 패킷 교수에게 처음 요청할 샘플 자료 1묶음, 금지 자료, 교수 회신서, NotebookLM/API/private 라우팅, 회신 후 Go/No-Go, 72시간 handoff, 30문항·Anki·정답률 리포트 gate를 한 장으로 고정합니다. outputs/nightly/latest-professor-material-request-packet.md

교수 회신 intake gate 교수 회신서 7개 필드를 받아 NotebookLM source pack, API/local DB 30문항 batch, Private only, Ask follow-up 중 하나로 10분 안에 닫고, 그 판정을 source manifest·검수 큐·SOW gate로 복사합니다. outputs/nightly/latest-professor-reply-intake-gate.md

교수 discovery log 교수 후보 10명 면담을 페인포인트, 자료 허용, 예산 신호, 다음 구매 행동으로 기록하고 NotebookLM source pack/API local DB 30문항/Private only/Ask follow-up 중 하나로 연결합니다. outputs/nightly/latest-professor-discovery-log.md

교수 field evidence ledger 합성 데모와 실제 교수 면담·허락 자료·검수 책임자·예산·유료 파일럿 증거를 분리해, 완료로 주장할 수 있는 증거와 다음 7일 액션을 매 run 고정합니다. 공개 앱에는 15분 면담 캡처 계약, 100점 paid-pilot evidence scorecard, 면담 결과, 자료 허용, 외부 AI 범위, 검수 책임자, 학생 데이터, export, 유료 파일럿 신호를 받는 안전 intake JSON만 노출합니다. outputs/nightly/latest-professor-field-evidence-ledger.md · preview/data/lbr-professor-field-evidence-intake.json

실제 evidence receipt gate 교수 회신이 들어오기 전까지 교수 면담·허락 자료·검수 책임자·유료 파일럿 count를 0으로 유지합니다. 실제 회신은 private receipt row로 받고, 공개 JSON에는 receipt_id_hash, route_decision, score_bucket, missing_fields만 남겨 not_complete_until_human_receipt 상태를 지킵니다. 검증 문구는 not_complete until human receipt로 고정합니다. outputs/nightly/latest-lbr-professor-evidence-receipt-gate.md · preview/data/lbr-professor-evidence-receipt-gate.json

NotebookLM -> API 승격 영수증 NotebookLM source-grounded 근거를 그대로 제품 성공으로 보지 않고, evidence card, citation sanity, 외부 AI 허용, 검수 책임자, 학생 데이터 상태를 통과한 row만 API/local DB 30문항 batch·검수 큐·교수 리포트로 승격합니다. outputs/nightly/latest-notebooklm-api-promotion-receipt.md

NotebookLM Bridge Research 교수님이 이미 쓰는 NotebookLM은 OpenAI API와 별개인 교수 소유 sidecar lane으로 둡니다. LBR은 source pack export -> professor-run NotebookLM -> response import -> review queue promotion 네 단계만 제공하고, flashcards CSV는 Anki 후보로만 회수합니다. NotebookLM은 근거 확인·쟁점표·문항 후보 준비실, LBR API/로컬 DB는 사이트 안 30~100문항 생성, 학생 풀이, Anki, 정답률 리포트, 권한 로그를 담당합니다. LBR은 비밀번호·세션을 받지 않고 public notebook URL은 private receipt 없이는 공개하지 않습니다. outputs/nightly/latest-lbr-notebooklm-bridge-research.md · preview/data/lbr-notebooklm-bridge-research.json

NotebookLM 교수 소스팩 킷 교수 소유 NotebookLM에 넣을 notebooklm-sourcepack.md, 물어볼 notebooklm-query-package.md, LBR 검수 큐로 회수할 sourcepack-response.json schema를 한 묶음으로 고정합니다. 계정·세션은 저장하지 않고, NotebookLM 응답과 flashcards CSV는 draft·Anki candidate와 사람 검수 상태로만 들어옵니다.

outputs/nightly/latest-lbr-notebooklm-professor-sourcepack-kit.md · preview/data/lbr-notebooklm-professor-sourcepack-kit.json

NotebookLM 교수 15분 파일럿 팩 교수님이 이미 NotebookLM을 쓰는 경우를 기준으로 source pack -> professor-run NotebookLM -> response import -> review queue -> API/local DB promotion을 15분 안에 시연합니다. LBR은 lbr_credentials_stored=false, no_session_stored=true를 유지하고, NotebookLM flashcards CSV는 Anki candidate, 모든 문항은 draft/human_review_required 상태로만 회수합니다. 통과 row만 gpt-5.4-mini 기준 30문항 API/local DB batch로 승격합니다. outputs/nightly/latest-lbr-notebooklm-professor-trial-pack.md · preview/data/lbr-notebooklm-professor-trial-pack.json

NotebookLM 교수 파일럿 브리프 교수님이 이미 NotebookLM을 쓰는 상황에서 LBR이 계정·세션을 저장하지 않고 source pack, query package, 응답 회수, private receipt, API/local DB 30문항 운영, 유료 파일럿 질문까지 15분 안에 닫는 대화 흐름을 고정합니다. outputs/nightly/latest-lbr-notebooklm-professor-pilot-brief.md · preview/data/lbr-notebooklm-professor-pilot-brief.json

