"동료를 증류하면 일하는 방식이 남고, 거장을 증류하면 생각하는 방식이 남는다." — 멍거·파인만·머스크·나발의 인지 운영체제를 추출해서 Claude Code에 꽂아 쓰는 메타 스킬을 뜯어본다.
"Skill을 만드는 Skill"이라는 표현부터 풀어보기.
nuwa-skill은 "사람 이름 하나를 던지면, 그 사람의 사고방식을 흉내 내는 Claude Code 스킬을 자동으로 만들어 주는 스킬"이다. 메타 레벨이 한 층 올라가 있어서 처음 보면 어지러운데, 풀어쓰면 이렇다.
예를 들어 사용자가 Claude Code에 蒸馏一个查理芒格 ("찰리 멍거를 증류해 줘") 라고 입력한다. 그러면 nuwa-skill이 발동하면서 — 1) 멍거의 책·인터뷰·결정 사례를 6갈래로 동시에 조사하고, 2) 반복되는 사고 패턴을 추출해서, 3) 다른 사람이 그 사람의 시각으로 답변하게 만드는 멍거-perspective.skill 파일을 디스크에 저장한다. 그 다음부터 사용자는 평범한 Claude에게 用查理芒格的视角分析这个投资 ("멍거의 시각으로 이 투자를 분석해 줘") 라고 부탁하면, 멍거의 멘탈 모델로 답이 돌아온다.
핵심 차별점은 "What they said(이 사람이 한 말)이 아니라 How they think(어떻게 생각하는가)를 추출한다"는 데 있다. 단순한 어록 봇이 아니라, 인지 운영체제(cognitive OS)를 옮겨 심는 도구라고 주장한다.
SKILL.md라는 마크다운 파일 하나에 "언제 발동되는지(트리거)", "무엇을 해야 하는지(워크플로우)", "참고할 자료(references)"를 적어두면 Claude가 사용자의 요청을 보고 알아서 그 스킬을 불러와 실행한다. 비유하자면 — 앱(app)이 컴퓨터의 능력이라면, 스킬은 AI의 능력이다. nuwa-skill은 그런 스킬 자체를 생성해 주는 "스킬 공장"이다.전체 글의 핵심 메시지.
nuwa-skill의 슬로건이다. 멍거·파인만·나발 같은 거장들은 책·강의·인터뷰로 증류 가능한 흔적을 어마어마하게 남겨 두었다. 그걸 6갈래로 긁어모아 사고 프레임만 뽑아내면, AI 어시스턴트가 "그 사람의 안경"을 쓰고 내 문제를 봐 줄 수 있다.
이건 캐릭터 봇이 아니다. "멍거의 어록을 외운 챗봇"이 아니라 "멍거의 인지 프레임을 실행하는 어시스턴트"를 만든다. 결과적으로 사용자가 얻는 건 동료보다 더 좋은 사고 코치 — 게다가 책 한 권 값이면 된다.
트렌딩 4위를 찍은 맥락과 경쟁자 비교.
2026년 5월 기준 TrendShift에서 빠르게 올라온 이유는 두 가지로 정리된다.
첫째, 앞서 폭발한 colleague-skill(同事.skill)이라는 레포가 있다. "퇴사한 동료의 노하우를 SKILL.md로 증류해 두자"는 발상으로 며칠 만에 5천 스타를 모았다. 사람을 스킬로 증류할 수 있다는 게 증명되자, 자연스럽게 이런 질문이 따라붙었다 — "왜 굳이 동료를 증류해? 멍거·파인만·머스크는 이미 증류할 재료를 책장 한가득 남겨 뒀잖아". nuwa-skill은 그 질문에 정면으로 답한 레포다.
둘째, 2026년 들어 Anthropic의 Claude Skills 생태계가 한 단계 성숙했다. npx skills add 같은 표준 설치 명령, .claude/skills/ 디렉토리 규약, frontmatter 트리거 매칭 — 이런 인프라가 자리 잡으면서 "스킬을 만드는 스킬" 같은 메타 레벨 도구가 작동할 토양이 생겼다.
