diff --git a/Lecture/64/00-DAY64-PREP.md b/Lecture/64/00-DAY64-PREP.md
index b12374f..1f70ba2 100644
--- a/Lecture/64/00-DAY64-PREP.md
+++ b/Lecture/64/00-DAY64-PREP.md
@@ -1,41 +1,81 @@
 # 64일차 실습 준비 · 수업 전에 미리 해 두면 좋은 것
 
 - 수업일: 2026-10-14 (64일차) · AI 워크플로우 개념 및 구성 요소 이해
-- 준비 시간: 약 1시간 (모델 다운로드 포함)
-- **수업 전날까지** 1~2절을 끝내 주세요. 3~4절은 시간이 될 때 읽어 오면 수업이 훨씬 쉬워집니다.
+- 준비 시간: 약 1시간 (대체용 Ollama 모델을 새로 받는 경우. 이미 있으면 약 30분)
+- **가장 먼저 0절(수업 저장소 받기)** 을 하고, **수업 전날까지** 1~2절을 끝내 주세요. 3~4절은 시간이 될 때 읽어 오면 수업이 훨씬 쉬워집니다.
 
 ```mermaid
 flowchart LR
-  A["1. 실습 환경<br/>WSL · uv · API 키 · Ollama"] --> B["2. 확인 명령<br/>pytest · check"]
+  Z["0. 수업 저장소 받기<br/>git clone"] --> A
+  A["1. 실습 환경<br/>WSL · uv · API 키<br/>(대체: Ollama)"] --> B["2. 확인 명령<br/>pytest · check"]
   B --> C["3. 미리 읽기<br/>JSON · 지난 실습"]
   C --> D["4. 생각해 오기<br/>내 업무 시나리오"]
 ```
 
 ---
 
+## 0. 가장 먼저: 수업 저장소 받기 (2분)
+
+실습 코드와 안내 문서는 모두 공개 저장소 **https://gl.isitsoft.kr/publicproj/aio-01d4-stu** 에 있습니다. 공개(public) 저장소라 **계정·로그인 없이 누구나** 받을 수 있습니다. WSL(Ubuntu) 터미널을 열고 홈 폴더에서 아래 명령을 실행합니다.
+
+```bash
+cd ~
+git clone https://gl.isitsoft.kr/publicproj/aio-01d4-stu.git
+cd ~/aio-01d4-stu && ls          # Last3Mon  Lecture 가 보이면 성공
+```
+
+- 이 문서와 앞으로의 안내에 나오는 폴더는 모두 `~/aio-01d4-stu` 기준입니다.
+- 앞으로 **매일 수업 전**에 `cd ~/aio-01d4-stu && git pull`로 새 자료를 받습니다.
+- 사용자 이름·비밀번호를 묻는다면 주소 오타입니다. 주소를 다시 확인하세요. `git: command not found`가 나오면 `sudo apt update && sudo apt install -y git` 후 다시 실행합니다.
+- WSL이 아직 준비되지 않았다면 안내서 1절(WSL 확인)을 먼저 한 뒤 이 명령을 실행합니다.
+
 ## 1. 실습 환경 준비 (전날 필수, 약 40분)
 
-오늘 실습은 Windows 11 노트북의 **WSL(Ubuntu)** 에서 진행합니다. LLM은 과정에서 받은 키로 **OpenAI API**(`gpt-4.1-mini`)를 쓰고, 키·인터넷에 문제가 있으면 노트북에서 직접 실행하는 **Ollama**(`gemma3:4b`)가 대신 답합니다. 이 구성은 65일차 이후에도 그대로 씁니다.
+오늘 실습은 Windows 11 노트북의 **WSL(Ubuntu)** 에서 진행합니다. LLM은 과정에서 받은 키로 **OpenAI API**(`gpt-4.1-mini`)를 씁니다. 이 구성은 65일차 이후에도 그대로 씁니다.
+
+**Ollama는 대체용입니다.** OpenAI API 키가 작동하지 않을 때(키 오류, 사용 한도 초과, 인터넷 끊김)만 노트북에서 직접 실행하는 Ollama(`gemma3:4b`)가 대신 답합니다. 평소 실습에는 쓰지 않지만, 수업 중에 키가 막히면 바로 넘어갈 수 있도록 **전날 미리 준비해 둡니다**.
+
+```mermaid
+flowchart LR
+  W["워크플로우의 LLM 노드"] -->|"기본"| O["OpenAI API<br/>gpt-4.1-mini"]
+  W -.->|"키가 작동하지 않을 때만"| L["Ollama (노트북)<br/>gemma3:4b / gemma3:1b"]
+```
 
 자세한 순서는 **[사전 준비 안내 (SETUP-WSL-LLM)](../../Last3Mon/64/SETUP-WSL-LLM.md)** 를 따라 하세요. 할 일만 요약하면 다음과 같습니다.
 
