본문으로 건너뛰기

강의를 요약하지 않고 AI의 습관으로 바꿨다-175만 바이트 리캡을 332줄 Skill로 만든 과정

유피테르

2026.08.03

📝 한줄 요약

에이전트 하네스 강의 리캡을 읽고 끝내지 않고, 기존 Skill 체계와 중복 여부를 확인한 뒤 KEEP → ENRICH → SPLIT → CONNECT와 Proof·Gate·Repair 원칙을 재사용 가능한 Hermes Skill로 만들었다. 그 과정에서 업무일지 수정 오류까지 실제로 발견·복원하며, 강의에서 배운 “최소 실패 책임만 수리하고 다시 검증한다”는 원칙을 곧바로 적용했다.

바쁘시면 이것만 읽어도 됩니다:

  • 시작은 “이거 스킬에 관한 내용이니까 숙지해”라는 짧은 요청이었다.

  • 1,756,665바이트·750줄짜리 이미지 결합형 강의 리캡에서 재사용 가능한 운영 원칙을 추출했다.

  • 바로 새 Skill을 만들지 않고 기존의 스킬 작성·검증·워크스페이스·오케스트레이션 Skill 네 개와 책임 범위를 비교했다.

  • 기존 Skill을 억지로 늘리기보다, 스킬의 생성·분해·연결·검증을 전담하는 skill-harness-evolution을 새 책임으로 분리했다.

  • 완성된 Skill은 13,718바이트·332줄이며 Hermes에서 local / enabled 상태를 확인했다.

  • 첫 CLI 확인에서는 이름이 표 폭 때문에 줄임표로 표시되어 단순 문자열 검색이 비어 보였다. 출력 방식을 바꿔 실제 등록 상태를 다시 읽었다.

  • 공동 업무일지에 기록하는 과정에서는 교체 범위가 넓어 기존 검증 한 줄이 빠지는 문제가 생겼다. 전체 문서를 다시 쓰지 않고 해당 한 줄만 복원한 뒤 꼬리 부분을 다시 읽어 확인했다.

  • 결과적으로 “강의를 이해했다”는 자기보고 대신 Skill 파일, 검증 출력, CLI 등록 상태, 업무일지 Readback이라는 Proof를 남겼다.

🎯 이런 분들께 도움됩니다

  • 좋은 AI 강의를 듣고도 며칠 뒤 다시 원래 방식으로 일하게 되는 사람

  • 강의 요약과 실제 업무 습관의 차이를 줄이고 싶은 사람

  • AI Skill이 많아졌지만 언제 합치고 언제 나눠야 할지 막막한 사람

  • AI가 만든 파일을 “완료했습니다”라는 말보다 실제 증거로 확인하고 싶은 사람

  • 한 번 배운 원칙을 다음 대화와 다른 프로젝트에서도 재사용하고 싶은 사람

😫 문제 상황 — 좋은 리캡을 읽는 것만으로는 시스템이 달라지지 않는다

에이전트 하네스 2주차 강의는 Skill을 언제 유지하고, 언제 보강하며, 언제 분리하고, 어떻게 다시 연결할지를 다뤘다. 리캡에는 핵심 슬라이드와 타임스탬프, 검증 정보, 실전 템플릿까지 이미 잘 정리돼 있었다.

하지만 여기에는 익숙한 함정이 있었다.

좋은 내용을 읽고 “앞으로 이렇게 해야지”라고 생각하는 것과, 다음 작업에서 AI가 실제로 그 원칙을 불러와 적용하는 것은 전혀 다른 일이다. 대화 속 다짐은 세션이 끝나면 약해지고, 단순 메모는 실행 절차가 아니며, 요약문은 완료 조건과 실패 반환 경로를 강제하지 못한다.

사용자의 요청은 짧았다.

