지난 24시간,OpenClaw 유저들은 무엇을 만들었나
OpenClaw 디스코드 탐방기
2026년 1월 30일 자정부터 31일 오후까지, OpenClaw 디스코드에는 수백 개의 메시지가 쏟아졌습니다. 트레이딩 봇, 뉴스 다이제스트, 멀티에이전트 시스템 등 실제로 작동하는 프로젝트들이 실시간으로 공유되고 있었습니다.
1. 뉴스를 직접 읽어주는 AI - jpstephens
"50개 RSS 피드를 읽고, 기사를 분석하고, 요약해서 하루 2번 배달합니다. TTS도 붙여서 듣고 싶으면 들을 수 있어요."
아침 7:30, 저녁 7:00. 하루 두 번, AI가 직접 큐레이션한 뉴스 다이제스트가 도착합니다. 50개 RSS 피드를 사람이 매일 읽는 건 현실적으로 불가능합니다. jpstephens는 AI에게 이 일을 맡겼고, AI는 중요한 기사만 골라 요약해줍니다. 모든 기사는 마크다운 파일로 아카이브되어 나중에 다시 찾아볼 수 있고, TTS 기능을 붙여서 운전 중이나 운동 중에도 들을 수 있게 만들었습니다.
2. 트레이딩 어시스턴트 - deepman
"일반 챗봇은 학습 데이터로 답합니다. 제 어시스턴트는 시맨틱 메모리, 스마트 라우팅, 패턴 매칭 세 가지가 더 있어요."
deepman은 옵션 데이터를 수집하고 분석하는 시스템을 이미 갖고 있었습니다. OpenClaw를 붙이면서 세 가지 능력이 추가됐습니다.
첫째, 시맨틱 메모리입니다. "NVDA 지난주 어땠어?"라고 물으면 정확한 키워드가 없어도 의미를 기반으로 관련 정보를 찾아줍니다.
둘째, 스마트 라우팅입니다. 질문 유형을 분석해서 실시간 API를 호출할지, 웹 검색을 할지, 벡터 데이터베이스를 조회할지 자동으로 결정합니다.
셋째, 패턴 매칭입니다. 과거 옵션 플로우 데이터와 비교해서 유사한 패턴을 자동으로 탐지합니다. 핵심은 Claude에 커스텀 브레인을 얹은 것입니다. 트레이딩 노트를 기억하고, 패턴을 인식하고, 실시간 데이터와 아카이브 중 어디서 답을 찾을지 판단하는 능력이 생긴 것입니다.
3. 시스템 로그가 스스로 보고하는 - JW
"n8n이 5분마다 syslog를 webhook으로 보내요. OpenClaw가 분석해서 알려줄지 말지 결정합니다."
JW는 알림 피로(alert fatigue) 문제를 AI로 해결했습니다. 시스템 로그를 전부 받으면 중요한 것과 사소한 것이 섞여서 결국 다 무시하게 되는데요. 그렇다고 규칙을 만들어 필터링하면 예상치 못한 중요한 로그를 놓칠 수 있습니다.
JW는 n8n 워크플로우로 5분마다 syslog를 webhook으로 보내고, OpenClaw가 내용을 분석해서 알려줄지 말지를 판단하게 했습니다. AI가 맥락을 이해하고 중요도를 판단하니, 진짜 신경 써야 할 것만 알림으로 받을 수 있습니다.
4. 판단용 AI와 실행용 AI의 분리 - Cagri Sarigoz
"저는 Willy Wonka고, Charlie(cluade opus)가 공장을 운영해요. Oompa Loompas(gpt)가 일을 합니다."
Cagri Sarigoz는 판단과 조율을 담당하는 고비용 AI(Claude Opus)와 이를 실행하는 저비용 AI(Azure GPT)를 분리했습니다.