지금까지 "멍거처럼 답변해 줘"는 시스템 프롬프트 한 줄로 끝났다. 그 결과는? 멍거의 유명한 말 몇 개를 짜깁기한 흉내 내기에 그친다. 새로운 문제를 던지면 어록 데이터베이스에서 가까운 걸 검색해 붙여 넣고, 그게 정말 멍거의 사고 프레임에서 나온 답인지는 검증 불가능하다.
책·인터뷰·SNS·외부 평가·실제 결정·시간선을 6개 병렬 에이전트가 따로 따로 조사한 뒤, 한 관점이 멘탈 모델로 인정받으려면 (1) 두 개 이상의 영역에서 반복되고 (2) 새 문제로 외삽할 때 예측력이 있고 (3) 다른 똑똑한 사람들과 구별되는 독창성이 있어야 한다는 3중 검증을 통과해야 한다. 통과 못 한 건 의사결정 휴리스틱으로 강등되거나 버려진다.
대부분의 페르소나 챗봇은 모든 질문에 자신 있게 답해 버린다. 멍거가 한 번도 다뤄 본 적 없는 주제에 대해서도 자신감 있는 의견을 만들어 낸다. 이걸 그대로 의사결정에 갖다 쓰면 위험하다.
생성된 모든 perspective 스킬은 "이 스킬이 못 하는 것" 섹션을 반드시 포함한다. 예: "직관은 증류 못 한다 — 프레임은 추출되지만 영감은 안 됨", "조사 시점 이후의 변화는 반영 안 됨", "공개 발언과 실제 생각 사이의 갭은 알 수 없음". 한계를 안 알려주는 스킬은 신뢰할 수 없다는 게 작자의 입장이다.
같은 시기 트렌딩에 올라온 academic-research-skills(학술 연구용 Claude Skill 모음), andrej-karpathy-skills(특정 개발자 스타일 모방 스킬) 같은 레포들과 함께 보면 패턴이 보인다 — 2026년 상반기는 "Claude Skill을 생산하는 방법론"이 본격적으로 분화되는 시점이다. nuwa-skill은 그중 "인물형 스킬 생산 라인"을 가장 체계적으로 정리한 사례로 평가받는다.
코드 한 줄 없는 레포의 "스택"은 어떻게 그려야 하나.
nuwa-skill은 특이하게 전통적인 의미의 코드가 거의 없다. 파이썬 스크립트 몇 개를 빼면 본체는 전부 마크다운(.md). 그렇다면 "기술 스택"이라는 말이 좀 어색해지는데 — 이 레포에서 그 자리를 차지하는 건 프롬프트 엔지니어링 컨벤션과 에이전트 오케스트레이션 패턴이다.
Anthropic이 만든 CLI 코딩 에이전트. npx skills add alchaincyf/nuwa-skill 명령으로 nuwa-skill을 설치하면 .claude/skills/nuwa-skill/SKILL.md 경로에 떨어진다 (README 공식 설치 경로 기준. huashu-nuwa는 설치 디렉토리명이 아닌 SKILL.md 내부 frontmatter의 name 필드값이다). 사용자가 "蒸馏一个XX"이라고 입력하는 순간, Claude Code가 frontmatter의 트리거 단어와 매칭해서 이 SKILL.md를 컨텍스트에 로드한다.
Claude Code의 핵심 기능 중 하나. 메인 에이전트가 spawn subagent로 자식 에이전트를 새로 만들면, 그 자식은 별도의 컨텍스트 윈도우를 갖고 일한다. nuwa-skill은 이걸 6개 동시에 띄워서 6갈래 조사를 병렬로 돌린다. 메인 에이전트는 6개가 모두 결과를 다 쓸 때까지 기다렸다가 합친다.
