사용 팁 및 모범 사례
본 장은 MBAgent 헤비 유저의 경험을 정리하여, "쓸 수 있는"에서 "능숙하게 쓸 수 있는"으로의 업그레이드를 지원합니다.
1. 프롬프트 작성법
1. 구조화된 프롬프트
복잡한 요구를 구조화하여 쓰면 AI 이해가 더 정확:
[목표]
오늘 10개 매장의 주문을 Excel로 정리.
[입력]
- 후니아오 환경 ID: 223223, 223224, ..., 223232
- 시간 범위: 오늘 00:00 - 현재
[출력 요구사항]
- 파일 경로: reports/orders-20260924.xlsx
- 열: 매장 ID, 주문 번호, 금액, 고객, 상태
- 정렬: 금액 내림차순
- 1000을 초과하는 주문은 빨간색으로 주석
[이상 처리]
- 환경이 시작되지 않음: errors.log에 기록하고 다음으로 계속
- 주문 페이지 데이터 없음: "오늘 주문 없음"으로 마크2. 배경 제공
AI에게 필요한 업무 배경 전달:
나는 10개 매장의 Amazon을 운영하며, 주력은 유럽·미국 시장.
고객 ID는 항상 32자리 문자열.
주문 상태는 5가지: 결제 대기·발송 대기·발송 완료·완료·취소됨.
이러한 업무 규칙에 따라 주문 데이터를 정리해주세요.3. 예시 제공
가장 효과적인 프롬프트는 종종 예시를 포함:
다음 글을 더 전문적으로 다시 작성해주세요:
원문: 9월에 很多 판매가 있었고, 储 益も 相当히 있었다.
다시 쓰기 예:
원문: 오늘은 주문이 매우 많아 처리할 수 없습니다.
다시 쓰기: 오늘의 주문이 급증했으므로 처리 인력 증원을 권장합니다.
원문(다시 쓰기 대상): 9월에 很多 판매가 있었고, 储 益도 相当히 있었다.4. 안티 패턴
❌ 너무 모호:
- "해줘"
- "좋은 거 써줘"
- "너는 어떻게 생각해"
❌ 너무 복잡:
- "Python의 requests 라이브러리를 사용하여 후니아오 ApiServer를 호출하고, 10개의 후니아오 환경을 시작하여 병렬 처리 및 비동기 크롤링하는 스크립트를 작성해주세요..."
✅ 좋은 프롬프트의 특징:
- 목표 명확
- 중요 매개변수 포함
- 구체적인 출력 요구사항
- 이상 처리 설명
2. Token 절약 팁
1. 적절한 모델 선택
| 시나리오 | 권장 모델 | 절약률 |
|---|---|---|
| 일상 Q&A | deepseek-v4-flash / gpt-5.4 | 85% |
| 문서 요약 | gpt-5.4 / deepseek-v4-pro | 90% |
| 코드 생성 | claude-sonnet-5 | 55% |
| 복잡한 추론 | claude-opus-5.5 | 0% (절약 불가) |
2. 불필요한 기능 끄기
**"설정 → 환경 설정"**에서 끄기:
- ❌ 사고 과정 표시 (30-50% Token 절약)
- ❌ 매 메시지 자동 메모리 (10% 절약)
- ❌ Token 및 비용 통계 표시 (절약은 아니지만 방해 감소)
3. /compact 명령 사용
긴 대화에서는 /compact로 기록을 압축:
/compactMBAgent가 기록 대화를 요약으로 압축하여 50-70% Token 절약, 단 핵심 정보는 유지.
4. 일찍 새 세션 열기
주제가 바뀌면, 새 세션을 여는 것이 더 Token을 절약:
[세션 A] 오늘 주문 정리
[세션 B] 영문 이메일 작성 ← 새 세션, AI는 세션 A의 주문 데이터를 "기억하지 않음"5. 불필요한 첨부 파일 삭제
첨부 파일을 업로드했지만 필요 없어진 경우, 세션 내 해당 첨부 파일 메시지를 삭제하여 다음에 AI가 "보는" 것을 방지.
3. 다중 모델 비교
언제 다중 모델 비교를 사용하는가?