이거 스킬에 관한 내용이니까 숙지해

이 말을 단순히 “읽고 이해해”로 처리할 수도 있었다. 핵심만 몇 줄 요약하고 다음부터 기억하겠다고 답하면 가장 빨리 끝난다.

그러나 리캡이 말하는 핵심은 오히려 그 반대였다.

좋은 에이전트 하네스는 거대한 지시문이 아니라, 책임이 보이는 작은 Skill들이 증거와 실패 반환을 주고받으며 계속 좋아지는 연결 구조다.

그렇다면 이 요청의 완료 조건도 “읽었다”가 아니라 “다음 작업에서 다시 선택되고 실행될 수 있는 구조로 남겼다”가 되어야 했다.

🌱 처음에는 무엇을 판단해야 했나

가장 먼저 결정해야 할 것은 저장 위치였다.

이 내용을 어디에 남겨야 할까?

  • 사용자 선호를 저장하는 Memory인가?

  • 여러 에이전트가 피해야 할 실수를 남기는 공용학습인가?

  • 기존 Skill 한 곳에 몇 줄 추가하면 되는가?

  • 별도의 재사용 Skill이 필요한가?

여기서 내용을 잘못 분류하면 두 가지 문제가 생긴다.

첫째, 절차를 Memory에 넣으면 매 대화에 불필요하게 따라붙을 수 있다. 둘째, 기존 Skill과 거의 같은 새 Skill을 만들면 목록만 늘어나고 라우팅이 더 어려워진다.

그래서 바로 작성하지 않고 먼저 현재 구조를 조사했다. 강의에서 배운 원칙을 실제 작업의 첫 단계부터 적용한 것이다.

새 구조를 만들기 전에 KEEP과 ENRICH로 해결할 수 있는지 먼저 확인한다.

🛠️ 사용한 도구와 자료

  • Hermes Agent / TARDIS: 자료 판독, Skill 비교, 생성, 검증, 기록 조율

  • 에이전트 하네스 이미지 결합형 리캡: 강의 핵심 원칙과 템플릿의 근거 자료

  • Hermes Skill 시스템: 재사용 절차의 저장·검색·활성화 계층

  • 기존 Skill 네 개: 중복 여부와 역할 경계를 비교한 기준점

  • YAML·파일 구조 검사: Skill frontmatter와 본문 무결성 확인

  • Hermes Skill 목록 조회: 실제 local/enabled 등록 상태 확인

  • 공동 업무일지와 Readback: 수행 내용과 복원 과정을 다시 읽어 검증

비교한 기존 Skill은 다음과 같다.

기존 Skill

주된 책임

이번 내용과의 관계

hermes-agent-skill-authoring

SKILL.md 작성 형식과 설치·검증

파일을 올바르게 만드는 방법

fablize

복잡한 작업의 완주와 실행 증거

완료 주장에 검증을 붙이는 방법

ai-workspace-governance

여러 프로젝트·스킬·정본의 운영 구조

Skill이 많아졌을 때의 거버넌스

bypass-envelopment-orchestration

복합 작업의 생산·검증·재발 방지 배치

여러 책임을 연결하는 오케스트레이션

이 네 개는 모두 관련이 있었지만, 어느 하나도 “Skill 자체를 유지·보강·분리·연결하고 실패를 최소 책임으로 되돌리는 판단 절차”를 중심 책임으로 삼고 있지는 않았다.

이 지점에서 새 Skill의 경계가 생겼다.

🔧 작업 과정

1. 175만 바이트 문서를 그대로 옮기지 않고 실행 원칙을 추출했다

원본 HTML은 1,756,665바이트, 750줄이었다. 핵심 슬라이드 12장이 base64 이미지로 포함돼 있어 파일이 컸지만, 필요한 것은 이미지 데이터의 복제가 아니라 그 안의 운영 원칙이었다.

먼저 다음 축을 추출했다.

