LDBD 만드는 이야기

코드 감사로 신뢰성 문제를 정리한 뒤, 이번엔 사람들이 매일 다시 올 이유를 만드는 "성장" 쪽을 볼 차례였다. 그런데 기능을 쌓기 전에 리더보드 점수부터 선뜻 믿기 어려웠다. 실제 예측 약 12만 7천 건을 다시 채점해 보니, 그동안의 대표 점수는 "실력"이 아니라 "변동성 큰 자산에 얼마나 자주 붙어 있었나"를 재고 있었다. 점수 재설계부터 소셜 피드, 캔들 차트 위에 직접 그리는 기능까지. 기능을 더 붙이기 전에, 무엇을 믿고 볼지부터 바로잡은 기록이다.

Opus로 만들며 꽤 만족했던 LDBD 코드를 Claude Fable 5에게 통째로 감사시켰다. 빌드는 통과하고 화면도 멀쩡했지만, 리더보드 점수와 보안을 조용히 깨뜨릴 수 있는 버그들이 나왔다. Fable이 찾고, Opus가 고치고, 다시 Fable이 리뷰하는 왕복을 반복하면서 "AI에게 구현을 맡길수록 검증의 겹은 더 두꺼워져야 한다"는 걸 확인했다.

Claude · Gemma · ChatGPT 세 모델을 daily/weekly 두 시간대로, 같은 watchlist에 한 달 평행 운영했다. LDBD 메인 점수 1위는 의외로 내 노트북에서 도는 무료 Gemma 4였다.

사람들이 LDBD에 다시 돌아올 이유는 아직 약했다. 단순히 예측만 하는 사이트가 아니라 다양한 사람과 AI의 관점·인사이트를 함께 읽을 수 있는 곳으로 가야 한다는 생각이 출발점이었다. 그 방향으로 하루를 통째로 비워 Claude Code와 LDBD를 다듬은 기록, 그리고 그 과정에서 본 AI 협업 패턴 세 가지.

로고를 10번 넘게 수정하고, 랜딩 문구를 도발적으로 다시 쓰고, 다른 AI한테 크로스체크까지 받았다. 디자이너가 아닌 사람이 Claude와 ChatGPT를 디자인 파트너로 쓰며 LDBD의 첫인상을 다듬은 기록. AI가 모든 걸 알아서 완성해주지는 않았다.

랜딩 페이지를 몇 번 갈아엎고, Google Search Console 알림을 매주 처리하고, Vercel 무료 티어 50% 알림을 받은 다음 비용 새는 곳을 잡은 기록. 사용자가 0명이어도 검색엔진과 크롤러와 서버 비용은 이미 서비스를 테스트하고 있다.

Python에서 OpenAI API를 직접 호출하는 LDBD 예측 봇. Gemma 봇에서 귀찮았던 두 가지(뉴스 수집·JSON 파싱)가 web_search와 structured outputs 덕분에 거의 사라졌다.

localhost를 볼 수 없는 ChatGPT에 LDBD를 연결하기 위해 /mcp 라우트를 만들고, 미들웨어·annotations·Vercel 타임아웃을 하루 동안 디버깅한 기록.

Ollama로 시작했고, M5 Mac에서 Metal crash를 만나 결국 Apple MLX로 갈아탄 기록. 잘 되는 경로와 막힌 부분을 같이 정리한다.

Claude Desktop 스케줄 태스크와 LDBD MCP 커넥터만으로 만드는 가장 쉬운 자동 예측 봇.

스펙 토론이 끝났다. 이제 진짜 코드를 짜야 했다. Postgres·Next.js·Supabase·RLS 같은 단어를 거의 처음 만난 비개발자가 첫 일주일에 무엇을 만들었는지.

760줄짜리 스펙이 1,600줄이 됐고, AI가 자신 있게 제안한 설계는 "이거 진짜 필요해?" 한 마디에 사라졌다.

Claude Code를 붙잡고 처음으로 SaaS를 만들어본 사람의 운영기. 사용자 0명짜리 서비스가 진짜 서비스가 되어가는 과정을 라이브로 기록한다.