 | 순서 | 할 일 | 시간 |
 | --- | --- | --- |
 | 1 | WSL(Ubuntu) 동작 확인 | 5분 |
-| 2 | uv 설치, 수업 자료 받기 (WSL 홈 `~` 아래) | 10분 |
+| 2 | uv 설치 (수업 저장소는 0절에서 이미 받음) | 10분 |
 | 3 | `Last3Mon/.env`에 OpenAI API 키 넣기 | 3분 |
 | 4 | 노트북 메모리 확인 → 대체 모델 결정 (8GB: `gemma3:1b`, 16GB 이상: `gemma3:4b`) | 2분 |
-| 5 | Ollama 설치와 모델 다운로드 (대체용) | 10~20분 |
+| 5 | (대체용) Ollama가 이미 있는지 확인 → 없을 때만 설치와 모델 다운로드 | 1분 / 10~20분 |
 | 6 | 연결 확인 (OpenAI, 대체 Ollama) | 5분 |
 
-> Ollama 모델 파일이 1~3GB라서 수업 중에 여러 명이 동시에 받으면 강의실 네트워크가 매우 느려집니다. **다운로드는 꼭 집에서 미리** 해 주세요.
+### 5단계 전에: Ollama를 이미 쓸 수 있는지 먼저 확인
+
+8~9월 Ollama 실습에서 이미 설치해 둔 분이 많습니다. 새로 설치하기 전에 WSL 터미널에서 아래 명령으로 확인합니다.
+
+```bash
+ollama --version     # 버전이 나오면 Ollama 설치됨
+ollama list          # gemma3:4b (8GB 노트북은 gemma3:1b)가 보이면 모델도 준비됨
+```
+
+| 결과 | 할 일 |
+| --- | --- |
+| 버전과 모델이 모두 보임 | 설치·다운로드를 건너뛰고 6단계(연결 확인)로 |
+| 버전은 나오지만 모델이 없음 | 모델만 받기: `ollama pull gemma3:4b` (8GB 노트북은 `gemma3:1b`) |
+| `command not found` | 안내서 5절대로 설치. 단, Windows나 Docker에 Ollama가 이미 있으면 안내서 7절을 먼저 확인 |
+| `ollama list`에서 연결 오류 | 다른 터미널에서 `ollama serve` 실행 후 다시 확인 |
+
+> 설치·다운로드가 필요한 경우, Ollama 모델 파일이 1~3GB라서 수업 중에 여러 명이 동시에 받으면 강의실 네트워크가 매우 느려집니다. **다운로드는 꼭 집에서 미리** 해 주세요.
 
 ## 2. 준비가 끝났는지 확인 (전날 필수, 5분)
 
 WSL 터미널에서 실습 폴더로 이동해 아래 두 명령을 실행합니다.
 
 ```bash
-cd ~/<수업 저장소>/Last3Mon/64/workflow-lab
+cd ~/aio-01d4-stu/Last3Mon/64/workflow-lab
 uv run pytest -q          # 18 passed, 1 skipped 가 나오면 성공
 uv run miniflow check     # Reply (openai, ...) 가 나오면 성공
 OPENAI_API_KEY=sk-wrong uv run miniflow check   # Reply (ollama, ...) 가 나오면 대체도 준비 완료
@@ -46,7 +86,7 @@ OPENAI_API_KEY=sk-wrong uv run miniflow check   # Reply (ollama, ...) 가 나오
 | 세 명령 모두 성공 | 준비 완료 |
 | `pytest`는 성공, 첫 `check`가 실패 | `.env`의 키 문제. 안내서 8절(문제 해결) 확인 |
 | 첫 `check`는 성공, 두 번째가 실패 | 대체용 Ollama 문제. 수업은 OpenAI로 할 수 있으니 1교시 전에 말씀해 주세요 |
-| 둘 다 실패 | uv 또는 저장소 위치 문제. 안내서 3절부터 다시 확인 |
+| 모두 실패 | uv 또는 저장소 위치 문제. 안내서 2절부터 다시 확인 |
 
 해결이 안 되면 수업 당일 1교시 전에 말씀해 주세요. 키를 아직 못 받았으면 `.env`의 `MINIFLOW_LLM=ollama`로, 둘 다 안 되면 `export MINIFLOW_LLM=mock`으로 Mock LLM을 써서 실습을 따라올 수 있습니다.
 
@@ -129,8 +169,10 @@ OPENAI_API_KEY=sk-wrong uv run miniflow check   # Reply (ollama, ...) 가 나오
 
 ## 확인
 
+- [ ] `git clone`으로 `~/aio-01d4-stu`를 받았다
 - [ ] `uv run pytest -q` → `18 passed, 1 skipped`
 - [ ] `uv run miniflow check` → `Reply (openai, ...)`
+- [ ] `ollama list`에 대체 모델(`gemma3:4b` 또는 `gemma3:1b`)이 보인다 (이미 있으면 새로 받지 않음)
 - [ ] `OPENAI_API_KEY=sk-wrong uv run miniflow check` → `Reply (ollama, ...)`
 - [ ] JSON 기초(3.1)를 읽었다
 - [ ] Lab 03에서 분석할 업무 후보를 하나 생각했다