Context Engineering

token-budget-advisor는 답변 전에 응답의 깊이를 선택하도록 돕는 라우팅 스킬입니다. 워크플로 자동화와 채팅 흐름에서 길이, 상세 수준, 토큰 사용량을 제어할 때 사용하세요. 이 token-budget-advisor 가이드는 트리거 규칙, 사용하지 말아야 할 경우, 그리고 skills/token-budget-advisor에서 적용하는 방법을 다룹니다.

prompt-optimizer는 거친 프롬프트를 분석해 빠진 맥락을 찾아내고, 더 명확하게 바로 붙여 넣을 수 있는 프롬프트로 다시 써 주는 prompt-optimizer 스킬입니다. 프롬프트-optimizer 가이드 작업, 프롬프트 리뷰, 그리고 Prompt Writing용 prompt-optimizer에 특히 적합하며, Claude Code나 ECC 워크플로에 맞는 더 나은 구조가 필요할 때 유용합니다. 실제 하위 작업은 실행하지 않습니다.

context-budget 스킬은 Claude Code에서 에이전트, 스킬, 규칙, MCP 서버 전반의 컨텍스트 사용량을 점검합니다. 불필요하게 커진 부분, 중복 콘텐츠, 비용이 큰 구성 요소를 찾아내고 우선순위가 정리된 정리 작업 항목을 제공합니다. 이 context-budget 가이드는 실무적인 context-budget 활용법이 필요하거나 더 큰 환경에서 Skill Testing을 검토할 때 유용합니다.

ck는 세션 간 지속되는 컨텍스트를 위한 Claude Code 프로젝트 메모리 스킬입니다. 프로젝트를 등록하고, 시작 시 브리핑 데이터를 자동으로 불러오며, 결정론적인 Node.js 스크립트를 통해 save, resume, info, list, forget, migrate 워크플로를 지원합니다. Context Engineering에 ck를 쓰려는 경우에 잘 맞습니다.

ai-first-engineering은 AI 에이전트가 구현 작업의 상당 부분을 맡는 팀을 위한 간결한 운영 모델입니다. 계획, 아키텍처, 리뷰, 테스트에 대한 Agent Standards를 세우는 데 도움이 되며, 설치, 사용법, 그리고 이 스킬을 언제 적용하면 좋은지에 대한 가이드를 제공합니다.

agent-harness-construction은 에이전트 harness 설계를 개선하는 데 실용적인 스킬로, 더 높은 완료율을 위해 tool schema, observation 형식, error recovery, context budgeting까지 폭넓게 다룹니다.

prompt-engineering-patterns는 실전형 프롬프트 설계를 위한 스킬로, Context Engineering에 맞춰 설치 맥락, 재사용 가능한 템플릿, few-shot 예시, structured outputs, 프롬프트 최적화 워크플로를 다룹니다.

context-driven-development는 product.md, tech-stack.md, workflow.md, tracks.md 같은 Conductor 프로젝트 컨텍스트 아티팩트를 만들고 유지하도록 도와주며, AI 보조 개발이 여러 세션과 코드베이스 전반에서 일관성을 유지하게 해줍니다.

context-engineering 스킬은 프로젝트 컨텍스트를 구조화해 에이전트가 규칙을 따르고, 환각을 줄이며, 핵심 작업에 집중하도록 돕습니다. 세션을 시작할 때, 작업을 전환할 때, 또는 코드베이스용 context-engineering 가이드를 만들 때 사용하세요.

product-marketing-context는 팀이 `.agents/product-marketing-context.md`를 만들고 유지하도록 도와, 다른 마케팅 스킬이 제품 정보, 타깃 고객, 포지셔닝, 예상 반론, 신뢰 근거, 메시지 맥락을 재사용할 수 있게 합니다. 기존 파일 존재 여부를 확인하고, 자동 초안 생성이나 처음부터 작성하는 방식 모두를 지원하며, 변경된 섹션만 업데이트합니다.

teach-impeccable은 저장소를 스캔하고, 핵심 UX 질문을 던진 뒤, 이후 세션에서도 이어서 쓸 수 있는 디자인 가이드를 저장하는 일회성 UI 디자인 설정 스킬입니다.

session-handoff는 여러 세션에 걸친 작업을 위해 구조화된 handoff 문서를 만들고 다시 이어서 사용할 수 있게 돕는 스킬입니다. create와 resume로 나뉜 워크플로우, handoff 템플릿, resume 체크리스트를 제공하며, 안정적인 Context Engineering을 위해 문서 생성·검증·목록 조회·staleness 확인 스크립트도 함께 포함합니다.