교수 자료 triage dry-run 회신 자료 1묶음을 실제 원문 없이 5개 샘플 row로 나눠 NotebookLM, API/local DB, Private only 경로와 rights_status, external_ai_allowed, source_hash 증거를 fail-closed로 확인합니다. outputs/nightly/latest-professor-source-triage-dry-run.md

교수 데모 계약 NotebookLM은 소스팩·근거 확인, API/로컬 DB는 사이트 안 30~100문항 생성·Anki·풀이율·정답률 리포트로 분리하고, 유료 파일럿 통과 조건을 매 run 고정합니다. outputs/nightly/latest-professor-demo-contract.md

상용화 준비도 교수 면담, 자료 권한, NotebookLM 근거, API 제품 엔진, 검수 큐, Anki, 정답률 리포트, 학교 조달, CourseRun 경계를 100점 점수표와 다음 7일 액션으로 남깁니다. outputs/nightly/latest-commercial-readiness-scorecard.md

상용화 런치 보드 교수 후보 10명, 자료 권한 메모, NotebookLM 소스팩, API/local DB 30~100문항 운영, RAG evidence card, Anki·정답률 리포트, 유료 파일럿 질문, Cloudflare 메인/Vercel 백업 원칙을 한 장의 실행판으로 묶습니다. outputs/nightly/latest-commercial-launch-board.md

유료 파일럿 Go/No-Go 판정서 15분 교수 데모 직후 허락된 자료 1묶음, 검수 책임자, 30문항 draft, Anki TSV, 가명 정답률 리포트, 예산 경로를 100점 gate로 확인하고 지금 돈 얘기를 해도 되는지 판정합니다. outputs/nightly/latest-professor-paid-pilot-qualification.md

유료 파일럿 범위합의서 상용화 준비도와 데모 계약을 교수 구매 언어로 바꿔 1주 30문항, 문항별 Anki TSV, 가명 풀이율·정답률 리포트, 검수 책임, 삭제·export 합의, 다음 예산 질문을 고정합니다. outputs/nightly/latest-paid-pilot-sow.md

유료 파일럿 ROI 영수증 150만·300만·500만원 가격대를 30문항, 절감 예상 시간, 회수배수, 문항당 가격, Anki TSV, 가명 정답률 리포트 가치로 계산하고 교수 면담에서 받아야 할 시간절감 숫자를 고정합니다. outputs/nightly/latest-paid-pilot-roi-receipt.md

첫 매출 클로징 플랜 시연 다음 행동을 교수 3명 15분 면담, 허락 자료 1묶음, 1주 30문항·Anki TSV·가명 정답률 리포트, 150만~300만원 유료 파일럿 질문으로 닫습니다. 판매 링크는 Cloudflare Pages를 메인으로 두고 Vercel은 백업 미러로만 둡니다. preview/data/lbr-first-revenue-close-plan.json outputs/nightly/latest-first-revenue-close-plan.md

면담 후속 클로징 킷 교수 15분 면담 직후 2시간 안에 보낼 후속 메일, 자료 권한·검수 책임자·export·예산 경로 SOW gate, 무료 데모/권리 재확인/Private only No-Go를 공개-safe 결정표로 고정합니다. 실제 면담·허락 자료·유료 승인 증거가 들어오기 전에는 완료로 세지 않습니다. preview/data/lbr-professor-meeting-followup-kit.json outputs/nightly/latest-lbr-professor-meeting-followup-kit.md

Yellow blocker 공개 분리표 30문항 draft, API route, Anki, 가명 리포트처럼 기술적으로 해결된 항목과 교수 허락 자료, 검수 책임자, 예산권자처럼 사람 입력 전까지 yellow로 남길 항목을 분리합니다. 공개 JSON에는 prompt ID, API key, 원문, 학생 식별자, 로컬 경로를 싣지 않습니다. preview/data/lbr-yellow-blocker-resolution.json outputs/nightly/latest-lbr-yellow-blocker-resolution.md

API generate 품질 계약 Cloudflare `/api/generate`가 5개면 5개, 30개면 30개를 반환하고, 선택형은 5지선다·정답 1개, 사례형은 `bar_exam_case_analysis` 기준의 사실관계·논점·답안 방향·채점 포인트로 분리되도록 공개 계약을 고정합니다. 모든 생성 문항은 검수 큐, 학생 풀이, Anki, 교수 정답률 리포트까지 한 run log로 이어지며 사람 검수 전에는 draft/human_review_required입니다. ready_for_public_api_batch_guard preview/data/lbr-api-generate-quality-contract.json outputs/nightly/latest-lbr-api-generate-quality-contract.md

