콘텐츠로 이동
✍️ 수정가능누구나 고쳐도 됩니다. 고치면 하단 frontmatter의 갱신일·작성자·변경요약을 남겨 주세요.작성 Claude · 2026-06-04 · v12 재편·raw 컴파일·인간화

사고력 답변구조 기획 (v0.2)

버전은 Notion 기획 페이지와 1:1로 맞춘다(ADR-0010). v0.2는 v0.1의 방향을 뒤집은 변경이라 ADR-0009로 기록했다.

요지

학생이 문제를 풀다 막히면, AI가 정답을 알려 주는 대신 대화형으로 질문을 던지며 스스로 사고하게 유도한다. 마지막에 답을 고르는 것도 AI가 아니라 학생이다. 평범한 LLM API와 다른 점이 바로 여기다 — "정답을 피하고, 사고를 유도하고, 답은 학생이 고른다"는 원칙을 화면 안내가 아니라 도메인 수준에서 강제한다.

이 철학은 v0.1을 한 번 뒤집은 결과다. v0.1은 단계형 힌트(1~5단계)를 순서대로 보여주고 끝에 AI가 풀이 흐름까지 노출했지만, "끝까지 막히면 결국 이해시킨다"는 그 원칙을 폐기하고 사고력 코치 쪽으로 방향을 틀었다.

항목 v0.1 (대체됨) v0.2 (현행)
AI 답변 구조 단계형 힌트 1~5단계 대화형 multi-turn (AI 질문 ↔ 학생 답변)
마지막 단계 AI가 정답·풀이 흐름 노출 학생이 직접 답 선택 (AI는 후보·질문만)
컨텍스트 필드 강점·취약점 어려운 부분 (단순화)
만족도 수집 없음 5점 + 자유 의견
1차 MVP 채널 질문/과제 + AI 오픈챌린지 + AI 코칭 (질문/과제 후순위)

이 전환의 근거는 ADR-0009에 있다.

목표 & 성공 기준 (지표)

AI 사용률과 평균 대화 turn 수, 만족도(5점 평균), 그리고 힌트 없이 혼자 푼 비율을 본다. 선생님이 학생의 AI 기록을 얼마나 들여다보는지(로그 조회율)도 함께 본다.

대상 페르소나

학생

  1. 오픈챌린지 풀이 중 막힘 → "AI 코치 시작".
  2. AI가 질문 던짐 (예: "이 문제에서 먼저 무엇을 구해야 할까?").
  3. 학생 답변 → AI 반응 + 다음 질문. multi-turn 반복 → 풀이 흐름 이해.
  4. 학생이 직접 답을 선택 (AI는 후보만 제시, 정답은 안 고름).
  5. 회고/만족도 (5점 + 자유 의견).

선생님

  1. AI 기록 조회 (미해결 → 미완료 → 해결 완료).
  2. 상세 진입 → 학생/AI 대화 전체 로그 + 학생이 선택한 답 + 만족도.
  3. 필요 시 메시지에 피드백 댓글.

범위 (포함 / 제외)

  • In(MVP): 자유형 대화 코칭, 4단계 progression+회귀, 맞춤 설정/수정/Skip, 문제 복귀 유도, 학생 직접 답 선택, 직접 입력 기반 개인화, 선생님 조회(사용/로그/정답/만족도), StudentContext/세션/메시지 데이터.
  • Out(MVP 제외): RAG 개인화, 과거 학습 자동 분석, 자동 약점 분석, 선생님 말투 학습, 자동 회고 생성, AI 한줄 평가, 정답 직접 제공, 유사 문제 추천, AI 자동 난이도 조절, 드로잉 풀이 AI 해석.

요구사항 (유저 스토리 · 기능)

  • 4단계 progression + 회귀: ①개념 이해 → ②접근 방향 → ③풀이 힌트 → ④답 직전. 고정 아님 — 학생 이해도에 따라 3→1, 4→2 회귀. 회귀 시 동일 설명 반복 X(더 쉬운 표현·더 작은 단계 분해).
  • 답 공개 정책: 정답 번호/값은 끝까지 미제공. 풀이 방향만 점점 구체화. "답 알려주세요" 반복에도 미노출 → 개념 회귀로 대응. 무한 루프 방지로 일정 반복 후 문제 복귀 유도.
  • 맞춤 설정(개인화): 과목(수학 고정)·학습 단계(중등/고등)·학습 목적(수능/내신)·어려운 부분(개념/해석/응용/계산, 복수)·자유 입력. 최초 1회 모달(Skip 가능), 이후 언제든 수정. 시스템 프롬프트에 반영.
  • AI 상태: READY → COACHING ↔ WAITING_ANSWER → GUIDE_TO_PROBLEM → FINISHED (+ ABANDONED).
  • 선생님 조회: 동일 스터디룸 학생 한정 — AI 사용 여부/AI 로그/해결 여부/정답 여부.

비기능

AI 기능이라 성능과 비용을 함께 챙겨야 한다. 첫 토큰은 3초 안에 나와야 하고 대화는 보통 5~8 turn으로 끝난다(1차는 동기 응답, 2차에 스트리밍). 호출당 평균 2000~5000 토큰을 쓰므로 매 호출을 AiTokenUsage로 기록해 비용을 추적한다. 폭주를 막으려고 대화는 1분에 10회, 한 번에 1,000자로 제한한다.

핵심은 프롬프트 정책이다. 시스템 프롬프트에 "정답을 직접 주지 말고, 학생이 답을 고를 때까지 질문을 이어가라"를 박아 사고 유도를 강제한다. 실제 프롬프트 본문은 시크릿으로 분리해 둔다. 만족도는 일별·챌린지별로 집계해 운영 모니터링에 쓴다.

근거 (피드백·아이디어·리서치 source)

AI 코치 v2 FDD가 철학·progression·맞춤 설정·상태·API·예외·MVP 범위까지 담은 1차 출처다. 단계형에서 대화형으로 튼 결정 사유와 1차 MVP를 오픈챌린지+AI 코칭으로 잡은 근거는 ai-mvp v0.2에 있고, v0.1 원본도 참고로 둔다. 출처는 frontmatter source에 있다.

오픈 이슈

  • 드로잉을 MVP에 넣을지(프런트 진행 중), 스트리밍을 언제 도입할지(2차), 그리고 LLM provider 선정과 프롬프트 저장 위치를 어떤 ADR로 정할지.