agent-md-refactor는 progressive disclosure 방식으로 비대해진 AGENTS.md, CLAUDE.md, COPILOT.md 파일을 리팩터링할 수 있게 돕는 스킬입니다. 문서 간 모순을 드러내고, 공통 규칙은 루트에 남기며, 나머지는 연결된 문서로 분리해 Context Engineering을 더 깔끔하게 만들고 컨텍스트 부담을 줄여줍니다.

memory-management는 HOT/WARM/COLD 파일 워크플로를 통해 Claude가 세션 간 프로젝트 컨텍스트를 지속적으로 유지하도록 돕습니다. SEO 또는 Context Engineering 워크플로에서 `CLAUDE.md`, `memory/` 폴더, 용어집 항목, 그리고 감사, 순위, 경쟁사, 리포트에 대한 이벤트 기반 업데이트를 관리할 때 유용합니다.

huashu-nuwa는 사람, 주제, 혹은 막연한 요구를 재사용 가능한 관점 스킬로 바꿔 주는 Skill Authoring 스킬입니다. `SKILL.md`, `references/extraction-framework.md`, `references/skill-template.md`, 그리고 distillation, routing, 품질 검토용 예시 스킬을 통해 설치 판단과 활용 방법을 안내합니다.

mnemos는 컴팩션 이후에도 지속되는 문맥이 필요한 에이전트를 위한 작업 범위 메모리 스킬입니다. 타입이 지정된 MnemoGraph를 사용해 목표와 제약을 유지하고, 결과를 압축하며, 재개를 위한 체크포인트를 보존합니다. 컨텍스트 엔지니어링, 디버깅, 저장소 유지보수, 인수인계에 유용합니다.

llm-patterns는 LLM이 추론, 추출, 생성을 맡고 코드는 검증, 라우팅, 오류 처리를 담당하는 AI 우선 애플리케이션 로직을 설계하도록 돕습니다. 더 명확한 프롬프트 구조, 테스트 가능한 LLM 워크플로, 그리고 Skill Authoring에 실용적인 가이드를 원할 때 llm-patterns 스킬을 사용하세요.

immortal-skill은 대화, 문서, 플랫폼 내보내기 데이터를 근거 인식형 디지털 페르소나 패키지로 정리해 주는 Skill Authoring 워크플로입니다. 역할 선택, 소스 수집, 윤리 점검, 충돌 처리, 결과물 생성까지 안내해 재사용 가능한 에이전트 스킬을 만들 수 있도록 돕습니다.

steve-jobs-perspective는 Steve Jobs 스타일의 휴리스틱, 리서치 파일, 예시를 활용해 제품 의사결정, 메시지, 전략을 더 날카롭게 다듬도록 돕는 역할 기반 제품 비평 스킬입니다.

create-senpai는 Claude Code용 스킬로, 채팅 내보내기 파일, 회의 메모, 스크린샷, 사진을 재사용 가능한 senpai 페르소나로 변환하고, 그룹 메모리, 수정 흐름, 지속 업데이트까지 지원합니다.

create-boss는 상사와의 대화, 메모, 이메일, 프로젝트 산출물을 판단 보조, 상향 관리, 페르소나 모델링에 재사용할 수 있는 스킬로 바꿔줍니다. Claude Code 또는 OpenClaw에 설치하면 실제 관리자 프로필이나 창업가 아키타입을 만들 수 있고, 이후 교정 워크플로와 Playbooks-ready boss guidance를 활용해 결과물을 더 정교하게 다듬을 수 있습니다.

shot는 tanweai/pua의 단일 파일 스킬로, 전체 컨텍스트 기반 페르소나 주입, 역할별 프롬프팅, 강력한 서브에이전트 활용에 맞춰 설계되었습니다. Context Engineering 실험, P7/P8/P9/P10 역할 프레이밍, 그리고 skills/shot/SKILL.md를 통한 자체 포함형 프롬프트 로딩에 특히 적합합니다.

pua-ja는 일본어 기반의 에스컬레이션 스킬로, 작업이 막힌 에이전트가 더 집요하게 조사하고, 사용자에게 묻기 전에 먼저 도구를 활용하며, 반복된 실패 뒤에는 결과를 다시 검증하도록 유도합니다. 디버깅, 리서치, 글쓰기, 그리고 Context Engineering에서 트리거 기반 행동 레이어를 두고 싶은 팀에 특히 잘 맞습니다.

teach-impeccable은 저장소를 스캔하고, 빠진 UX·브랜드 정보만 선별해 질문한 뒤, 이후 AI 세션에서 계속 활용할 수 있는 디자인 가이드를 저장하는 일회성 설정 스킬입니다.