API public smoke checklist /api/status 공개 probe에서 시작해 1문항 선택형 smoke, 1문항 사례형 smoke, 5문항 count smoke, 30문항 preflight 순서로 점검합니다. 30문항은 status probe ready, budget/limit OK, 검수 책임자 확인 전에는 실행 성공이나 판매 성공으로 주장하지 않고 blocker와 fallback만 남깁니다. ready_for_public_generate_smoke_before_demo · 1문항 선택형 smoke · 30문항 preflight preview/data/lbr-api-public-smoke-checklist.json outputs/nightly/latest-lbr-api-public-smoke-checklist.md

API public smoke receipt Cloudflare 공개 API에서 실제 1문항 선택형 smoke와 1문항 사례형 smoke를 실행한 결과를 문제 원문 없이 shape, model, token, blocker만 공개 기록합니다. 5문항 count와 30문항 batch는 계속 별도 budget/limit·검수 책임자 gate 뒤에 둡니다. choice_and_case_public_smoke_passed · 1문항 선택형 smoke · 1문항 사례형 smoke preview/data/lbr-api-public-smoke-receipt.json outputs/nightly/latest-lbr-api-public-smoke-receipt.md

LBR API self-improvement loop 공개 LBR API로 명시 주제 3개를 실제 생성하고 OpenAI solver가 직접 풀어본 뒤, raw 조문 노출·운영 문구 누출·선택형/사례형 형식·정답 유일성·Anki·교수 리포트 신호를 검수합니다. 원문과 풀이 원문은 private output에만 보관합니다. gpt-5.4-mini · 신분범과 공범 · 채권자취소권 · 과잉금지원칙 preview/data/lbr-api-self-improvement-loop.json outputs/nightly/latest-lbr-api-self-improvement-loop.md

구매 반론 대응표 교수·학교가 묻는 “NotebookLM만 쓰면 되는가”, “NotebookLM만으로 충분한지”에 답하며, 왜 API/로컬 DB가 필요한지, 자료 권한·학생 개인정보·비용·검수 품질·CourseRun 경계를 질문별로 정리합니다. Cloudflare Pages를 메인 공개 링크로 두고 Vercel은 백업 미러로만 남깁니다. outputs/nightly/latest-buyer-objection-playbook.md

시연자·심사위원 Q&A 카드 NotebookLM만으로 부족한 이유, API/로컬 DB 필요성, 자료 권리, 학생 개인정보, 검수 품질, HWP/학교 DB 인입, 유료 파일럿 전환 질문을 30초 답변과 보여줄 화면으로 압축합니다. preview/data/lbr-dean-judge-qa-cards.json

해커톤·교수 시연 증거 매트릭스 심사위원 질문을 기술성, 근거성, 변호사시험형 품질, 학생 학습 루프, 교수 가치, 권리·개인정보, 상용화, 시연 준비도, 사용량 기반 개선, claim boundary 10개 기준으로 연결합니다. 각 기준마다 보여줄 URL, 주장 가능한 범위, 다음 사람 증거를 고정합니다. outputs/hackathon/latest-lbr-hackathon-proof-matrix.md preview/data/lbr-hackathon-proof-matrix.json

사용량 기반 자가개선 루프 사용자가 많이 풀수록 익명 풀이·검수·Anki·교수 리포트 신호를 모아 다음 30문항 batch, 오답 선지, 해설, 사업계획서 보완 backlog를 조정합니다. 원문·학생 실명·점수표 원본·API key는 학습 신호에 넣지 않습니다. preview/data/lbr-usage-learning-loop.json

사업계획서 보완팩 사업계획서는 고정 문서가 아니라 교수 면담, 해커톤 심사 피드백, 익명 사용량·검수·Anki·교수 리포트 신호가 쌓일 때마다 보완합니다. 다음 초점은 교수 페인포인트, 유료 파일럿 가격·범위, 사용량 기반 KPI, 권리·개인정보 방어선, 시연자 3분 시현 루트입니다. preview/data/lbr-business-plan-supplement.json outputs/hackathon/latest-lbr-business-plan-supplement.md outputs/hackathon/latest-lbr-business-plan-supplement.json

CODEGATE 제출 기획안 초안 해커톤 제출 양식의 핵심 섹션을 LBR 한 점 집중 루프, gpt-5.4-mini API proof, 30문항·Anki·가명 풀이 리포트, 사용량 기반 자가개선, 권리·개인정보 방어선으로 압축합니다. 제출 직전에는 CODEGATE 제출 체크리스트에 따라 팀 정보 입력, A4 2페이지 압축, DOCX 업로드, Google Drive 공유 링크, 비로그인 권한 확인, private leak scan을 사람이 확정합니다. outputs/hackathon/latest-lbr-codegate-submission-draft.md outputs/hackathon/latest-lbr-codegate-submission-draft.docx

CODEGATE 제출 직전 체크리스트 기획안 DOCX 생성, A4 2페이지 압축, Cloudflare 공개 probe, gpt-5.4-mini API status, Google Drive 공유 링크, 비로그인 권한 확인, private leak scan을 제출 전 gate로 분리합니다. 팀 정보·연락처·최종 Drive 링크 제출은 자동화가 아니라 사람이 확정합니다. preview/data/lbr-codegate-submit-checklist.json outputs/hackathon/latest-lbr-codegate-submit-checklist.md