- ✅ 중요 의사 결정 (계약, 법률, 의료)
- ✅ 창작 글쓰기 (모델에 따라 스타일이 다름)
- ✅ 학습 목적 (각 모델의 처리 보기)
조작 방법
- 입력란에 메시지 입력
Ctrl을 누른 채 여러 모델 버튼 클릭- 여러 모델이 병렬로 응답
- 효과 비교
경험치
| 작업 유형 | 가장 좋은 모델 |
|---|---|
| 한국어 글쓰기 | claude-sonnet-4 / qwen3-max |
| 영문 이메일 | claude-sonnet-4 / gpt-5 |
| 코드 생성 | claude-sonnet-4 / deepseek-v3 |
| 복잡한 추론 | claude-opus-4 / o1 |
| 멀티모달 (이미지) | gpt-5 / gemini-2.5-pro |
| 장문서 분석 | claude-sonnet-4 (200K 컨텍스트) |
| 수학 문제 | o1 / claude-opus-4 extended thinking |
4. 후니아오 브라우저 조작 팁
1. 다중 계정 병렬
MBAgent에 여러 후니아오 계정을 동시에 조작:
다음 10개 매장 환경을 동시에 열어주세요:
- 매장 A
- 매장 B
- 매장 C
- ...
병렬로 주문 데이터를 수집, 병렬 수 5.모범 사례:
- 병렬 수 = 5-10 (10을 넘기지 않음)
- 각 환경에 독립된 시간 확보 (역 크롤링 대책)
- 합리적인 타임아웃 설정 (각 환경 5분)
2. 실패 재시도
후니아오 환경은 네트워크, IP, Cookie 등의 이유로 실패할 수 있음:
어떤 환경의 시작이 실패한 경우:
- 3회 재시도 (매번 30초 간격)
- 재시도도 실패한 경우, 오류를 errors.log에 기록
- 해당 환경을 건너뛰고 다음으로 계속3. 스크린샷 저장
MBAgent에 중요 페이지의 스크린샷 저장:
주문 데이터 수집 시 각 매장의 주문 페이지를 스크린샷하여 screenshots/{매장ID}-{타임스탬프}.png에 저장.4. 이상 알림
중요 이상 발생 시 즉시 알림:
다음 경우를 발견하면 alerts@company.com으로 즉시 이메일 발송:
- 주문 금액 이상 (> 50000 또는 < 1)
- 환경이 시작되지 않음
- 계정이 동결됨5. 파일 처리 팁
1. 대용량 파일 분할 처리
파일이 너무 큰 경우 (> 1MB) AI에 분할 처리:
이 CSV 파일은 10만 행입니다. 다음과 같이 배치 처리해주세요:
- 1 배치 5000행
- 1 배치 처리 완료 후 중간 결과 저장
- 마지막에 모든 결과 병합2. 증분 업데이트
대용량 파일 처리 시 증분 업데이트 사용:
이번에는 2026-09-24의 신규 주문만 처리하고 과거 것은 중복 처리하지 마세요.3. 중요 파일 백업
AI가 파일 수정 전에 먼저 백업:
~/reports.xlsx를 수정하기 전에 먼저 backups/reports-{타임스탬프}.xlsx에 백업해주세요.6. 지식베이스 사용 팁
1. KMS와 AI 메모리 뱅크의 차이
| 차원 | AI 메모리 뱅크 | KMS 지식베이스 |
|---|---|---|
| 적합 내용 | 선호, 규칙 | 문서, 참고 자료 |
| 크기 | KB급 | MB-GB급 |
| 검색 방식 | 자동 주입 prompt | 도구 호출 검색 |
2. KMS 자동 검색
KMS 생성 후 AI는 대화 내에서 자동으로 관련 내용을 검색합니다. "KMS를 보러 가줘"라고 명시할 필요 없음.
3. KMS 증분 업데이트
KMS는 증분 업데이트 지원:
/kms ingest ./new-docs/신규 파일만 추가, 인덱스는 재구축하지 않음.