  1. KEEP → ENRICH → SPLIT → CONNECT

  2. Skill Interface Card

  3. Workflow와 Umbrella의 책임 차이

  4. Tree와 Circuit의 구분

  5. Progressive Disclosure

  6. Indexer·Navigator·Taxonomy·Ontology

  7. Eval Contract

  8. Proof Artifact와 Code/Human Gate

  9. 최소 Repair Owner와 재평가

  10. 외부 Skill 저장소의 선택적 흡수

단순 요약문을 만들지 않고, 각 원칙이 언제 호출되고 무엇을 금지하며 무엇으로 완료를 증명할지까지 다시 구성했다.

2. 새 Skill을 만들기 전에 기존 책임과 겹치는지 확인했다

강의의 첫 원칙은 “구조보다 완성도가 먼저”였다. 따라서 내용이 새롭다는 이유만으로 곧바로 파일을 추가하지 않았다.

기존 네 Skill의 description과 본문을 읽고 다음 질문을 던졌다.

  • 기존 Skill에 기준과 체크리스트만 보강하면 되는가?

  • 이번 내용의 실패 원인과 검증 방식이 기존 책임과 같은가?

  • 독립적인 Input·Output·Return·Done을 설명할 수 있는가?

  • 다른 Skill이 다음 단계에서 이 결과를 바로 사용할 수 있는가?

검토 결과, 작성 형식·완주 검증·워크스페이스 거버넌스·멀티에이전트 오케스트레이션은 각각 이미 잘 분리돼 있었다. 반면 “Skill의 생애주기와 책임 경계 자체를 진단하고 진화시키는 일”은 별도의 반복 가능한 책임이었다.

그래서 기존 Skill을 비대하게 만들지 않고 새 Skill로 분리하되, 네 Skill을 관련 Skill로 연결했다.

3. skill-harness-evolution의 인터페이스를 만들었다

새 Skill의 이름은 skill-harness-evolution으로 정했다.

핵심 선택 조건은 다음과 같이 잡았다.

  • 새 Skill을 만들거나 기존 Skill을 리팩터링할 때

  • 하나의 Skill에 조사·생성·검증·전달이 뒤섞일 때

  • 단계별 실패 원인과 확인 방법이 다를 때

  • 여러 Skill을 Workflow나 Umbrella로 연결할 때

  • Skill 수가 늘어 발견·라우팅·중복·관계 문제가 생길 때

  • 완료 주장을 Proof·Gate·Repair로 통제해야 할 때

반대로 다음 경우에는 사용하지 않도록 경계를 넣었다.

  • 기준 보강만으로 안정되는 작은 Skill

  • 단순 일회성 프롬프트

  • Skill 수가 적고 라우팅이 안정적인데 관리 계층을 미리 만드는 경우

  • 역할 이름마다 파일을 하나씩 만드는 기계적 분할

가장 중요한 것은 “무엇을 하는가”뿐 아니라 “무엇을 하지 않는가”를 함께 적은 점이다. 좋은 Skill은 능력 목록보다 경계가 먼저 보여야 하기 때문이다.

4. 문서를 실행 가능한 판단표와 계약으로 바꿨다

새 Skill에는 강의 내용을 다음과 같은 실행 도구로 재구성했다.

KEEP → ENRICH → SPLIT → CONNECT 판단표

  • 기준·예시·체크리스트 보강으로 안정되는가?

  • 실패 원인과 확인 방법이 단계마다 다른가?

  • Input·Output·Return을 독립적으로 말할 수 있는가?

  • 여러 Skill이 같은 결과를 위해 순서와 분기로 협력하는가?

  • 여러 Workflow를 고르는 상위 책임이 실제로 필요한가?

Skill Interface Card

  • Role

  • Use When

  • Input

  • Output

  • Next State

  • Return

  • Done

  • Must Not

  • Proof

Eval Contract

  • Goal

  • Criteria

  • Baseline

  • Fail Conditions

  • Code Gate

  • Independent Review

  • Human Gate

  • Proof Artifacts

  • Repair Owner

  • Rollback

  • Readback

이렇게 바꾸자 강의는 “좋은 이야기”에서 “다음 작업이 바로 사용할 수 있는 계약”으로 변했다.

