---
name: my-context-sync
description: LinkedIn 피드에서 유용한 글을 AI가 분석하여 추천한다. "싱크", "sync", "정보 수집" 요청에 사용.
triggers:
  - "싱크"
  - "sync"
  - "정보 수집"
  - "컨텍스트 싱크"
  - "LinkedIn 추천"
---

# My Context Sync - LinkedIn 피드 추천

LinkedIn 타임라인의 최신 글을 읽고, AI가 분석하여 나에게 유용한 글만 추천합니다.

## 소스 정의

### 소스 1: LinkedIn 피드

| 항목 | 값 |
|------|-----|
| 연결 방법 | Puppeteer MCP (웹 스크래핑) |
| 수집 범위 | 피드 최근 20-50개 게시물 |

수집 방법:
```
Puppeteer MCP 도구를 사용하여 LinkedIn 피드 스크래핑

1. puppeteer_navigate로 LinkedIn 피드 접속
2. 로그인 (필요시)
3. puppeteer_evaluate로 게시물 데이터 추출
4. 각 게시물에서 수집:
   - 작성자 (이름, 직책, 회사)
   - 게시물 본문
   - 반응 수 (좋아요, 댓글)
   - 게시물 링크
```

**MCP 설정** (.mcp.json):
```json
{
  "mcpServers": {
    "puppeteer": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-puppeteer"]
    }
  }
}
```

추출할 정보:
- 게시물 작성자 및 프로필
- 게시물 전문 (텍스트)
- 반응 수 (좋아요, 댓글, 공유)
- 게시물 링크
- 게시 시간

## 관심사 설정

AI가 게시물을 평가할 때 참고할 관심사 키워드:

```yaml
interests:
  - "AI/ML"
  - "개발"
  - "스타트업"
  - "기술 트렌드"
```

> 스킬 실행 시 사용자의 관심사를 물어보고, 이를 바탕으로 게시물을 평가합니다.

## 실행 흐름

이 스킬이 트리거되면 아래 순서로 실행한다.

### 1단계: 사용자 관심사 확인

스킬 실행 시 사용자에게 관심사를 물어본다:

```
"어떤 주제의 글을 추천해드릴까요?"
  - AI/ML
  - 개발/기술
  - 비즈니스/스타트업
  - 리더십/경영
  - 기타 (직접 입력)
```

### 2단계: LinkedIn 피드 수집

Puppeteer MCP로 LinkedIn 피드에 접속하여 게시물 수집:

```
피드 수집 시작
  ├── Puppeteer로 LinkedIn 접속
  ├── 로그인 확인/수행
  ├── 피드 페이지 이동
  ├── 스크롤하며 게시물 로드 (20-50개)
  └── JavaScript로 게시물 데이터 추출
피드 수집 완료
```

### 3단계: AI 분석 및 평가

수집된 각 게시물을 Claude AI가 분석:

```
각 게시물마다:
  1. 관련성 점수 (1-10)
     - 사용자 관심사와 얼마나 관련 있는가?
     - 주제 적합성

  2. 유용성 평가
     - 실용적인 정보인가?
     - 새로운 인사이트가 있는가?
     - 실행 가능한 조언이 있는가?

  3. 한 줄 요약
     - 핵심 메시지 추출

  4. 추천 이유
     - 왜 이 글이 유용한지 구체적으로 설명
```

### 4단계: 추천 리스트 생성

점수 높은 순으로 정렬하여 TOP 10 추천:

```
정렬 기준:
  - 1차: 관련성 점수 (가중치 60%)
  - 2차: 유용성 점수 (가중치 40%)
  - 반응 수는 참고만
```

### 5단계: 문서 저장

결과 파일을 저장한다.

```
저장 위치: sync/YYYY-MM-DD-linkedin-recommendations.md
```

### 6단계: Gmail 전송 (선택사항)

추천 결과를 이메일로 전송합니다.

```bash
python scripts/gmail_sender.py sync/YYYY-MM-DD-linkedin-recommendations.md your-email@gmail.com
```

> 📧 Gmail 전송 설정은 `scripts/GMAIL_SETUP.md` 참고

### 7단계: 리포트

실행 결과를 사용자에게 보고한다.

```
LinkedIn 피드 분석 완료!

수집 결과:
  - 게시물 수집: 42개
  - AI 분석 완료: 42개
  - 추천 게시물: 10개

하이라이트 TOP 3:
  1. [9.5점] "AI 인프라 구축 3가지 함정" - 홍길동 (ABC CTO)
  2. [9.2점] "스타트업 성장의 숨은 비밀" - 김영희 (DEF CEO)
  3. [8.8점] "개발자 생산성 2배 높이는 법" - John Doe (Tech Lead)

파일 저장: sync/2026-02-27-linkedin-recommendations.md
📧 이메일 전송: your-email@gmail.com (선택한 경우)
```