Codex-GitHub-Cloudflare 메인 연동 Codex 수정 후 GitHub main SHA를 GitHub REST API와 git ls-remote fallback으로 검증하고, git 작성자 이메일과 Cloudflare Pages 메인 공개 화면을 우선 확인합니다. Vercel은 백업 미러로만 남기며, 토큰·배포 보호·401 상태는 메인 배포 blocker가 아니라 backup warning으로 기록합니다. outputs/nightly/latest-integration-sync.md

API 운영 준비 매트릭스 OpenAI API Status를 `gpt-5.4-mini` 기준으로 점검하고, OpenAI·Claude·Gemini·Cloudflare Workers AI·Groq·OpenRouter·Hugging Face·NotebookLM·Local RAG를 provider별로 확인합니다. 실제 key 값 없이 환경변수 이름, probe 상태, 1~5문항 테스트, 30문항 batch gate, Cloudflare 메인/Vercel 백업 원칙을 남깁니다. outputs/nightly/latest-api-readiness-matrix.md

OpenAI live API proof Cloudflare Pages 메인 URL에서 `gpt-5.4-mini` 기준 probe와 `gpt-5.4-nano` fallback, LawBar Platform Prompt, 1문항 schema gate, 5개 고유 선택지, review flag, draft 상태를 실제 생성으로 확인합니다. 키 값과 private 원문은 기록하지 않습니다. outputs/nightly/latest-openai-live-api-proof.md

LBR live proof board 기록형 변호사시험·모의시험 PDF 9개 descriptor 학습팩, gpt-5.4-mini API 기본 probe, 30문항·Anki·가명 교수 리포트 데모, 아직 증명되지 않은 교수 면담·허락 자료·검수 책임자·유료 파일럿 gate를 한 장으로 분리합니다. outputs/nightly/latest-lbr-live-proof-board.md

법무부 제15회 변호사시험 기준점 선택형 3개, 사례형 4개, 기록형 3개, 정답가안 3개 HWP 첨부 구조를 LBR 문항 품질 기준으로 고정합니다. 원문은 공개 산출물에 넣지 않고, 조문번호·검색어를 학생 화면에 그대로 노출하는 이탈은 모든 명시 주제에서 막습니다. preview/data/lbr-official-bar-exam-source-calibration.json outputs/nightly/latest-lbr-official-bar-exam-source-calibration.md

LBR demo readiness sentinel CourseRun과 분리해 LBR 시연 직전 문항 품질, 공개 배포, API smoke, NotebookLM 경계, 교수·사업화, 해커톤 증거를 한 번에 통과시키는 리허설 판정표입니다. 실패하면 해당 group/check만 blocker로 남깁니다. preview/data/lbr-demo-readiness-sentinel.json outputs/nightly/latest-lbr-demo-readiness-sentinel.md

LBR 목표 감사 상용 제품화, NotebookLM/API 경계, Cloudflare 메인 배포, gpt-5.4-mini API 생성, 30문항·Anki·교수 리포트, 해커톤 제출 준비를 한 번에 점검합니다. 기술 증거와 실제 교수 면담·허락 자료·유료 파일럿 증거를 분리해 완료를 과장하지 않습니다. outputs/nightly/latest-lbr-objective-audit.md

LBR 교수 파일럿 증거팩 기록형 PDF 학습팩이 gpt-5.4-mini API 생성, 30문항 batch, 검수 큐, Anki TSV, 가명 정답률 리포트, 유료 파일럿 질문으로 이어졌는지 검증합니다. gpt-5.4-nano는 mini unavailable 때 첫 fallback으로 둡니다. outputs/nightly/latest-lbr-professor-pilot-evidence-pack.md

CourseRun 보조 API proof 같은 서버 secret으로 학생용 10분 러닝 세트, 파일 업로드 input_file, 로컬 evidence card 연결이 `gpt-5.4-mini`에서 통과하는지 별도 확인합니다. LawBar Rebellion의 로스쿨 검수/문항 제품과 CourseRun의 러닝 제품은 목표를 분리합니다. outputs/nightly/latest-courserun-openai-live-proof.md

배포 연동 점검 로컬 검증과 push 이후에는 `npm run integration:sync`와 `npm run validate:integration-sync`를 실행해 GitHub 원격 확인 방식, Cloudflare Pages 메인 반영, Vercel 백업 미러 경고를 분리합니다. npm run integration:sync

Product Boundary

CourseRun과 LawBar Rebellion은 보완하지만 목표가 다릅니다

CourseRun의 목표 학생이 매주 배우고 풀고 복습하도록 강의 운영과 학습 루틴을 굴리는 실행 제품입니다. 핵심 지표는 참여, 풀이 지속, 복습 습관입니다.

LawBar Rebellion의 목표 교수·학교가 검수 가능한 법학 평가 산출물을 구매하게 만드는 제품입니다. 핵심 지표는 검수 통과 문항, Anki 저장, 풀이·정답률 리포트, 과목 파일럿 전환입니다.