Claude Code가 기본 제공하는 웹 도구. 책 검색은 LibGen/Z-Library, 영상 자막은 자체 제공 download_subtitles.sh 스크립트, 팟캐스트 transcript는 podcastnotes.org 같은 사이트. 검색 결과의 신뢰도를 등급화해서 1차 자료(본인 발언) > 2차 자료(타인 분석) > 추정 순서로 가중치를 매긴다.
레포의 scripts/ 폴더에 들어 있는 작은 파이썬/bash 스크립트들이다. SKILL.md가 호출해서 쓰는 외부 도구라고 보면 된다.
YouTube URL을 받아 자막을 SRT/VTT 형식으로 받아오는 bash 스크립트. 우선순위는 사람 자막 → 중국어 → 영어 → 자동 생성 순. 내부적으로 yt-dlp 같은 도구를 호출해서 영상을 받지 않고 자막만 추출한다.
SRT 자막을 깨끗한 텍스트(transcript)로 변환하는 파이썬 스크립트. 타임스탬프·일련번호·HTML 태그·중복 줄을 다 잘라낸다. 자막은 보통 한 줄에 시간 정보와 짧은 구절이 섞여 있어서 그대로는 분석에 못 쓰는데, 이걸 통과시키면 사람이 읽을 수 있는 평문 한 덩어리가 된다.
6개 서브에이전트가 각자 쓴 01-writings.md부터 06-timeline.md까지 스캔해서 출처 개수·1차 vs 2차 비율·핵심 발견을 표로 정리한다. Phase 1.5 체크포인트에서 "조사 품질이 충분한가?"를 사람에게 보여줄 때 사용.
완성된 SKILL.md를 검사하는 자동 평가 도구. (1) 멘탈 모델 3~7개인가 (2) 각 모델에 한계가 적혀 있는가 (3) 표현 DNA가 있는가 (4) 정직한 한계가 있는가 (5) 내적 긴장(가치관 충돌)이 있는가 (6) 1차 자료 비율이 50%를 넘는가 — 6가지 기준에 대해 자동으로 PASS/FAIL을 매긴다. 이걸 통과 못 하면 Phase 2로 되돌아가 재작업.
코드보다 더 중요할 수도 있는 게 "어디서 정보를 가져올 것인가"라는 정책이다. nuwa-skill은 이걸 명시적으로 적어 둔다.
36氪(36Kr), 极客公园(GeekPark), 晚点LatePost, 财新(Caixin), 第一财经, 虎嗅(Huxiu), 少数派(SSPai), 机器之心(JiQiZhiXin) 등 검증 가능한 매체. 인터뷰는 小宇宙 원본 팟캐스트와 B站 원본 영상(전재 채널 제외), 본인 微博·X 계정.
이 세 곳은 "무슨 일이 있어도 정보원으로 쓰지 않는다"고 못 박는다. 이유는 — 知乎은 글 베끼기가 만연해서 정보 변형률이 높고, 微信公众号는 닫힌 생태계라 출처 검증이 불가능하며 2차 전달이 대부분, 百度는 정보가 오래되고 신뢰도가 낮다. 서구 인물 조사 시에는 Twitter/X, YouTube, Podcast, Amazon 서평 등을 우선 사용.
Phase 0부터 5까지의 파이프라인을 한 번에 본다.
nuwa-skill의 SKILL.md는 사용자가 인물 이름을 던진 순간부터 완성된 perspective 스킬이 디스크에 떨어질 때까지의 전체 워크플로우를 정의한다. 단계는 Phase 0(입구 분기)부터 Phase 5(더블 에이전트 정제)까지 8단계.
이 흐름의 핵심 설계 철학은 "4번의 사람 확인 체크포인트(Phase 0A·1.5·2.5·4 종료)를 강제로 끼워 넣어, 쓰레기 인풋이 쓰레기 아웃풋이 되는 걸 일찍 차단한다"는 데 있다. 자동화 파이프라인이지만 사람을 빼지 않고 의도적으로 끼워 넣었다.
