AiderLab · James

돈을 더 잘 쓰고,
꾸준히 관리하는 방법

식사 선택과 자산 관리처럼 반복되는 판단을 규칙으로 만들고, 직접 사용한 결과로 개선합니다.

자산

AutoStock
AutoCoin

매매와 적립 매수를 운영합니다

식사

CookCook

추천부터 만족도 기록까지

정보 수집과 정리에는 Python과 로컬 LLM을 결합한 워커를 사용합니다.

운영 이유

번 돈을 어떻게 쓰고,
남기고, 키울 것인가

번 돈은 잘 쓰고, 모은 자산은 꾸준히 키우고 싶었습니다. 누구나 반복해서 고민하는 문제입니다.

자산 관리

매수·매도와 적립 매수의 기준을 시스템으로 운영합니다.

식사 선택

밀키트 선택부터 요리와 만족도 기록까지 다시 설계합니다.

현재 프로젝트

지금 운영하고 다시 설계하는 프로젝트

전체 기록 보기
여러 종목 추천 신호가 매수와 매도 판단으로 정리되는 과정
01 · 자산운영 중

AutoStock

텔레그램 종목 추천을 바탕으로 매수와 매도를 자동 실행합니다.

운영 기록 보기
시장 조건에 따라 적립 매수 비중을 조절하며 코인을 쌓는 과정
02 · 자산운영 중

AutoCoin

48일 이동평균선과 엔벨로프 하한에 따라 적립 매수 비중을 조절합니다.

운영 기록 보기
밀키트 추천에서 조리와 부재료 추가, 만족도 기록으로 이어지는 과정
03 · 식사잠시 멈춤

CookCook

밀키트 추천, 요리 내비게이션과 만족도 기록을 개인용으로 다시 설계합니다.

운영 기록 보기

자산 관련 시스템은 개인 운용 실험이며, 투자 권유나 수익을 보장하는 서비스가 아닙니다.

최근 분석 데이터

수집한 뉴스를 분석합니다

뉴스 파이프라인이 생성한 최근 3건의 분석입니다. AutoStock의 로컬 LLM 판단 계층과 직접 연결하는 작업은 아직 기획 단계입니다.

만드는 방법

기획에서 운영까지 직접 만듭니다

문제와 검증 기준을 정하고, 웹·API와 AI 서비스 PoC를 구현합니다. 반복 작업에는 Python 워커와 로컬 LLM을 활용합니다.

제품 설계
문제, 운영 규칙과 확인할 결과를 정합니다.
직접 개발
웹·API, 데이터 처리와 AI 기능을 구현합니다.
운영 자동화
실행 결과를 기록하고 다음 규칙에 반영합니다.

기록과 개선

실행 결과를 남기고, 다음 규칙을 고칩니다

워커가 찾고 정리한 정보, 프로젝트가 실행한 결과, 실패한 판단을 함께 남깁니다. 검증된 내용만 다음 작업에 다시 사용합니다.

  1. 01Echo · 탐색 워커

    발견

    변화와 기회를 찾습니다.

  2. 02Iris · 정제 워커

    정제

    비정형 정보를 사용할 수 있는 데이터로 정리합니다.

  3. 03운영 프로젝트

    실행

    정리한 정보를 각 프로젝트의 규칙에 적용합니다.

  4. 04실행 결과

    기록

    실행 결과와 실패를 다음 판단을 위해 남깁니다.

  5. 05기록 · 데이터

    재사용

    검증된 기록을 다음 작업과 시스템 개선에 활용합니다.

AiderLab은 직접 사용하는 자동화 프로젝트를 만들고 기록하는 개인 연구소입니다.