CourseRun 강의 진행, 학습 루틴, 학생 참여, 과제·퀴즈·수업 운영을 다루는 학습 실행 OS입니다. 목표는 수업을 굴러가게 만들고 반복 학습 습관을 높이는 것입니다.

LawBar Rebellion 법학 자료를 시험형 문항, 검수 큐, Anki, 학생 풀이 로그, 정답률·진도율 교수 리포트로 바꾸는 법학 평가 OS입니다. 목표는 교수·학교 파일럿과 검수 가능한 납품물입니다.

공유 경계 두 제품은 공개 가능 source pack, 가명 통계, Anki export, 리포트 요약만 공유합니다. 원문 시험지, OCR 원문, 학생 실명, 점수표 원본은 권한 합의 전 서로 넘기지 않습니다.

Machine Learning Loop

머신러닝 반복은 모델 훈련보다 먼저 품질 신호를 쌓는 일입니다

01 collect 학습 신호 수집 교수 자료, 생성 문항, 검수 결과, 학생 풀이, Anki 저장, 점수표 요약을 한 run의 관측값으로 남깁니다.

02 score 품질 점수화 정답 유일성, 지문 중복, 출처 누락, 조문 기준일, 정답률, 풀이율, 취약 쟁점 태그를 계산합니다.

03 tune 검색·프롬프트 조정 모델을 무작정 재학습하지 않고 source shard, retrieval 가중치, 오답 선지 패턴, 검수 플래그를 먼저 보정합니다.

04 generate 작은 batch 재생성 30문항 단위로 다시 만들고 검수 큐에 넣습니다. 100문항은 출력 한도와 품질 저하를 나눠 관리합니다.

05 report 교수 리포트 반영 개선 전후의 검수 통과율, 정답률, Anki 저장률, 다음 수업 보강안을 교수 리포트에 남깁니다.

private 자료로 기초 모델을 곧바로 fine-tuning하지 않습니다. 먼저 로컬 RAG, NotebookLM 소스팩, API 직접 생성 결과의 품질 신호를 쌓고, 교수·학교 권한 합의가 생긴 뒤에만 별도 학습 여부를 검토합니다.

검수 통과율 문항 구조, 정답 유일성, 법적 근거, 출처 후보, 사람 검수 플래그가 gate로 남습니다. 통과율이 낮으면 모델보다 source shard와 오답 선지 패턴을 먼저 고칩니다. 30문항 batch마다 승인 차단 사유를 묶어 다음 생성 프롬프트에 반영합니다. 원문 시험지와 OCR 원문은 공개 probe나 NotebookLM 공유본에 넣지 않습니다.

학생 풀이·정답률 풀이율, 정답률, 취약 쟁점, 점수표 요약이 교수 콘솔과 TSV에 기록됩니다. 정답률이 낮은 쟁점은 보충 문항과 해설 우선순위가 됩니다. 가명 점수표로 취약 쟁점과 다음 수업 보강안을 다시 계산합니다. 학생 실명과 원본 점수표는 private storage에만 둡니다.

Anki 저장률 문항별 Anki 카드 저장과 TSV export가 복습 전환 신호로 남습니다. 저장률이 낮으면 카드 앞면/뒷면, 오답 이유, 태그를 간결하게 고칩니다. 저장된 카드가 적은 쟁점은 다음 batch에서 짧은 복습 카드 후보를 먼저 생성합니다. Anki export는 승인 문항 요약과 쟁점 태그만 포함합니다.

중복·오답 품질 중복 사실관계, 원문 복제 위험, 너무 쉬운 오답, 정답이 여러 개인 선지를 검사합니다. 문제 품질이 낮으면 100문항 일괄 생성보다 30문항 작은 batch로 되돌립니다. 중복률과 오답 품질을 source shard, retrieval 가중치, prompt 조정에 반영합니다. 저작권이 불명확한 원문 문장은 복제하지 않고 구조만 변형합니다.

AI 경로 blocker API 크레딧, 모델 권한, transport 오류, NotebookLM 한도, CAPTCHA/2FA가 blocker로 남습니다. blocker가 있으면 가짜 성공 문항을 만들지 않고 local RAG handoff와 다음 행동을 기록합니다. API가 열리면 같은 설정으로 실제 사이트 안 생성·풀이·Anki·리포트 로그를 묶습니다. 비밀번호, 세션 쿠키, 2FA 코드는 저장하거나 자동 우회하지 않습니다.

CourseRun handoff 가명 학습 루틴, 공개 가능 리포트 요약, Anki TSV만 CourseRun과 공유합니다. LawBar Rebellion의 학습 신호는 법학 평가 품질 개선에 먼저 씁니다. 취약 쟁점 요약은 CourseRun 복습 루틴에 넘기되, 원자료 이동은 하지 않습니다. 원문·학생별 민감 기록·점수표 원본은 제품 간에도 넘기지 않습니다.