## 출력 포맷

저장되는 마크다운 파일의 구조:

```markdown
# LinkedIn 피드 추천 - 2026-02-27

> AI가 분석한 오늘의 유용한 글 TOP 10
> 관심사: AI/ML, 개발, 스타트업

---

## 🥇 추천 #1 (점수: 9.5/10)

### AI 인프라 구축 시 주의할 3가지 함정

**작성자:** 홍길동
**직책:** CTO at ABC Company
**반응:** 👍 245 | 💬 32

**한 줄 요약:**
GPU 비용 최적화와 모델 서빙 아키텍처 실전 조언

**추천 이유:**
실무에서 바로 적용 가능한 구체적인 조언이 포함되어 있습니다. 특히 GPU 인스턴스 선택 기준과 비용 절감 사례가 유용합니다. 저자가 실제 경험을 바탕으로 작성한 점이 신뢰도를 높입니다.

**본문 미리보기:**
> "많은 팀이 처음부터 큰 GPU 인스턴스를 사용하지만, 실제로는 A10G로 시작해서 점진적으로 확장하는 것이 비용 효율적입니다. 우리 팀은 이 방법으로 월 인프라 비용을 40% 절감했습니다..."

**🔗 [게시물 보기](https://linkedin.com/posts/...)**

---

## 🥈 추천 #2 (점수: 9.2/10)

### 스타트업 성장의 숨은 비밀

**작성자:** 김영희
**직책:** CEO at DEF Startup
**반응:** 👍 189 | 💬 45

**한 줄 요약:**
PMF 이후 성장 단계에서 놓치기 쉬운 3가지 포인트

**추천 이유:**
스타트업 성장 단계에서 실제로 겪는 문제들을 구체적으로 다룹니다. 특히 초기 팀 확장 시 문화 유지 방법이 인상적입니다.

**본문 미리보기:**
> "PMF를 찾은 후 가장 큰 실수는 무분별한 채용이었습니다. 우리는 3개월 만에 팀을 5명에서 20명으로 늘렸고, 초기 문화가 희석되는 것을 경험했습니다..."

**🔗 [게시물 보기](https://linkedin.com/posts/...)**

---

## 🥉 추천 #3 (점수: 8.8/10)

### 개발자 생산성을 2배 높이는 법

**작성자:** John Doe
**직책:** Tech Lead at XYZ
**반응:** 👍 321 | 💬 67

**한 줄 요약:**
코드 리뷰와 CI/CD 최적화로 배포 속도 향상

**추천 이유:**
실제 측정 가능한 지표와 함께 개선 방법을 제시합니다. PR 리뷰 시간 단축 사례가 구체적입니다.

**본문 미리보기:**
> "우리 팀은 PR 리뷰 프로세스를 개선하여 평균 리뷰 시간을 2일에서 4시간으로 단축했습니다. 핵심은 작은 PR과 명확한 리뷰 가이드라인이었습니다..."

**🔗 [게시물 보기](https://linkedin.com/posts/...)**

---

## 추천 #4-10

<추가 7개 추천 게시물...>

---

## 📊 분석 요약

- **수집 게시물:** 42개
- **평균 점수:** 6.3/10
- **추천 게시물:** 10개 (점수 8.0 이상)
- **주요 주제:** AI/ML (5개), 스타트업 (3개), 개발 문화 (2개)
- **분석 시각:** 2026-02-27 09:15
```

## 커스터마이징 가이드

### 관심사 키워드 변경

스킬 실행 시 관심사를 선택하거나, 스킬 파일의 `interests` 섹션을 직접 수정할 수 있습니다.

### 수집 개수 조정

기본 20-50개 → JavaScript 코드에서 `Math.min(postElements.length, 20)` 값 변경

### 평가 기준 조정

AI 분석 프롬프트에서 평가 기준(관련성, 유용성, 실용성 등)의 가중치를 조정할 수 있습니다.

### 출력 형식 변경

- Markdown 파일 (기본)
- Slack 메시지로 전송 (Slack MCP 추가 필요)
- Notion 페이지로 저장 (Notion MCP 추가 필요)

## 주의사항

1. **로그인 유지:** Puppeteer 세션이 만료되면 재로그인이 필요합니다.
2. **속도 제한:** LinkedIn이 봇으로 인식하지 않도록 적절한 딜레이를 설정하세요.
3. **개인정보:** 수집된 데이터는 로컬에만 저장됩니다.
4. **이용약관:** LinkedIn 이용약관을 준수하세요.

## 참고 파일

- `scripts/linkedin_feed_scraper.md` - Puppeteer 사용법 상세 가이드
- `.mcp.json` - Puppeteer MCP 서버 설정