7. 효율 향상 워크플로
1. 아침 루틴
08:50 - MBAgent가 자동으로 "오늘 판매 일일 보고서" 실행
09:00 - 사용자가 MBAgent를 열면 일일 보고서는 이미 생성됨
09:05 - 일일 보고서 열람, 2개 매장의 매출 이상 발견
09:10 - AI에 이상 조사 의뢰
09:30 - 이상 조사 보고서 수신
09:35 - 처리 이메일 발송2. 다중 계정 일괄 운영
09:00 - AI가 10개 매장의 Amazon 시작
09:05 - AI가 각 매장의 재고 확인
09:10 - AI가 낮은 재고 상품을補充 리스트에 추가
09:15 - 補充 리스트 정리
09:20 - 사용자가 리스트 검토
09:30 - 원클릭으로 補充 주문3. 고객 문의 자동 응답
10:00 - 고객이 웹사이트에 메시지 남김
10:01 - MBAgent가 알림 수신 (webhook 경유)
10:02 - MBAgent가 KMS에서 관련 제품 자료 검색
10:03 - MBAgent가 응답 초안 생성
10:05 - 사용자가 검토 후 원클릭 발송8. 자주 하는 실수 회피
❌ 해서는 안 되는 것
1. 중요 계정 조작 전에 백업하지 않는 AI
반례:
메일함의 오래된 메일을 정리하고 중요한 것은 삭제, 그렇지 않은 것은 남겨주세요.정례:
메일함의 오래된 메일을 정리하지만 먼저 모든 메일을 backup/emails-{date}.eml에 백업하고,
그 후에 2024년 이전의 메일만 삭제해주세요.2. AI에게 한 번에 많은 것을 시키기
반례:
다음 모두를 완료해주세요:
1. 100개 매장의 데이터 정리
2. 10개의 보고서 생성
3. 50명 고객에게 이메일 발송
4. 데이터베이스 업데이트
5. 모든 파일 백업
6. ...정례: 여러 대화 또는 여러 작업으로 분할하고 각 작업은 1개의 목표에 집중.
3. 출력 포맷을 지정하지 않음
반례:
주문 데이터를 정리해주세요.정례:
주문 데이터를 정리해주세요:
- 출력 포맷: CSV
- 항목: 주문 ID, 고객, 금액, 상태, 시간
- 파일 경로: reports/orders-{날짜}.csv
- 인코딩: UTF-8 with BOM (Excel에서 열기 쉽게)4. 익숙하지 않은 웹사이트를 조작하기 전에 테스트하지 않음
반례:
XXX 웹사이트에서 매일 데이터를 크롤링해주세요.정례:
먼저 수동으로 XXX 웹사이트에서 데이터를 1회 가져와 가져올 수 있는지 확인해주세요.
그 후에 매일 자동 크롤링으로 변경해주세요.5. AI가 쓴 코드를 테스트하지 않고 배포
반례:
매일 실행하는 Python 스크립트를 작성해주세요.정례:
Python 스크립트를 작성하고 먼저 테스트 환경에서 1회 실행하여,
출력이 올바른지 확인한 후 운영 환경에 배포해주세요.9. 디버깅 팁
1. 작업 실패 시
- 오류 로그 확인: 작업 상세에서 구체적으로 어느 단계가 실패했는지 확인
- 실패 단계 단독 실행: 작업을 여러 개로 분할하여 단독 실행
- 입력 간소화: 먼저 가장 간단한 입력으로 테스트
- 모델 변경: 때로는 모델의 문제
- 후니아오 고객 지원에 연락: 후니아오 브라우저 문제의 가능성
2. AI 응답이 정확하지 않은 경우
- 오류 지적: "여기가 정확하지 않다, X여야 한다"
- 올바른 예시 제공: AI에게 직접 올바른 예시 제공
- 다단계 수정: AI에게 1단계씩 수정
- 재질문: 다른 방식으로 다시 시작
3. Token 이상 소비 시
- Token 통계 확인: 각 라운드 응답 하단에 표시
- 큰 첨부 파일 확인: 업로드한 첨부 파일이 Token 소비
- 기록 압축:
/compact명령 사용 - 새 세션 열기: 기록이 너무 길어지지 않도록
10. 팀 협업
1. KMS 공유
팀용 공유 KMS 생성:
/kms create --scope=team --name=company-handbook
/kms mount company-handbook팀 모두 접근 가능.
2. 작업 템플릿 공유
작업 내보내기 → 동료에게 전송 → 동료가 가져오기
자세한 내용은 시작 메뉴 작업 참조.
3. API Key 공유
⚠️ 개인 API Key 공유는 권장하지 않음. 권장:
- 팀에서 일괄 후니아오 공식 패키지 구매
- 각자 독립 서브 계정 사용
- 후니아오 RAG 경유 지식 공유
11. 장기 학습
권장 학습 경로
- 제1주: 기초 사용 (대화, 첨부 파일)
- 제2주: 후니아오 브라우저 통합
- 제3주: 작업 패널 및 예약 작업
- 제4주: 지식베이스 및 메모리 뱅크
- 제5주: 커스텀 워크플로
- 지속: 후니아오 공식 업데이트 로그 주목
권장 학습 자료
커뮤니티 참여
- 후니아오 공식 WeChat 그룹
- 후니아오 사용자 포럼
- GitHub Issue (후니아오 공식 리포지토리)