Execution Contract

자동화가 매번 지켜야 할 성공 기준

실제 생성 프롬프트만 만들면 실패입니다. 문항 JSON, 검수 큐, blocker 중 하나가 남아야 합니다.

교수 콘솔 30문항, Anki, 풀이율·정답률, 다음 수업 조치가 이어져야 합니다.

보안 계정, API 키, 학생 식별자, OCR 원문은 공개 산출물에 넣지 않습니다.

전체 성공 기준 펼치기

실제 문항 생성 질의 패키지만 만들면 실패입니다. API로 실제 문항 JSON을 만들거나, NotebookLM 응답을 검수 큐에 반영하거나, API/NotebookLM이 막히면 local SQLite RAG 검수 큐 draft를 생성하고 blocker를 명확히 기록해야 합니다.

검수 큐 반영 선택형, 사례형, 기록형 문항은 모두 draft 상태로 들어가며 정답 유일성, 조문 기준일, 판례 원출처, 인용 적정성 플래그를 남깁니다. 붙여넣은 AI JSON, compact structured summary, local RAG review-queue JSON 모두 5지선다, 정답 1개, legal_basis, source_citations, 사람 검수 플래그를 통과해야 큐에 들어가며 importer는 provider provenance와 review_readiness를 유지합니다. 검수 큐 work packet은 총 draft, 기계 검수 준비, 승인 차단, local RAG draft 수와 30문항 유료 파일럿 batch readiness를 보여주고, gate가 빠진 draft는 승인 대신 수정 필요로 돌립니다.

학교 도입 체크리스트 교수 파일럿이 학교 구매 논의로 넘어가면 자료 권한, 교수·조교·학생 역할 분리, 배포 방식, API 비용·한도, 삭제·보관·export 기준, 파일럿 KPI를 먼저 확정합니다. 이 체크리스트가 사용 방법 화면, 교수 파일럿 제안서, 상용화 문서에 동시에 남아야 합니다.

교수 영업 파이프라인 자동화는 후보 10명, 15분 면담, 안전 샘플, 30문항 데모, 과목 파일럿, 학교 전환 단계가 앱·제안서·사업화 문서에 남아 있는지 확인합니다. 매주 기능 수보다 다음 교수 후보와 다음 유료 파일럿 증거가 늘어나는지를 봅니다.

교수 면담 질문지 자동화는 문항 제작 시간, 제공 가능한 자료, 검수 권한, 학생 운영, 구매 신호, 보안·삭제·Anki/리포트 export 합의 질문이 사용 방법 화면과 MD export에 남아 있는지 확인합니다.

15분 데모 스코어카드 자동화는 교수 면담 장면이 자료 합의, NotebookLM 근거, 사이트 데모, 교수 리포트, 유료 전환 질문으로 정리되어 있는지 확인합니다. 교수에게는 AI 기능보다 자료 1묶음이 30문항, Anki, 풀이율·정답률 리포트로 이어지는 증거를 보여줘야 합니다.

교수 데모 샘플 리포트 자동화는 수업 리포트 화면과 MD export에 NotebookLM 근거, 사이트 운영, 교수 판단, 유료 전환 질문이 함께 남는지 확인합니다. NotebookLM은 교수 설득용 근거 팩이고, API/로컬 DB는 학생 풀이·Anki·정답률·교수 리포트를 반복 운영하는 경로입니다.

유료 파일럿 Go/No-Go 자동화는 교수 면담 메모, 자료·권한 범위, 30문항 데모, 풀이·점수 신호, Anki 복습 전환, NotebookLM/API 경로를 확인하고 다음 구매 행동, 필요 증거, 가격 가설이 수업 리포트와 MD export에 남는지 검증합니다.

응답 신선도 캡처 탭의 과거 JSON은 현재 run 성과로 재사용하지 않습니다. 최신 작업보다 오래된 생성 시각이거나 최신 `request_id`가 없거나 다르면 stale response로 막습니다.

시도 기록 API 호출 또는 NotebookLM 응답 회수가 막히면 blocker, URL, 사용한 도구, 보이는 draft 수, import 여부를 남깁니다. importer가 통과한 run은 `imported_review_queue_ready`와 draft 수로 기록합니다.

브라우저 JSON 회수 브라우저에서 받은 NotebookLM/API 응답 JSON은 `account-session-capture.html`에 붙여넣고 request_id, generated_at, draft 수, 사람 검수 플래그를 검증한 뒤 importer용 JSON으로 다운로드합니다.

Compact Prompt 긴 JSON payload가 NotebookLM 입력창이나 clipboard에서 막히면 압축 질의 패키지를 제출하고, visible structured summary를 `sourcepack-response.md`로 저장해 importer를 실행합니다.

API Probe API probe는 private corpus, OCR 원문, 학생 점수표를 제외한 안전한 payload로 먼저 검증하고, 선택형 5지선다와 필수 검수 플래그를 확인합니다. 결제·크레딧·모델 권한 문제와 HTTP 응답 전 transport/network 실패를 별도 blocker로 남깁니다.