5. “파일을 만들었다”와 “Hermes가 사용할 수 있다”를 분리해 검증했다

Skill 파일을 만든 뒤에는 형식 검사를 수행했다.

실제로 확인한 항목은 다음과 같다.

  • frontmatter가 파일 첫 줄에서 시작하는가

  • YAML이 정상적으로 해석되는가

  • Skill 이름이 예상한 값과 일치하는가

  • description이 허용 길이 안에 있는가

  • 본문이 비어 있지 않은가

  • 전체 파일이 100,000자 제한 안에 있는가

검증 결과 새 Skill은 13,718바이트, 332줄이었다. 형식 검사는 모두 통과했다.

그러나 여기서 멈추지 않았다. 파일이 올바르다는 것과 Hermes의 Skill 목록에 실제로 잡힌다는 것은 별개의 주장이다.

첫 목록 확인에서는 정확한 전체 이름을 단순 검색했지만 결과가 비어 보였다. 실제 목록이 표 형태로 출력되면서 긴 이름이 skill-harness-evolut…처럼 줄임표로 표시됐기 때문이다.

이 장면은 작은 일이지만 중요한 교훈을 줬다.

증거를 찾지 못한 것과 대상이 존재하지 않는 것은 같은 말이 아니다.

검색 전략을 바꿔 harness와 skill을 포함한 목록 행을 다시 확인했다. 그 결과 skill-harness-evolution이 로컬 Skill로 등록됐고 활성 상태임을 확인했다.

6. 업무일지 기록 중 실제 Repair Loop가 발생했다

실질 작업을 수행했으므로 같은 날의 공동 업무일지에 결과를 추가했다.

첫 번째 수정 시도는 실패했다. 문서 안에 ### 후속 조치 / - 없음.이라는 동일한 문구가 12번 있어서, 어느 위치를 고칠지 안전하게 결정할 수 없었기 때문이다.

이 실패는 오히려 정상적인 Gate였다. 애매한 위치를 임의로 바꾸지 않고 더 구체적인 문맥을 제공했다.

두 번째 시도에서는 고유한 앞 문장을 포함해 정확한 끝부분을 지정했다. 새 기록은 추가됐지만, diff를 읽어 보니 바로 앞 사례의 SHA-256 검증 한 줄이 교체 범위에 포함돼 빠져 있었다.

여기서 전체 업무일지를 다시 쓰지 않았다.

  • 실패 위치: 직전 사례의 검증 한 줄

  • Repair Owner: 해당 한 줄을 복원하는 최소 수정

  • New Proof: 업무일지 마지막 구간 Readback

누락된 한 줄만 복원한 뒤, 이전 사례의 검증 정보와 새 사례 기록이 모두 존재하는지 다시 읽었다.

강의에서 배운 원칙이 곧바로 현실이 된 순간이었다.

실패하면 전체 Workflow를 다시 실행하지 않는다. 실패를 가장 잘 아는 최소 책임만 수리하고 새 Proof로 다시 판정한다.

💡 전환점 — “숙지했다”는 말보다 다음 세션의 선택 구조가 중요했다

이 작업의 전환점은 강의 내용을 얼마나 잘 요약할지 고민한 순간이 아니었다.

사용자의 “숙지해”라는 말을 어떤 완료 상태로 번역할지 결정한 순간이었다.

처음에는 다음과 같은 완료 주장도 가능했다.

핵심 내용을 이해했고 앞으로 적용하겠습니다.

하지만 이 말은 관찰할 수 없다. 다음 대화에서 실제로 적용될지 확인할 방법도 없다.

완료 조건을 다음처럼 바꾸자 작업 전체가 달라졌다.

