주요 콘텐츠로 건너뛰기
AI 튜토리얼

new-term-radar로 매일 AI 트렌드 레이더 구축하기

X, Hugging Face, GitHub, 사이트맵, Search Console 및 검색 데이터를 결합해 새롭게 등장하는 AI 이름과 관련 키워드에 대한 일일 보고서를 생성하는 오픈 소스 Python 도구 new-term-radar의 설치, 구성 및 자동화 방법을 알아보세요.

약 18분 소요
new-term-radar로 매일 AI 트렌드 레이더 구축하기

new-term-radar가 하는 일

new-term-radar는 AI 분야에서 급부상하기 시작한 이름을 발견하기 위한 일일 모니터링 도구입니다. 기존 키워드 조사 플랫폼에 나타나기 전에 새로운 모델, 제품, 도구, 웹사이트, 저장소를 찾아내도록 설계되었습니다.

이 프로젝트는 AI 도구 페이지, 디렉터리, 뉴스레터, 글 또는 제품을 만드는 사람들에게 특히 유용합니다. 이미 형성된 키워드 검색량을 기다리는 대신, 새로운 이름이 남기는 초기 공개 신호를 추적합니다.

  1. 연구소, 개발자 또는 영향력 있는 계정이 X에서 이름을 언급하거나, 모델이 Hugging Face 인기 목록에 들어갑니다.
  2. 최근 생성된 GitHub 저장소가 비정상적으로 빠르게 별을 모으기 시작합니다.
  3. 디렉터리와 경쟁 사이트가 새 페이지를 게시하거나, 최근 등록된 도메인이 검색 순위에 오르기 시작합니다.
  4. 웹사이트가 해당 용어에 대해 Search Console에서 처음으로 노출을 받습니다.
  5. 결국 Google Trends에 측정 가능한 상승세가 나타납니다.

대부분의 키워드 도구는 마지막 단계에 가까운 영역에서 작동합니다. new-term-radar는 매일 처음 네 단계를 읽고, 이후 Google Trends를 사용해 초기 발견 항목이 실제 검색 트렌드로 이어졌는지 확인합니다.

주요 기능과 신호

X 계정 모니터링

레이더는 계정 목록에 설정된 계정을 읽고, 지난 60일 동안 해당 계정이 사용하지 않은 이름을 식별합니다. 이 유료 신호에는 AIsa API 키가 필요합니다. 유용성은 팔로우할 연구소, 개발자, 논평가를 얼마나 잘 선택했는지에 크게 좌우됩니다.

Hugging Face 인기 모델

Hugging Face 신호는 인기 상위 50위에 새로 등장한 모델을 감지합니다. 양자화된 복사본은 기본 모델 이름 아래에 그룹화됩니다. 이 신호는 무료이며 외부 인증 정보가 필요하지 않습니다.

GitHub 급성장 저장소

GitHub 감지기는 생성된 지 14일 이내이며 하루 평균 별 200개 이상을 얻거나, 이전 스냅샷 이후 별을 최소 400개 얻은 저장소를 찾습니다. 또한 소유자 이름과 저장소 이름을 바탕으로 niko strata와 같은 검색 변형을 생성할 수 있습니다.

이 신호는 무료입니다. GitHub 토큰은 필수가 아니지만, 토큰을 사용하면 GitHub API 요청 한도가 높아집니다.

사이트맵 변경

사이트맵 리더는 사이트의 이전 URL에서는 드물었던 단어가 여러 새 URL에 공통으로 나타날 때 이를 찾습니다. 사이트 자체의 기준선과 비교해 서로 다른 URL의 수를 계산하므로, 긴 URL 하나 때문에 잘못된 급증이 발생할 가능성을 줄입니다.

사이트맵을 추가하기 전에 해당 사이트의 robots.txt를 읽고, 크롤링 지연 시간 이상으로 일시 중지 시간을 설정하세요.

새롭게 순위를 얻은 사이트

선택 사항인 새 사이트 신호는 최근 90일 이내에 등록되고 처음 색인되었으며, 이미 최소 20개의 키워드에서 순위를 얻은 도메인을 검색합니다. AIsa가 필요하며 매주 실행하도록 설계되었습니다.

