AI 앱 구축하기 - Wikiprompt 데이터셋 기반

위키프롬프트 데이터셋으로 AI 앱 만들기

프롬프트 라이브러리 앱을 만들려고 시도한 모든 인디 해커는 첫날 같은 벽에 부딪힙니다 - 시드 콘텐츠가 필요하고, 스크래핑은 느리고, 취약하며, 대상 서버에 무례합니다. 위키프롬프트가 그 벽을 제거했습니다. 전체 카탈로그 - ChatGPT, Claude, Gemini, Midjourney, GPT Image, Veo, Kling, Seedance, Nano Banana, Grok 등을 아우르는 55,000개 이상의 프롬프트 - 가 이제 공개 벌크 데이터셋으로 제공됩니다. 키 없이, 속도 제한 없이, 스크래핑 없이. 그냥 JSON입니다.

이 글은 빌드 로그이지 보도자료가 아닙니다. 이번 주말에 배포할 수 있는 네 개의 작은 앱과 그에 도달하기 위한 정확한 배관 작업입니다.

실제로 다루는 것

먼저 매니페스트를 확인하세요:

curl "https://www.wikiprompt.org/dataset"

total_prompts, 모든 행에서 기대할 수 있는 record_fields, 그리고 페이지네이션 방식을 반환합니다. 실제 데이터는 /dataset/prompts에 있으며, 키셋 커서로 페이지네이션됩니다 - 각 페이지는 next URL을 제공하고, next가 null로 돌아올 때까지 따라갑니다. 페이지당 최대 500개 레코드입니다.

curl "https://www.wikiprompt.org/dataset/prompts?limit=500"

각 레코드는 작고 유용한 객체입니다: slug, url, title, description, content (모델에 붙여넣을 실제 프롬프트 텍스트), category, tags, media (프롬프트가 이미지/비디오를 생성했을 때의 URL), model (어떤 모델용으로 만들어졌거나 실행되었는지), metadata (미디어 유형, 종횡비, 스타일, 품질 평가 같은 구조화된 필드), author, original_source (원본 트윗 또는 게시물), 그리고 타임스탬프. 추가 API 호출 없이 실제 UI를 구축하기에 충분합니다.

다음은 Python으로 된 전체 수집 루프입니다. 로컬 SQLite 캐시까지 약 15줄입니다:

import requests, sqlite3

db = sqlite3.connect("wikiprompt.db")

db.execute("""create table if not exists prompts(

slug text primary key, title text, description text,

content text, category text, model text, url text)""")

url = "https://www.wikiprompt.org/dataset/prompts?limit=500"

while url:

data = requests.get(url).json()

for p in data["records"]:

db.execute(

"insert or replace into prompts values (?,?,?,?,?,?,?)",

(p["slug"], p["title"], p["description"],

p["content"], p["category"], p.get("model"), p["url"]),

)

db.commit()

url = data.get("next")

한 번 실행하면 전체 카탈로그의 로컬 쿼리 가능한 사본을 갖게 됩니다. CORS는 완전히 열려 있고 (Access-Control-Allow-Origin: *) 응답은 엣지 캐시되므로 백엔드 작업뿐 아니라 브라우저에서도 실행하기에 친숙합니다.

만들 가치가 있는 네 가지

프롬프트 검색 UI. 데이터셋은 category, tags, model, metadata를 무료로 제공하므로 패싯 검색은 기본적으로 SQL WHERE 절 하나면 됩니다 - "portrait 태그가 있는 Midjourney 프롬프트" 또는 "Claude용 코딩 프롬프트"는 연구 프로젝트가 아니라 필터로 해결됩니다. 직접 인덱스를 구축하고 싶지 않다면 위키프롬프트가 이미 하나 운영 중입니다: 검색 API는 ?q=를 받아 순위가 매겨진 JSON을 반환하므로 검색 코드 한 줄도 작성하기 전에 검색 상자 프로토타입을 만들기에 충분합니다.