한 명의 에이전트가 6갈래 조사를 순차로 하면 토큰도 많이 들고 컨텍스트 윈도우도 터진다. 대신 각자 별도 컨텍스트를 가진 6개 자식 에이전트를 동시에 띄워서 각자 한 파일에 결과를 적게 만든다. 메인 에이전트는 6개 결과 파일만 모아 합친다. 토큰 효율과 속도 모두 이득.
모든 서브에이전트의 결과는 반드시 정해진 위치의 마크다운 파일에 기록해야 한다. 메모리에만 들고 있는 정보는 다음 단계로 못 넘어간다. 이렇게 강제하면 (1) 조사 과정이 투명하게 추적되고 (2) 나중에 재실행할 때 어디서 막혔는지 파악되고 (3) 사용자가 직접 열어 검증할 수 있다.
한 관점이 멘탈 모델 자격을 얻으려면 — (1) 跨域复现: 두 개 이상의 다른 영역에서 반복 등장, (2) 生成力: 새 문제에 대한 이 사람의 입장을 예측할 수 있음, (3) 排他性: 다른 똑똑한 사람들과 구별되는 독창성. 셋 다 통과 → 멘탈 모델, 한두 개만 통과 → 의사결정 휴리스틱으로 강등, 0개 → 폐기. 이 게이트가 "어록 짜깁기"와 "프레임 추출"의 경계를 만든다.
대부분의 페르소나 봇은 인물의 모순된 발언을 만나면 한쪽을 골라 일관성을 만들려 한다. nuwa-skill은 정반대로 — "모순은 인격의 핵심 특징이지 고쳐야 할 버그가 아니다". 시간성 모순(초기 vs 후기), 영역성 모순(일 vs 삶), 본질적 긴장(가치관 충돌) 세 가지를 구분해서 그대로 기록한다. 이게 인물에 깊이를 만든다.
완성된 perspective 스킬은 매번 질문을 받을 때마다 — (1) 사실이 필요한 질문인가, 순수 프레임 질문인가, 둘 다인가? 분류 → (2) 사실 필요하면 반드시 WebSearch로 진짜 정보부터 확보(인물의 멘탈 모델에 맞춘 검색 차원으로) → (3) 그제야 사실 + 프레임을 합쳐 답변. 페르소나가 학습 데이터에서 사실을 지어내는 흔한 실패를 막는다.
레포 자체의 구조 + 생성되는 perspective 스킬의 구조.
작성 시점(2026-05-21) 기준 2개 예시(naval·elon-musk)였으나 이후 빠르게 확장되었다. 하지만 들어있는 모든 파일은 의도적으로 자리잡혀 있다.
실제로 Claude가 로드해서 따라가는 메인 매뉴얼. 645줄의 마크다운으로 Phase 0~5 전체 + 본문 외 "특수 시나리오"(역사 인물, 본인 자신 증류, 정보 부족 인물 처리 등)까지 다 적혀 있다. 이게 메인 에이전트의 두뇌에 통째로 로드된다.
"멘탈 모델은 어떻게 식별하고, 표현 DNA는 어떻게 정량화하고, 모순은 어떻게 처리하는가" 같은 추출 방법론을 모은 참고 자료. SKILL.md 본문에서 Phase 2 진입 시 read_file로 불러 들인다. 본문에 다 적기엔 너무 길어서 분리해 둔 것 — 일종의 progressive disclosure(점진적 공개) 패턴.
nuwa-skill이 만들어 내는 perspective 스킬(자식)이 갖춰야 할 표준 구조. frontmatter, 역할 규칙, 신분 카드, 멘탈 모델, 휴리스틱, 표현 DNA, 시간선, 가치관, 지적 계보, 정직한 한계, 조사 출처 — 11개 필수 섹션의 빈 골격이 들어 있다. Phase 3에서 이 템플릿을 채우는 작업이 시작된다.