README에 따르면 2026년 10월 12일 기준으로 업스트림 AIsa 검증 문제로 인해 이 신호가 오류를 보고합니다. 나머지 보고서는 계속 정상 작동합니다. 업스트림 문제가 해결될 때까지 --skip newsites를 사용하세요.

Google Search Console

자신의 속성과 연결하면 레이더는 사이트가 처음으로 노출을 얻은 검색어를 감지합니다. 이 통합 기능은 선택 사항이며 무료이고, 사용자 컴퓨터에 저장된 읽기 전용 토큰을 사용합니다.

이름 분류 및 검토

소형 언어 모델이 각 후보가 특정 하나의 사물을 가리키는 이름인지, 아니면 단순한 일반 단어인지 평가합니다. 승인된 이름은 눈에 띄게 표시되고 일반 단어는 별도로 나열됩니다. 14일 후 검토 과정에서 Google Trends의 검색 변형을 확인하고 적중률과 신호가 앞선 일수를 기록합니다.

키워드 표의 작동 방식

새 제품 이름은 사람들이 지속적으로 원하는 작업을 설명하지 않아도 빠르게 상승할 수 있습니다. 예를 들어 감지기의 브랜드 이름은 일시적일 수 있지만, ai image detector와 같은 일반적인 문구는 지속적인 수요를 나타냅니다. 선택 사항인 키워드 표는 각각의 새 이름을 그 이름이 해결하는 작업 및 관련 일반 검색어와 연결합니다.

  1. 근거 수집: 레이더는 해당 이름을 언급한 X의 좋아요가 많은 게시물과 저장소의 경우 README를 읽습니다.
  2. 문구 생성: 모델이 근거에서 입증된 작업에 대한 일반적인 검색 문구를 제안하고 뒷받침하는 인용문을 포함합니다.
  3. 문구 선별: 두 번째 모델 호출이 이름이 지정된 제품과 충분히 밀접하게 관련되지 않은 문구를 제거합니다.
  4. 검색량 추정: Google Ads의 월간 검색량을 한 번에 가져오고, min_volume 미만인 문구를 제거합니다.
  5. 트렌드 측정: Google Trends를 한 번 사용해 각 용어의 추세 형태를 평가하고, 다시 사용해 기본값이 gpts인 벤치마크 키워드와 검색량을 비교합니다.

최종 결정은 우선순위 지정, 관찰, 건너뛰기입니다. 최근 30일 이내에 상승했고, 여전히 상승 중이며, 설정된 일일 검색량 기준을 충족하면 해당 용어의 우선순위를 지정합니다. 규모가 작거나 초기 단계이거나 꾸준히 수요가 있는 용어는 관찰합니다. 하락 중이거나 규모가 작고 변화가 없는 용어는 건너뜁니다.

각 이름은 처음 나타날 때 분석되고, 기본값이 3일인 설정된 재확인 기간이 지난 후 다시 분석됩니다. 출시 당일 게시물은 사람들이 실제로 제품을 어떻게 사용하는지보다 발표 내용을 설명하는 경우가 많기 때문에 이는 중요합니다.

프로젝트의 초기 관찰 결과에 따르면 제품 이름은 관련 일반 용어보다 먼저 상승했습니다. 키워드 표는 모든 일반 문구가 급부상하기 시작했다는 증거가 아니라, 새 제품이 제공하는 기존 수요를 보여주는 지도로 보는 것이 좋습니다.

요구 사항

  • Python 3.10 이상.
  • 저장소를 복제하기 위한 Git.
  • 유료 신호, 이름 분류, Google Trends 검토 또는 키워드 표를 사용하려면 AIsa API 키.
  • Search Console, 이메일 전송 및 더 높은 API 한도를 위한 선택 사항인 Google, Resend, GitHub 인증 정보.

핵심 레이더는 Python 표준 라이브러리만 사용합니다. 추가 패키지는 선택적 통합 기능과 개발 작업에만 필요합니다.

레이더 설치 및 구성

1. 저장소 복제

git clone https://github.com/zhuyansen/new-term-radar
cd new-term-radar

2. 구성 파일 생성

cp config.example.json config.json

config.json을 편집하여 사이트나 발행물에 맞는 X 계정, 사이트맵, 주제, 알려진 용어, 제외 단어 및 기준값을 지정합니다.