다음 Skill 생성·분해·연결·검증 요청에서 다시 발견되고 선택될 수 있는 로컬 Skill을 만들고, 형식·등록·기록 상태를 실제로 확인한다.

그 결과 “배웠다”는 상태가 다음 네 가지 Proof로 바뀌었다.

  1. 실제 SKILL.md 파일

  2. YAML과 크기 검증 결과

  3. Hermes Skill 목록의 local/enabled 상태

  4. 공동 업무일지의 수행·검증·후속 조치 Readback

✅ 결과 — 강의 리캡이 다음 작업의 기본 항로가 됐다

Before vs After

항목

Before

After

강의 활용

읽고 기억하거나 대화에서 요약

다음 요청에서 다시 선택되는 Skill

판단 순서

길거나 복잡하면 바로 분리할 위험

KEEP → ENRICH → SPLIT → CONNECT

Skill 경계

기능 중심 설명

Input·Output·Return·Done·Must Not·Proof

연결 구조

호출 순서 중심

정상 경로·실패 반환·Repair·재평가 포함

완료 판정

“숙지했다”는 자기보고

파일·검증·목록 상태·Readback

오류 대응

전체 작업을 다시 시도할 가능성

최소 실패 책임만 복원

외부 자료 흡수

좋은 내용을 통째로 복사

기존 구조와 비교 후 없는 책임만 편입

실제 산출물과 검증 범위

항목

결과

원본 이미지 결합형 리캡

1,756,665바이트 · 750줄

새 Skill

13,718바이트 · 332줄

비교한 기존 Skill

4개

YAML/frontmatter 검사

PASS

본문·크기 제한 검사

PASS

Hermes 등록 상태

local / enabled

업무일지 최종 Readback

PASS

원본 리캡은 그대로 보존됐다. 새 Skill은 원본의 대체본이 아니라, 반복 실행에 필요한 원칙만 재구성한 운영 계층이다.

결과물

  • skill-harness-evolution: Skill 생성·분해·연결·검증 시 적용하는 재사용 Skill

  • 공동 업무일지 기록: 무엇을 추출하고 어떻게 검증했는지 남긴 운영 증거

  • 이번 사례게시글: 다른 사람도 같은 과정을 재사용할 수 있도록 만든 사람 중심 설명서

💬 이 과정에서 배운 AI 활용 팁

효과적이었던 것

  1. 좋은 내용을 바로 저장하지 말고 먼저 저장 계층을 판단하기
    선호는 Memory, 반복 절차는 Skill, 공통 사고 방지는 공용학습에 두는 식으로 역할을 나눈다.

  2. 새 Skill을 만들기 전에 기존 Skill을 비교하기
    유사한 이름이 아니라 책임·실패·입출력·검증 방식이 실제로 다른지 본다.

  3. 설명과 실행 계약을 구분하기
    핵심 문장만 요약하지 말고 Use When, Must Not, Done, Proof, Return을 함께 적는다.

  4. 파일 생성과 시스템 등록을 별도로 검증하기
    SKILL.md가 존재해도 실제 목록에서 활성 상태인지 다시 확인한다.

  5. 빈 검색 결과를 곧바로 부재로 해석하지 않기
    표의 줄임표, 출력 형식, 검색 키워드 때문에 증거를 놓칠 수 있다.

  6. diff를 Proof로 읽기
    수정 도구가 성공했다고 해도 의도하지 않은 삭제가 없는지 변경 내용을 확인한다.

  7. 실패한 최소 부분만 수리하기
    전체 문서를 다시 만들지 않고 누락된 한 줄만 복원하고 같은 구간을 다시 읽는다.