실제로 nuwa-skill을 돌려서 만든 두 가지 완성 사례. Naval Ravikant(투자가·기업가, "특정 지식 + 레버리지" 프레임으로 유명)와 일론 머스크 두 명의 perspective 스킬이 SKILL.md + references/research/01~06.md 풀세트로 들어있다. 이걸 그대로 가져다 쓸 수도 있고, 자기 perspective 스킬을 만들 때 참조용으로 볼 수도 있다.
nuwa-skill 본체가 자기복제하는 식물의 씨앗 같은 거라면, 이게 그 씨앗이 자라난 완전한 스킬 한 그루다. 폴더 전체를 통째로 다른 사람에게 줘도 그 사람의 Claude Code에서 즉시 동작한다 — 외부 의존이 없기 때문에. 이게 SKILL.md 본문에 못 박혀 있는 "Skill must be self-contained" 원칙이다.
코드 한 줄 없는데도 배울 게 많다.
nuwa-skill은 일반적인 의미의 "프레임워크 학습"이 아니라 "에이전트 작성법 학습" 케이스 스터디로 가치가 크다. 같은 방법론을 자기 도메인으로 옮겨 갈 수 있다.
흔히 "AI 프롬프트"라고 하면 한 문단짜리 명령을 떠올리는데, 스킬 정의는 실무자가 신입에게 일을 가르치는 매뉴얼처럼 써야 한다. Phase별로 나누고, 각 Phase의 입출력을 정의하고, 체크포인트를 끼우고, 실패 시 분기를 적는다. nuwa-skill의 SKILL.md는 그 패턴의 모범 예시다.
본문에 모든 걸 다 적으면 컨텍스트 윈도우만 잡아먹는다. 실행에 꼭 필요한 절차만 SKILL.md 본문에, 깊이 있는 방법론은 references/에 분리. Claude가 그 단계에 도달했을 때 read_file로 불러 들이게 한다. "필요할 때 펴 보는 부록"처럼 설계하라는 뜻.
자동화 파이프라인이라고 사람을 다 빼면 망한다. 비용이 큰 단계 직전에 의도적으로 "사용자 확인 체크포인트"를 끼워 넣어 잘못된 인풋이 비싸기 전에 잡는다. nuwa-skill은 4단계나 끼웠다. "전부 자동" 보다 "중간에 멈춰서 보여주고 OK 받고 다음으로" 가 결과적으로 더 빠르고 정확하다.
"6명을 동시에 일 시키면 빨라진다"는 단순한 이유로 병렬 에이전트를 쓰는 게 아니다. 진짜 이유는 각자가 별도 컨텍스트 윈도우를 갖기 때문에 — 메인 에이전트의 컨텍스트가 조사 내용으로 더럽혀지지 않고, 통합과 판단에만 집중할 수 있다. 큰 작업을 쪼개는 첫 기준은 "이 부분을 별도 컨텍스트로 격리해야 하나?" 이어야 한다.
Agentic Protocol 패턴 — 사실이 필요한 질문이면 무조건 WebSearch부터 돌리게 명시. 그러면서 검색 차원을 인물의 멘탈 모델에 맞춰 자동 추출한다. 멍거 스킬은 "해자·인센티브·역사 유사 사례" 검색, 파인만 스킬은 "기본 물리 제약·권위 주장의 논리 구멍·실험 데이터" 검색. 인물마다 다른 게 포인트. 이걸 응용하면 자기 도메인 스킬에도 적용 가능하다.
좋은 위스키는 좋은 보리에서 시작한다. 정보 추출도 마찬가지 — 1차 자료(본인이 직접 쓴 글)와 2차 자료(타인이 정리한 글)는 가중치를 다르게 줘야 한다. 2차 자료에 의존하면 그 정리자의 편향이 그대로 흡수된다.
그래서 nuwa-skill은 정보 출처를 사용자가 제공한 1차 자료 > 본인 저작 > 긴 인터뷰 > 결정 기록 > SNS > 타인 분석 > 2차 전달 순으로 매기고, 각 조사 파일에 출처와 신뢰도를 명기하도록 한다. 위스키 종류(블렌디드/싱글몰트)를 라벨에 적는 것과 같은 이치.