3. 선택 사항인 AIsa 키 추가

export AISA_API_KEY=your_key_here

X 게시물, DataForSEO 기반 도메인 및 트렌드 데이터, 후보 이름을 평가하는 모델을 포함한 유료 서비스는 AIsa를 통해 제공됩니다. 이 키가 없어도 무료 Hugging Face, GitHub, 사이트맵 및 Search Console 신호는 실행할 수 있습니다. 다만 이름 평가기를 사용할 수 없으므로 보고서의 용어는 정렬되지 않은 상태로 나열됩니다.

4. 일일 보고서 실행

python -m radar daily --out report.md

처음 실행하면 X 어휘, 저장소 별 수 및 사이트맵 URL의 스냅샷이 생성됩니다. 비교할 이전 스냅샷이 없으므로 초기 보고서에는 일반적으로 어제 데이터가 필요하지 않은 GitHub 브레이크아웃만 포함됩니다. 두 번째 실행부터는 모든 활성화된 신호의 변화를 보고할 수 있습니다.

중요한 설정 구성

예제 구성 파일에는 지원되는 모든 필드가 설명되어 있습니다. 먼저 레이더가 무엇을 감시하고 후보를 얼마나 엄격하게 필터링할지 결정하는 설정에 집중하세요.

  • lang: 보고서 언어를 en 또는 zh로 설정합니다.
  • x_accounts: 연구소 및 블로거의 핸들을 추가합니다. 연구소는 대체로 이름을 먼저 발표하고, 선정된 블로거는 용어가 해당 분야에 퍼지는 방식을 보여줍니다.
  • sitemaps: 사이트맵 위치, 선택적 분할 패턴, 요청 간 대기 시간 및 로케일 접두사 제거를 정의합니다.
  • topics: 이름과 정규 표현식을 지정하여 주제별 보고서 섹션을 만듭니다.
  • known_terms: 이미 다루고 있거나 검토 대상에서 영원히 제외할 용어를 추가합니다. 일치하는 리드는 표시된 후 후속 검토에서 제외됩니다.
  • stop_words: 해당 분야에서 자주 쓰이는 단어를 추가합니다. 기본 목록은 AI 모델 및 에이전트 도구에 맞춰 조정되어 있습니다.
  • judge: AIsa 채팅 모델을 선택하고 최소 이름 점수를 설정합니다. 기본값은 0.5입니다.
  • breakout: 저장소의 생성 후 경과 기간, 최소 별 수, 일일 별 증가 속도 및 어제 대비 변화를 설정합니다.
  • review: 검토 전 대기할 일수와 하루에 처리할 리드 수를 설정합니다.
  • usecases: 키워드 표, 모델, 벤치마크, 검색량 기준, 일일 검색 기준 및 재확인 주기를 구성합니다.
  • gsc: Search Console 속성과 토큰 파일을 설정하거나, 통합 기능을 비활성화하려면 이 객체를 비워 둡니다.

키워드 표를 완전히 끄려면 일일 수를 0으로 설정합니다.

{
  "usecases": {
    "per_day": 0
  }
}

--skip usecases를 사용하면 한 번의 명령에 대해서만 비활성화할 수도 있습니다.

기본 사용 패턴

하루에 한 번 모든 기능 실행

예약된 실행을 하루에 한 번만 수행하려면 어떤 신호도 건너뛰지 않고 daily 명령을 사용합니다.

python -m radar daily --out report.md

이 명령은 Markdown 보고서를 작성하고 옆에 report.json도 생성합니다. JSON 파일에는 보고서 작성에 사용된 구조화된 데이터가 포함되며, 사용자 지정 게시 또는 후속 처리에 유용합니다.

하루에 여러 번 빠르게 변하는 소스 확인

이 저장소는 빠른 소스 모니터링과 더 무거운 일일 프로세스를 분리합니다.

python -m radar sources --out sources.md
python -m radar daily --skip x,hf --out report.md

sources 명령은 X와 Hugging Face만 확인하며 새로운 이름을 찾은 경우에만 보고서를 작성합니다. 몇 시간마다 실행하세요. 그러면 daily 명령은 이 두 라이브 확인을 건너뛰면서도 지난 24시간 동안 sources가 유지한 이름을 포함할 수 있습니다.