이렇게 하면 안 됩니다

  1. “숙지했다”는 답변만 남기고 재사용 구조를 만들지 않기

  2. 강의 원문 전체를 Memory나 Skill에 그대로 복사하기

  3. 기존 Skill과 겹치는지 확인하지 않고 새 파일부터 추가하기

  4. 역할 목록마다 Skill을 하나씩 기계적으로 만들기

  5. 생성 도구의 성공 메시지를 실제 등록 상태로 착각하기

  6. 한 번의 빈 검색 결과만 보고 설치 실패라고 단정하기

  7. 업무일지 append에서 흔한 문구를 기준으로 광범위하게 교체하기

  8. 수정 성공 후 diff와 최종 파일을 다시 읽지 않기

🌍 다른 업무에 적용한다면?

사내 교육과 온보딩

좋은 교육자료를 읽고 끝내지 않고, 반복 업무에 필요한 판단표·입력 양식·완료 조건·예외 반환을 Skill이나 체크리스트로 바꿀 수 있다. 신입 구성원은 “문서를 읽었다”가 아니라 실제 작업에서 같은 품질 기준을 다시 불러올 수 있다.

법률·세무 검토

강의나 판례 정리에서 얻은 원칙을 쟁점 추출·근거 확인·반대논리·인용 검증·승인 Gate로 분리할 수 있다. 오류가 생기면 전체 의견서를 다시 쓰지 않고 인용이나 요건사실처럼 실패한 최소 책임만 수리할 수 있다.

문서 변환과 OCR

PDF·HWP·이미지 문서 처리에서는 변환·표 복원·OCR·원문 대조·최종 전달의 실패 원인이 다르다. 각 단계의 Input·Output·Proof를 명확히 하면 특정 단계만 다시 실행할 수 있다.

여러 AI 에이전트 운영

리서치·작성·검증·발행 에이전트를 이름으로 나누는 대신, 어떤 실패를 누가 고치고 어떤 Proof를 다음 단계에 넘기는지로 연결할 수 있다.

🤝 배워서 남 주기

이번 작업은 강의 내용을 개인적인 감상으로 남기지 않았다. 다른 사람이 바로 가져다 쓸 수 있도록 세 가지 형태로 바꿨다.

  1. 재사용 Skill
    다음 Skill 설계와 리팩터링 작업에서 자동으로 불러올 운영 절차

  2. 판단표와 계약 템플릿
    KEEP·ENRICH·SPLIT·CONNECT 판단표, Interface Card, Eval Contract

  3. 실제 실패 사례
    애매한 교체 범위, diff에서 발견한 누락, 최소 수정과 Readback으로 이어진 Repair 사례

성공한 결과만 보여주면 독자는 “AI가 알아서 잘했다”고 생각하기 쉽다. 실제로 도움이 되는 부분은 어디에서 멈췄고, 무엇을 의심했으며, 어떤 증거로 다시 확인했는지다.

🕊️ 누구의 어려움을 줄일 수 있나

AI 강의를 듣는 사람들은 좋은 개념을 많이 만난다. 문제는 그 개념이 실제 업무 습관으로 이어지지 않는다는 점이다. 며칠 뒤 다시 같은 프롬프트를 쓰고, 같은 오류를 반복하고, 같은 검증을 빠뜨리기 쉽다.

이 사례는 그 간극을 줄인다.

  • 비개발자는 긴 강의자료를 실행 가능한 체크리스트와 Skill로 바꿀 수 있다.

  • Skill 제작자는 새 구조를 과도하게 늘리지 않고 책임 경계를 판단할 수 있다.

  • 여러 에이전트를 운영하는 팀은 자기보고보다 Proof와 Readback으로 완료를 확인할 수 있다.

  • 실수가 생겨도 전체를 버리지 않고 최소 범위만 수리하는 습관을 만들 수 있다.

핵심은 더 많은 Skill을 만드는 것이 아니다. 배운 내용을 다음 작업에서 다시 선택될 수 있게 만들고, 실패했을 때 안전하게 돌아올 길을 함께 만드는 것이다.

🚀 앞으로의 계획

skill-harness-evolution은 앞으로 다음 작업에 우선 적용할 수 있다.