3중 검증(跨域·生成力·排他性)은 건물 준공 검사와 비슷하다. 한 검사만 통과해도 사람이 들어가 살 수는 있지만, 정말 안전하려면 구조·내화·방수 세 가지를 다 통과해야 한다. 한두 가지만 통과한 관점을 멘탈 모델로 인정하지 않는 엄격함이 결과물의 신뢰도를 만든다.
모순을 그대로 기록하는 원칙은 좋은 인터뷰어와 닮았다. 별 볼 일 없는 인터뷰어는 인터뷰이의 말을 일관성 있게 정리하려 한다. 좋은 인터뷰어는 모순된 부분을 그대로 둔다 — 그게 인물의 깊이를 드러내기 때문. nuwa-skill도 같은 태도로 인물을 다룬다.
실제로 돌리려면 무엇이 필요한가.
nuwa-skill은 "AI를 무겁게 돌리는 도구"가 아니라 "AI에게 일하는 법을 가르치는 매뉴얼"에 가깝다. 그래서 시스템 요구사항이 의외로 가볍다.
Anthropic의 Claude Code CLI. macOS/Linux/Windows 어디서나 동작. 별도 GPU나 고사양은 필요 없음 — 추론은 전부 Anthropic 서버에서. 로컬 컴퓨터는 그냥 명령을 보내고 결과를 받는 클라이언트 역할.
6개 병렬 서브에이전트가 각자 수만 토큰을 쓰면서 조사하고, 다시 합쳐서 SKILL.md를 만들고, 검증 단계에서 또 호출한다. 인물 한 명 증류에 보수적으로 입력 50만 토큰 + 출력 5만 토큰은 잡아야 한다. 시세 변동이 있지만 한 번 돌리는 데 몇 달러 수준 — 단가는 시기에 따라 다르니 최신 가격은 Anthropic 페이지에서 확인.
6갈래 조사 중 5갈래는 외부 정보를 가져와야 한다. Claude Code에 WebSearch/WebFetch 도구가 활성화돼 있어야 함. 사내망 등 외부 접근이 막힌 환경에선 작동하지 않거나, "본인 제공 1차 자료 모드"로만 돌릴 수 있다.
증류 대상의 책 PDF, 인터뷰 영상 자막, 본인 블로그 export 등이 있으면 품질이 크게 올라간다. SKILL.md에 "본인 제공 자료 모드"라는 분기가 따로 있어서, 자료를 넣어 주면 네트워크 검색을 줄이고 1차 자료를 우선 분석한다. 사용자 제공 자료가 가장 높은 가중치를 받는 정보원이라고 명시돼 있다.
scripts/download_subtitles.sh가 내부적으로 호출하는 도구. YouTube 자막 자동 다운로드용. 없어도 동작은 하지만 영상 데이터 수집이 수동이 된다.
난이도 ★(쉬움) ~ ★★★★★(연구과제) 5단계.
레포의 examples/naval-perspective/ 폴더를 자기 .claude/skills/로 복사하고, Claude Code에서 用Naval的视角分析这个决策("나발의 시각으로 이 결정을 분석해 줘") 같은 프롬프트를 시도. 어떤 식으로 답이 나오는지, 어디서 부족함을 느끼는지 관찰. 이미 완성된 스킬이라 비용 거의 0.
나발·머스크처럼 자료가 넘치는 사람 말고, 좋아하는 한국어/모국어 작가나 강연자를 골라 증류해 본다. SKILL.md의 "冷门人物 처리" 분기가 어떻게 작동하는지, "정보 부족" 표시가 정직하게 들어가는지 확인. 자료가 적을 때 nuwa-skill이 무리해서 그럴듯하게 만드는지, 솔직하게 한계를 적는지가 진짜 시험대.