선택한 모듈 건너뛰기

--skip 옵션은 x, hf, breakout, sitemaps, newsites, gsc, review, judge 및 usecases를 허용합니다.

python -m radar daily --skip x,newsites,usecases --out report.md

주간 신규 사이트 확인을 즉시 실행

python -m radar daily --new-sites --out report.md

영구 상태 저장 위치 변경

레이더는 변경 사항을 확인하기 위해 저장된 스냅샷과 데이터베이스에 의존합니다. 이러한 파일을 별도 디렉터리에 두려면 --state를 사용합니다.

python -m radar daily --state ./radar-state --out report.md

생성된 보고서 이해

보고서는 가능성이 높은 이름을 먼저 배치하고 이를 뒷받침하는 신호를 보여줍니다. GitHub 리드에는 저장소, 현재 별 수, 일평균 별 증가 수, 이름 점수, 알려진 용어 여부, 검색 변형 및 짧은 예시가 포함될 수 있습니다. 일반적인 단어로 판단된 용어는 하단 근처에 별도로 표시됩니다.

검토 섹션에서는 설정된 이전 날짜에 보고된 용어를 다시 살펴봅니다. 검색 변형이 상승했는지, 그리고 측정 가능한 Google Trends 상승이 나타나기 전에 레이더가 해당 변형을 감지한 기간이 며칠이었는지를 기록합니다.

변형의 보고 후 최고점이 이전 기준값보다 2배이면서 10포인트 이상 높을 때 상승한 것으로 간주합니다. 이러한 변형 기반 접근 방식은 이미 관련 없는 의미를 가진 이름을 다룰 때 도움이 됩니다. 일반적인 단어는 과거 수요가 너무 높아 조건을 충족하지 못할 수 있지만, 특정 제작자와 제품을 함께 포함한 검색어는 새로운 트렌드를 드러낼 수 있습니다.

Google Search Console 추가

선택적 인증 종속성을 설치하고 포함된 인증 스크립트를 실행합니다.

pip install google-auth-oauthlib
python scripts/gsc_auth.py gsc_client.json

스크립트는 브라우저를 한 번 열고 gsc_token.json을 작성합니다. 입력 파일은 Search Console API가 활성화된 Google Cloud 프로젝트에서 생성한 Desktop app 유형의 OAuth 클라이언트여야 합니다.

그런 다음 속성을 구성합니다.

{
  "gsc": {
    "site": "sc-domain:your-site.com"
  }
}

토큰은 읽기 전용이며 사용자 컴퓨터에 보관됩니다. 또한 저장소의 .gitignore에 이미 포함되어 있습니다.

이메일로 보고서 보내기

--mail 옵션은 Resend를 통해 보고서를 보냅니다. 필요한 환경 변수를 설정합니다.

export RESEND_API_KEY=your_resend_key
export EMAIL_FROM=radar@your-verified-domain.com
export RADAR_EMAIL_TO=you@example.com,editor@example.com

HTML 이메일 버전을 사용하려면 Markdown 패키지를 설치합니다.

pip install markdown
python -m radar daily --out report.md --mail

GitHub Actions로 자동화

포함된 .github/workflows/radar.yml 워크플로는 8시간마다 sources를 실행하고 하루에 한 번 daily를 실행합니다. Actions 캐시에 상태를 저장하고 워크플로 실행 요약에 보고서를 작성합니다. 워크플로는 명시적으로 옵트인하기 전까지 비활성화되어 있습니다.

  1. 저장소를 포크합니다. 비공개 포크도 허용됩니다.
  2. .gitignore에서 config.json을 제거하고 구성을 커밋합니다. 파일에 비밀 정보가 포함되어서는 안 됩니다.
  3. AISA_API_KEY 저장소 시크릿을 추가합니다.
  4. 필요한 경우 RESEND_API_KEY, EMAIL_FROM, RADAR_EMAIL_TO, GSC_TOKEN_JSON을 추가합니다.
  5. RADAR_ENABLED 저장소 변수를 생성하고 true로 설정합니다.