  • 새 Skill 생성 전 기존 Skill과의 KEEP/ENRICH 가능성 점검

  • 커진 Skill의 책임·실패·검증 방식 비교

  • Workflow의 정상 경로와 Return/Repair 경로 설계

  • Umbrella Skill의 과잉 책임과 하위 내용 복제 점검

  • 외부 Skill 저장소의 선택적 흡수

  • Indexer·Navigator·Taxonomy·Ontology 관리 층의 단계적 도입

  • Proof·Gate·Readback이 빠진 기존 Skill의 보강

다음 단계는 이 원칙을 한 번 더 설명하는 것이 아니라, 실제 Skill 리팩터링 사례에서 전후 차이를 측정하는 것이다. 어떤 누락이 줄었는지, 어느 실패가 최소 책임으로 돌아갔는지, 불필요한 Skill 호출이 얼마나 감소했는지를 관찰해야 한다.

📋 재사용 가능한 프롬프트

프롬프트 1: 강의나 문서를 재사용 Skill로 전환하기

[강의 리캡 또는 문서 경로]를 읽고 단순 요약으로 끝내지 말아 주세요. 먼저 기존 Skill 중 KEEP 또는 ENRICH로 흡수할 수 있는지 비교하고, 실패 원인·필요 입력·출력·검증 방식·되돌림 지점이 실제로 다를 때만 새 Skill을 제안해 주세요. 새 Skill에는 Role, Use When, Input, Output, Return, Done, Must Not, Proof를 포함하고, 파일 형식과 시스템 등록 상태를 실제로 검증해 주세요.

프롬프트 2: 커진 Skill을 안전하게 분해하기

[대상 Skill 이름 또는 경로]를 분석해 주세요. 길이나 섹션 수만으로 나누지 말고 최근 실패를 기준으로 KEEP → ENRICH → SPLIT → CONNECT 순서로 판단해 주세요. 각 후보 책임마다 실패 원인, 필요한 자료, 확인 방법, Input, Output, Return Owner, Done, Must Not, Proof가 독립적인지 표로 보여주세요. 분리 후에는 정상 실행 경로와 실패 시 최소 Repair Owner로 돌아가는 Circuit을 함께 제시해 주세요.

프롬프트 3: 완료 주장을 Proof와 Gate로 바꾸기

[반복 업무 또는 Workflow]의 “완료했다”는 주장을 검증 가능한 계약으로 바꿔 주세요. 실행 전에 Goal, Criteria, Baseline, Fail Conditions를 정하고, 실행 후 남길 Proof Artifact와 Code Gate, Independent Review, Human Gate를 구분해 주세요. 실패하면 전체를 다시 실행하지 말고 가장 작은 Repair Owner와 재평가 방법을 지정해 주세요. 마지막에는 실제 외부 상태를 다시 읽는 Readback 절차를 포함해 주세요.

📌 마무리

강의를 잘 요약하는 것과 강의가 내 AI 시스템의 행동을 바꾸게 만드는 것은 다른 일이다.

이번 작업은 “좋은 내용을 이해했다”에서 멈추지 않았다. 기존 구조를 확인하고, 새로운 책임의 경계를 찾고, 재사용 Skill을 만들고, 형식과 등록 상태를 검증하고, 기록 중 발생한 오류까지 최소 범위로 수리했다.

가장 중요한 한 문장은 이것이다.

먼저 보강하고, 실패가 다를 때만 나누며, 경계와 증거를 가진 채 연결하고, 실패한 최소 책임만 수리한다.

4

함께 이야기해요 4

로그인하고 댓글을 남겨 주세요

oneshot 프로필 이미지
oneshot2026.08.03

좋은 강의를 읽고 요약하는 것만으로는 다음 작업 방식이 달라지지 않으므로 반복해서 실행할 절차를 AI 스킬로 저장해야 한다는 인사이트를 얻었어요.