현재 nuwa-skill은 "인물" 증류에 최적화돼 있다. 이걸 fork해서 "방법론 증류" 버전을 만들어 본다. 예: "TDD"라는 주제를 던지면 Kent Beck·Bob Martin·Sandi Metz의 발언을 종합해 한 권의 인지 OS를 만드는 식. SKILL.md의 "주제 Skill 변형 Phase" 섹션이 이미 가이드를 주고 있어서 출발점이 마련돼 있다.
현재 quality_check.py는 6개 기준만 본다. 이걸 확장해서 — (1) 멘탈 모델끼리 의미 중복 없는지 임베딩 유사도 검사, (2) 인용 출처가 실제로 존재하는 URL인지 자동 확인, (3) 표현 DNA 샘플이 ChatGPT 평균과 얼마나 다른지 정량 비교 같은 검사를 추가. 자기 Claude Skill 생산 라인에 갖다 쓸 수 있는 일반 도구가 된다.
SKILL.md의 "蒸馏用户自己(자기 자신 증류)" 분기를 활용. 자기 글·블로그·과거 결정 노트를 1차 자료로 넣어서 my-own-perspective.skill을 만들어 본다. 그 다음 새 문제에 대해 "내 평소 사고 프레임으로는 이 결정을 어떻게 보겠는가?" 를 물어본다. 자기 인지 편향과 사각지대를 외부에서 거울로 비추는 도구가 된다. SKILL.md도 "자기 인지 편향에 주의 — 주변 사람 평가도 같이 넣어라"고 경고함.
4주 코스 — 매주 명확한 산출물.
먼저 Anthropic의 Claude Skills 공식 문서를 읽는다. 그 다음 자기가 자주 하는 작은 작업 하나(예: "주간 회고 정리", "코드 리뷰 체크리스트 적용")를 골라 SKILL.md 한 장으로 적어 본다. frontmatter, 트리거 단어, 워크플로우, 체크포인트 개념을 손에 익히는 단계. 산출물 — 동작하는 단순 스킬 1개.
Claude Code의 subagent 개념을 학습. 한 작업을 여러 에이전트로 쪼개는 패턴을 시도 — 예: "코드 리뷰 시 보안·성능·가독성 3관점을 동시에 검토하는 스킬". 1주차에 만든 스킬을 멀티 에이전트 버전으로 업그레이드해 본다. 토큰 효율과 컨텍스트 격리의 장점을 직접 체감하는 단계. 산출물 — 병렬 처리하는 스킬 1개 + 토큰 사용량 비교 로그.
nuwa-skill의 quality_check.py를 모방해 자기 스킬의 출력 품질을 자동으로 채점하는 스크립트를 만든다. 평가 기준은 도메인에 따라 다르게 — 코드 리뷰 스킬이면 "체크 항목 누락 없음, 거짓 양성 비율 X% 이하" 같은 기준. 자동 평가가 있어야 비로소 스킬을 개선할 수 있다는 게 이 주차의 핵심 메시지. 산출물 — 자기 스킬용 품질 검사 스크립트.
nuwa-skill을 fork해서 자기가 진짜 필요한 perspective 스킬을 하나 완성한다. 가능하면 자료가 비교적 풍부한 인물부터 — 1차 자료를 직접 모아 본인 제공 자료 모드로 돌리면 비용도 덜 들고 품질도 높다. 만든 perspective 스킬로 일상의 실제 결정을 한 달 동안 분석해 보고, 어떤 인지 사각지대가 드러나는지 관찰. 산출물 — 일상에서 쓸 만한 perspective 스킬 1개 + 사용 로그.
이 글에 나온 용어 한 번에 정리.
레포·예시·관련 생태계.
npx skills add alchaincyf/nuwa-skillexamples/naval-perspective/, examples/elon-musk-perspective/.claude/skills/로 옮겨 한 주 동안 일상 결정에 써 본다. 어디까지 유용한지, 어디서 한계가 드러나는지 감을 잡는 게 먼저.