AI 툴에 대한 FOMO로 시작한 비전공자 빌더가 '딸깍' 그 이상의 현실적인 운영 문제를 해결하며 남기는 개인적인 실행 노트와 운영 철학.
“AI 툴만 있으면 누구나 개발할 수 있다”, “1인 유니콘의 시대가 왔다”는 말이 들립니다. 솔직히 FOMO가 왔습니다. 논테크(Non-tech) 백그라운드인 나도 정말 ‘딸깍’ 한 번에 서비스를 만들고 운영할 수 있을까? 하는 의구심과 기대가 섞인 채로 이 여정을 시작했습니다.
막상 뛰어들어보니 현실은 ‘딸깍’ 그 이상이었습니다. Claude와 Cursor가 코드를 짜주지만, 그 코드가 실제 Production 환경에서 어떻게 돌아가는지, 결제는 어떻게 붙이는지, 보안은 왜 터지는지… 튜토리얼 너머의 지저분한 문제들이 쏟아졌습니다.
Minbook은 그 지저분한 과정에서 남기는 개인적인 실행 노트입니다.
Core Values: Build, Document, Share
- Build: 단순히 코드를 구경하는 게 아니라, 실제로 돌아가는 제품을 만듭니다. GEO SaaS인 WICHI와 오픈소스 CLI인 Make Me Unicorn(MMU) 프로젝트를 통해 ‘진짜’를 빌드하고 있습니다.
- Document: ‘딸깍’ 뒤에 숨겨진 삽질의 과정을 기록합니다. 실험실(Lab)에서는 보이지 않던 운영(Ops)의 현실, 즉 인증, 결제, 인프라 등 튜토리얼이 알려주지 않는 날것의 데이터를 남깁니다.
- Share: 비전공자로서 겪는 시행착오가 다른 빌더들에게 이정표가 되길 바랍니다. 내가 헤맸던 시간이 누군가에게는 지름길이 된다면 그걸로 충분합니다.
From Experiment to Production
대부분의 Tutorial은 ‘배포 완료’에서 끝납니다. 하지만 진짜 개발은 그 이후부터 시작된다는 것을 배웠습니다. Minbook은 이 **‘배포 이후의 영역’**을 깊게 다룹니다.
- SaaS Ops: 1인 빌더가 마주하는 Billing, Security, Infra 이슈.
- GEO (Generative Engine Optimization): AI 검색 엔진의 동작 원리와 실전 최적화.
- Build Log: 프로젝트를 키워가며 내린 아키텍처 결정과 기술적 선택들.
그냥 제가 겪은 시행착오들입니다. 혹시 비슷한 고민을 하고 있다면, 제 노트에서 작은 힌트라도 얻어 가시길 바랍니다.
관련 글

Self-Tuning Loop 직접 만들기 — 레퍼런스 구현 가이드
Self-Tuning Loop 4단계(Generate → Capture → Analyze → Evolve)를 범용 모듈로 추출. Supabase DDL, diff 캡처 유틸, 분석/진화 프롬프트 전문, 이메일/블로그 적용 예시, GitHub 레퍼런스 구현.

크론 + Telegram + Claude로 만든 자기 개선 시스템 — $0 아키텍처 해부
1편에서 소개한 Self-Tuning Loop 패턴을 실제로 운영하는 시스템의 전체 아키텍처. 데이터 수집(35개 소스), AI 큐레이션, Telegram 입력 파이프라인, 주간 자동 리뷰, Syncthing 기반 무배포 프롬프트 진화까지.

GEO Score 4-Layer 메트릭 설계
GEO Score를 구성하는 4개 레이어(Inclusion, Prominence, Quality, Stability)의 설계 철학과 계층적 의존 관계, 그리고 각 지표가 의사결정에 주는 의미 분석