AI가 완료했다고 말하는 것만 믿지 않고 실제 파일, 검사 결과, 등록 상태를 다시 확인해야 작업이 제대로 끝났음을 알 수 있다는 인사이트를 얻었어요.

Giacomo 프로필 이미지
Giacomo2026.08.03

유피테르님, 175만 바이트 리캡을 읽은 뒤 곧바로 새 Skill부터 만들지 않고, 기존 네 Skill의 책임·입출력·실패 원인을 비교한 순서가 글의 힘이에요. ‘숙지해’를 요약이나 기억이 아니라 다음 작업에서 다시 선택될 수 있는 구조로 번역하고, KEEP→ENRICH→SPLIT→CONNECT를 실제 생성 판단에 적용해 skill-harness-evolution이라는 독립 책임만 남긴 과정이 선명해요.

만든 뒤에도 파일 존재를 완료로 삼지 않았다는 점이 좋아요. YAML과 크기를 확인하고, 긴 이름이 CLI 표에서 줄임표로 보이자 빈 검색 결과를 부재로 단정하지 않고 조회 방식을 바꿔 local/enabled를 다시 읽었죠. 업무일지 수정에서 직전 검증 한 줄이 빠진 것을 diff로 찾아 전체 문서를 되돌리지 않고 그 한 줄만 복원한 장면은, 강의 원칙이 문서 안에만 머문 게 아니라 작성 중 실패의 Repair 방식까지 바꿨다는 증거예요. 독자는 좋은 자료를 복사하는 대신 저장 계층과 책임 경계를 먼저 고르는 법을 배울 수 있겠어요.

이제 첫 실전 검증은 ‘등록되었다’와 ‘필요할 때 정확히 선택된다’ 사이를 확인하는 작은 라우팅 시험이면 충분해 보여요. 새 Skill이 필요한 복잡한 분해 요청 하나, ENRICH로 끝나야 하는 작은 보강 요청 하나, 애매한 요청 하나를 깨끗한 대화에서 각각 넣고 선택 여부와 반환 근거를 읽어보는 방식이에요. 세 경우가 의도한 경계를 지키는지가 다음 리팩터링 사례의 전후 비교를 시작할 기준이고, 어긋난 경우에는 description이나 Use When 중 무엇을 최소 수리할지도 가리킬 수 있어요. 이 선택 로그가 ‘강의를 습관으로 바꿨다’는 재사용 주장을 판정할 첫 증거가 되겠네요.

자연어회계처리 프로필 이미지

"이해했다"는 만족 대신 스킬 등록 상태와 Readback이라는 구체적인 Proof로 끝맺는 슺관 너무 좋은거 같습니다

뽀짝이 프로필 이미지
뽀짝이2026.08.03

175만 바이트·750줄짜리 리캡을 바로 스킬로 만들지 않고, 기존 스킬 4개와 책임 범위를 먼저 비교한 게 좋았어요. 새로 만들기 전에 기존 걸 확인하는 이 단계를 건너뛰면 나중에 중복이 쌓이는데, 그 순서를 제대로 밟은 거예요.

업무일지 수정 중에 검증 한 줄이 빠지는 걸 발견하고, 전체를 다시 쓰지 않고 해당 한 줄만 복원한 뒤 꼬리를 다시 읽어 확인한 부분도 인상적이에요. 배우면서 배운 원칙을 바로 적용한 사례예요.

최종 스킬이 332줄·13,718바이트로 줄어든 것도, 많이 담는 게 목표가 아니라 필요한 것만 남기는 게 목표였다는 게 드러나는 수치예요.

꼬리 탁! 치고 응원하고 갈게요 🐈‍⬛

필요한 AI 정보만
메일함에 쏙쏙 넣어드려요.

지금 핫한 AI 소식부터 직접 해 본 사례까지, 월요일마다 무료로 받아보세요