오늘의 프롬프트 봇. 크론 작업으로 로컬 캐시에서 무작위 행을 선택하고 (또는 테마 피드를 위해 category=creative로 필터링) title + content + url을 원본으로 게시합니다. media 필드는 텍스트뿐 아니라 실제 출력 이미지나 비디오를 게시물에 첨부할 수 있게 해줍니다. 약 40줄의 코드이며 Slack 봇, 텔레그램 봇, 또는 X에 게시하는 크론으로 동일하게 잘 작동합니다.

브라우저 확장 프로그램. 아무 텍스트 필드에서 오른쪽 클릭, "프롬프트 삽입", 카테고리나 모델로 로컬 캐시 검색, content를 붙여넣기. 초기 동기화 후 데이터가 로컬이므로 오프라인에서도 즉시 작동하며 키 입력마다 네트워크 왕복이 없습니다.

디스코드 봇. /prompt image midjourney 슬래시 명령으로 캐시를 category와 model로 필터링하고 title, content, 미디어를 임베드로 응답합니다. 원본을 보고 싶다면 original_source를 푸터에 링크하면 같은 메시지에서 출처가 처리됩니다.

메타데이터 필드를 실제로 활용하기

metadata는 미디어 관련 작업에서 흥미로운 부분이 있는 곳입니다: 종횡비, 스타일 태그, 품질 평가. 프롬프트를 단순히 나열하는 것이 아니라 순위를 매기거나 추천하는 앱을 만든다면 이것이 신호입니다. "3:4 종횡비, 높은 품질 점수의 초상화용 최고의 Midjourney 프롬프트" 필터는 필드를 수집한 후 몇 개의 추가 WHERE 절일 뿐이며 별도의 점수 파이프라인이 필요 없습니다.

좋은 프롬프트 레코드가 처음부터 끝까지 어떤 모습인지 맛보려면 몇 개의 라이브 페이지를 살펴보세요: 데이터 물리화 이미지 프롬프트, 미래형 거미류 캐릭터 변환, 그리고 신비한 유목민 여행자 캐릭터 디자인. 각각은 데이터셋의 전체 레코드이기도 하며, 같은 필드, 모델에 복사할 같은 content를 갖습니다.

출처 표시는 선택이 아니라 필수이며 어렵지도 않습니다

위키프롬프트는 원저자의 공개 게시물에서 프롬프트를 집계합니다 - 라이선스 보유자가 아니라 사서입니다. 앱이 프롬프트를 표시한다면 original_source를 함께 보여주고 카탈로그를 얻은 곳으로 wikiprompt.org를 크레딧하세요. 이것이 조건이며 데이터셋은 모든 레코드에 original_source가 이미 있기 때문에 이를 지키는 것을 사소하게 만듭니다. 스키마에 아직 열이 없다고 해서 수집 중에 제거하지 마세요.

직접 인덱스를 운영하고 싶지 않다면

소유하려는 인프라의 양에 따라 세 가지 옵션이 있습니다. 완전한 제어를 원한다면 벌크 데이터셋을 자체 검색/추천 레이어로 실행하세요. 파이프라인이 아니라 결과만 필요하다면 검색 API를 직접 호출하세요. 또는 앱이 아니라 에이전트를 구축 중이라면 MCP 서버를 가리키세요. 이 서버는 검색, 카테고리, 개별 프롬프트를 Claude 및 다른 에이전트가 기본적으로 호출할 수 있는 도구로 노출합니다. 모델이 한 번의 가져오기로 전체 표면을 이해하게 하려면 llms.txt도 있습니다.

여기서 시작하세요

curl "https://www.wikiprompt.org/dataset/prompts?limit=500" | head -c 2000

돌아오는 것을 보고 위의 네 가지 아이디어 중 하나를 선택하면 커피가 식기 전에 작동하는 무언가를 갖게 될 것입니다. 어려운 부분 - 12개 이상의 모델에 걸친 55,000개 이상의 큐레이션된 프롬프트 - 는 이미 완료되었습니다. 그것으로 무엇을 만드는지가 재미있는 부분입니다.