Charlie라고 이름 붙인 Opus는 사용자의 의도를 파악하고, 작업을 나누고, 결과를 검토하는 오케스트레이터 역할만 합니다. 실제 코딩, 리서치, 리팩토링 같은 실행은 Oompa Loompas라 부르는 저비용 워커들이 담당합니다.
이 구조의 장점은 명확합니다. 비싼 모델은 판단에만 쓰고, 저렴한 모델이 노가다를 하니 비용이 크게 줄어듭니다. 워커를 8개까지 병렬로 돌리면 속도도 올라갑니다. 그러면서도 판단의 품질은 Opus 수준을 유지할 수 있습니다.
5. 역할별 전문 봇 5개 - James Eastwood
James Eastwood는 하나의 만능 봇 대신 역할별로 전문화된 5개의 봇을 운영합니다.
PA (개인비서) — 다른 봇들 관리 + 어드민
Trader — 투자 관리
Coach — 지구력 스포츠 코치, intervals.icu 연동
Home Assistant — 홈 오토메이션
Catalan Teacher — 카탈루냐어 학습
각 봇은 자신만의 SOUL.md 파일을 가지고 있어서 성격과 전문성이 다릅니다. 같은 Claude 모델이지만 투자 봇은 분석적이고, 언어 선생님은 친절하고 교육적인 어조를 가집니다. 역할을 분리하면 각 봇이 자기 영역에서 더 전문적으로 동작할 수 있습니다.
저도 openclaw 실 사용을 해보면서 "봇을 여러 개로 나눌 수 있다는 장점"을 기술한 적이 있는데요.
봇을 전문성에 맞게 분류해내는 시도는 계속 발전할 것 같습니다.
6. 라즈베리파이 + 심박수 트래커 - gb4de
"라즈베리파이에 올리고, 블루투스로 가슴밴드 연결했어요. 이제 심박수를 읽고 업데이트해줍니다."
gb4de는 OpenClaw가 꼭 클라우드나 맥미니에만 있을 필요가 없다는 것을 보여줬습니다. 라즈베리파이에 OpenClaw를 올리고, 블루투스로 러닝용 가슴밴드 심박수 트래커를 연결했습니다. 이제 AI가 실시간으로 심박수를 읽고 운동 중 피드백을 줄 수 있습니다. 저렴한 싱글보드 컴퓨터와 블루투스 센서만으로 웨어러블 AI 비서가 만들어진 것입니다.
교훈: 왜 이런 일이 벌어지는가
1. 개인화의 극대화
OpenClaw 유저들은 "범용 AI"를 원하지 않습니다. 자기만의 데이터, 자기만의 워크플로우, 자기만의 성격을 가진 AI를 만듭니다.
2. 분리와 조합
판단(Opus) vs 실행(GPT), 오케스트레이터 vs 워커, 관리 봇 vs 전문 봇. 하나의 거대한 AI 대신, 역할별로 분리된 여러 AI를 조합하는 패턴이 반복됩니다.
3. 하드웨어 다양성
맥미니만 있는 게 아닙니다: 라즈베리파이, 2011년산 Intel 맥미니, 저렴한 Windows VPS, 클라우드 컨테이너. 어디서든 돌아가게 만드는 시도들이 생겨나고 있습니다.
4. AI를 위한 인프라
사람을 위한 서비스가 아니라, AI를 위한 서비스가 생기고 있습니다.
(: AI를 위한 이메일, Stack Overflow, LinkedIn, 4chan.)
마치며
이 글에서 다룬 것은 단 24시간 동안의 대화입니다. 하루에 이 정도면, 한 달 후에는? 1년 후에는?
OpenClaw는 도구입니다. 하지만 그 도구로 무엇을 만들지는 커뮤니티가 결정합니다.
그리고 지금, 커뮤니티는 상상 이상의 속도로 움직이고 있습니다.
이 글은 OpenClaw 디스코드 #showcase 채널의 실제 대화를 기반으로 작성되었습니다.