교수 콘솔 검증 문항 생성이 끝나면 실제 풀이 화면에서 최소 1문항을 풀고 Anki 카드로 저장한 뒤, 수업 리포트에서 문항 수, 풀이율, 정답률, Anki 저장률, 점수표 요약, 취약 쟁점, 다음 수업 조치, TSV export, 교수 면담/권한 메모, NotebookLM/API 경로 gate, NotebookLM/API 운영 준비도가 연결되는지 확인합니다.

교수 파일럿 패키지 매 run은 교수 자료 1묶음, 30문항, Anki TSV, 학생 풀이율·정답률, 교수 1주 다음 행동 리포트 중 최소 하나를 개선해야 합니다. NotebookLM은 면담용 소스팩, API는 사이트 안 생성·채점·로그 운영층으로 유지합니다.

교수 자료 라우팅 교수 면담 자료는 NotebookLM/Drive, API/내부 DB, Private only, 유료 전환 신호, Drive 소스 확인, 한도 관리 여섯 bucket으로 분류합니다. 공개 가능 요약·쟁점표는 NotebookLM/Drive, 생성 설정·풀이 로그·Anki·진도율·정답률은 API/내부 DB, 원문 시험지·OCR 원문·학생 실명은 private only, 반복 생성·즉시 배포·수업 리포트 요구는 유료 전환 신호, Google Docs/Slides/Sheets는 sync 확인, 30문항 batch와 source shard는 한도 관리입니다.

면담 메모 기반 경로 판정 교수 메모 저장 후 NotebookLM/Drive, API/내부 DB, Private only, 유료 전환 신호, Drive 소스 확인, 한도 관리를 자동으로 다시 계산합니다. 이 판정은 화면 카드에만 남기지 않고 교수 파일럿 제안서와 1주 다음 행동 리포트 MD에도 들어가야 합니다.

NotebookLM/API 경로 결정표 자동화는 NotebookLM 우선, API 직접 생성 우선, Private only, 유료 API 전환, Drive 소스 확인, 한도 관리가 사용 방법 화면, MD export, 사업화 문서, NotebookLM bridge에 모두 남아 있는지 확인합니다. NotebookLM은 근거 검수와 교수 설득, API는 사이트 안 반복 운영입니다.

NotebookLM/API 운영 준비도 교수 콘솔은 NotebookLM을 면담용 근거·쟁점표 준비도, API를 사이트 안 생성·풀이·Anki·교수 리포트 운영 준비도로 나눠 표시합니다. 이 판정은 교수 리포트 TSV, 교수 파일럿 제안서 MD, 교수 1주 다음 행동 리포트 MD에도 들어가야 합니다.

NotebookLM 활용 결론 NotebookLM은 상용 엔진이 아니라 교수 설득용 근거 레이어입니다. 과목·단원별 source pack으로 쟁점표, 문항 후보, 출처 충돌을 빠르게 보여주고, 학생 풀이·Anki·정답률·권한 로그는 LawBar Rebellion 앱과 API/로컬 DB가 담당합니다.

Local RAG Probe `npm run local-rag:probe`는 `source_chunk_fts`를 read-only로 검색하고 raw text 없이 evidence_card_id, rights_status, external_ai_allowed, citation_hint, summary/private-ref hash, 검수 플래그만 남깁니다. `npm run validate:local-rag-review-queue`는 5지선다, 정답 1개, evidence-card provenance, raw text 미포함 조건을 확인합니다.

Latest Handoff 현재 ignored artifact는 `outputs/nightly/latest-local-rag-review-queue.md`와 `outputs/nightly/latest-local-rag-30-sprint.md`입니다. 민법/채무불이행 선택형 draft 30개, scenario pattern 30개, matched chunk 60개, duplicate risk `low`, `external_api_called=false`, `raw_private_text_included=false` 상태이므로 교수/조교 검수 또는 미리보기 앱 import 대상으로만 사용합니다. 유료 파일럿 증거는 사람 승인, Anki TSV, 가명 풀이·정답률 로그가 붙은 뒤에만 주장합니다.

배포 확인 공개 반영 대상은 GitHub push 후 Cloudflare Pages 메인 URL에서 `LawBar Rebellion`, `NotebookLM 소스팩`, `API 직접 생성`, `Anki`, `진도율`, `정답률`, `/operator`, 최신 버전 표식을 직접 확인합니다. Vercel은 백업 미러로만 유지합니다.

제품 원칙 LawBar Rebellion 자체는 해커톤과 무관한 장기 제품입니다. 외부 대회나 발표는 교수용 반복 학습 루프를 설명하는 포장 방식일 뿐, 자동화 우선순위는 교수·학교 파일럿과 실제 사용성으로 정합니다.

Next Build Focus

다음 3개 실행 기준

1. 교수 구매 장면 15분 데모 자료 1묶음에서 30문항, Anki, 정답률 리포트가 이어지는 한 장면만 먼저 완성합니다.