비교 작업은 과거 스냅샷에 의존하므로 상태 캐시를 유지하는 것이 중요합니다. 상태가 지속되지 않으면 반복 실행이 최초 실행과 비슷하게 동작합니다.

고급 조정 팁

X 계정을 신중하게 선택하기

X 감지기는 구성된 계정 중 어느 계정도 언급하지 않는 용어를 발견할 수 없습니다. 제품을 발표하는 조직과 중요한 용어가 확산되는 경로가 되는 신뢰할 수 있는 논평 계정을 포함하세요. 계정 수를 줄이거나 실행 빈도를 낮추면 유료 API 사용량도 그에 비례해 감소합니다.

AI 도구 외 분야에 맞게 불용어 조정하기

기본 제공되는 정리 및 불용어 동작은 AI 모델과 에이전트에 맞춰 조정되어 있습니다. 레이더를 다른 분야에 적용한다면 해당 분야의 일반적인 어휘를 stop_words에 추가하여 흔한 용어가 보고서를 압도하지 않도록 하세요.

분야에 맞게 급등 임계값 조정하기

기본값은 GitHub에서 비정상적으로 빠른 성장을 보이는 경우를 대상으로 합니다. 규모가 더 작은 생태계에서는 min_stars, velocity_min, delta_min 값을 낮춰야 할 수 있습니다. 매우 활발한 생태계에서는 보고서의 초점을 유지하기 위해 임계값을 높여야 할 수 있습니다.

반복 작업을 줄이기 위해 이미 알려진 용어 사용하기

이미 페이지가 있는 용어와 앞으로 다룰 의도가 없는 용어를 known_terms에 추가하세요. 이러한 항목 중 하나를 포함하거나 그 항목에 포함되는 후보는 표시된 후 향후 검토에서 제외됩니다.

최신 Trends 포인트를 그대로 신뢰하지 않기

최근 2일의 Google Trends 데이터는 아직 안정되지 않아 잘못된 급등을 만들 수 있습니다. 구현에서는 이 2일을 제외하고 상승이 최소 2일 동안 지속될 것을 요구합니다. 불완전한 데이터를 처리할 다른 방법이 없다면 이 동작을 변경하지 마세요.

게시하기 전에 수요 검증하기

이 레이더는 완전한 키워드 조사를 대체하는 도구가 아니라 조기 경보 시스템입니다. Google Ads 검색량은 약 2개월 늦게 반영될 수 있으며, Trends는 월간 검색량이 수백 건에 불과한 용어에 대해 신뢰하기 어렵습니다. 선택적 키워드 표에 추정치가 있다면 방향을 보여주는 지표로만 활용하세요. 페이지를 만들기 전에 현재 검색 결과, 관련성, 권리 및 소유 위험, 수요를 확인하세요.

자체 신호 품질 측정하기

이 프로젝트는 모든 소스에 대해 검증된 적중률을 주장하지 않습니다. 검토 시스템에서 각 리드가 성숙하려면 최소 14일이 필요합니다. 모든 후보가 트렌드가 될 것이라고 가정하지 말고, 축적된 검토 섹션을 활용해 계정 목록, 주제, 시장에 어떤 신호가 효과적인지 판단하세요.

테스트 모음 실행

개발을 위해 테스트 및 Markdown 종속성을 설치한 다음 테스트를 실행합니다.

pip install pytest markdown
python -m pytest -q tests

테스트는 네트워크 요청을 보내지 않고 이름 추출, 점수 계산, 저장, 보고서 생성을 검증합니다.

결론

new-term-radar는 초기 공개 활동을 반복 가능한 일일 발견 워크플로로 전환합니다. 무료 신호를 사용해 Hugging Face, GitHub, 사이트맵, Search Console 데이터를 모니터링할 수 있으며, AIsa를 통해 X 모니터링, 이름 분류, 트렌드 검토, 도메인 조사, 키워드 표 기능을 사용할 수 있습니다.

엄선한 소스 목록으로 시작하고, 스냅샷을 구축할 수 있을 만큼 충분히 도구를 실행한 다음 14일 후 결과를 검토하세요. 가장 가치 있는 결과물은 단순히 유행하는 이름의 목록이 아니라, 기존 키워드 도구보다 먼저 관련 용어를 일관되게 식별하는 소스를 보여주는 증거입니다.