2. 생성 품질 RAG 검수 큐 API 실패 시에도 local RAG handoff를 남기고, 중복 지문·오답 품질·근거 후보를 사람 검수 기준으로 점검합니다.

3. 학교 전환 권한·성과 gate 자료 권한, 조교 검수, 학생 가명화, API 예산, 검수 통과율·정답률·Anki 저장률을 구매 증거로 묶습니다.

매시간 자동화는 새 기능을 고를 때 “교수/학교 파일럿에 도움이 되는가, 시험형 문항 품질이 좋아지는가, 학생 풀이·Anki·정답률 루프가 증거로 남는가”만 우선 기준으로 둡니다.

Commercial Evidence

상용화 증거 대장

이 대장은 LawBar Rebellion이 “좋아 보이는 데모”를 넘어 교수·학교가 돈을 낼 수 있는 제품인지 매시간 확인하는 표입니다. 증거가 약한 항목은 기능을 더 붙이기보다 교수 면담, 자료 권한, 30문항 데모, 학생 풀이·Anki·정답률 신호를 먼저 보강합니다.

교수 구매 장면 교수 자료 1묶음 -> 30문항 -> Anki -> 풀이율·정답률 리포트 제안 문장과 15분 데모 스코어카드가 있습니다. 실제 교수 10명 면담 기록과 과목별 유료 전환 반응은 아직 외부 증거가 필요합니다. 면담 메모가 저장될 때 후보 교수, 페인포인트, 예산 신호, 다음 구매 행동을 제안서와 1주 리포트에 자동 반영합니다.

NotebookLM 경로 소스팩, Drive source 주의점, NotebookLM/API 경로 결정표가 앱·문서·export에 들어갔습니다. NotebookLM 응답은 검수 후보일 뿐 학생 운영 DB가 아니므로, 자동 채점·Anki·권한 로그 증거는 별도로 필요합니다. NotebookLM은 교수 면담용 쟁점표·출처 후보·해설 충돌 검토에만 쓰고, 결과 JSON은 검수 큐 importer로 통과시킵니다.

API 운영 경로 /api/generate, /api/status, /api/models와 공개-only provider probe, blocker 분류가 있습니다. 현재 유료/무료 크레딧, 계정별 모델 권한, network transport가 실제 반복 생성의 병목이 될 수 있습니다. API 실패를 credit/model/transport/privacy blocker로 나누고, 성공 시 문항·풀이·Anki·교수 리포트까지 같은 로그로 묶습니다.

학생 학습 루프 연습 화면, 문항별 Anki 저장, 점수표 분석, 교수 콘솔 지표가 연결되어 있습니다. 실제 학생 풀이 표본과 반복 복습 후 정답률 개선 데이터는 아직 파일럿에서 수집해야 합니다. 샘플 풀이와 가명 점수표를 넣으면 정답률, 취약 쟁점, Anki 저장률, 다음 수업 보강안을 자동 갱신합니다.

학교 도입 방어 자료 권한, 역할 분리, 배포 방식, 비용·한도, 삭제·보관·export, KPI 체크리스트가 있습니다. 학교별 보안·구매 절차, 교수/조교/학생 권한 정책, LMS 연동 요구는 면담으로 확정해야 합니다. 학교 논의가 시작되면 private deployment, 월 API 예산, 삭제 책임자, 반출 가능 산출물을 gate로 저장합니다.

CourseRun 경계 CourseRun은 학습 실행 OS, LawBar Rebellion은 법학 평가 OS로 분리되어 있습니다. 두 제품의 교차 판매는 가능하지만, raw 자료를 섞으면 개인정보·권리 리스크가 커집니다. 공개 가능 source pack, 가명 집계, Anki TSV, 리포트 요약만 공유하고 원문·학생 식별자는 private에 둡니다.

머신러닝 반복 현재 반복은 private fine-tuning이 아니라 품질 신호 수집, retrieval 보정, 작은 batch 재생성입니다. 교수 검수 통과율, 중복 사실관계, 오답 선지 품질, 학생 취약 쟁점 데이터가 더 쌓여야 합니다. 각 run마다 검수 통과율, 중복률, 정답률, Anki 저장률을 다음 source shard와 prompt 조정에 반영합니다.

Guardrails

자동화가 넘지 말아야 할 선

계정 비밀번호 저장 금지 NotebookLM은 공식 사이트에서 직접 로그인합니다. Codex와 LawBar Rebellion은 비밀번호, 세션 쿠키, 2FA 코드를 저장하지 않습니다. API 키는 로컬 env 또는 Cloudflare 환경변수에만 둡니다.

private 자료 보호 학교자료, 교과서 OCR, 학생 점수표, 원문 문제는 로컬 private storage에 둡니다. 공개 사이트에는 집계와 안전한 요약만 올립니다.

Codex 자동화가 계속 일을 하려면 API 크레딧/한도, NotebookLM에 넣을 공개 가능 소스팩, 외부 AI 전송 가능 자료 범위 중 적어도 하나가 준비되어야 합니다. 준비되지 않은 항목은 숨기지 않고 blocker로 남깁니다.