anti-distill
작성자 leilei926524-techanti-distill은 스킬 파일, 작업 가이드, 페르소나 문서를 분류한 뒤 핵심 노하우를 제거한 정리본으로 다시 작성하는 재작성 스킬입니다. Claude Code 또는 OpenClaw에 수동 설치해 사용할 수 있으며, 파일·폴더·붙여넣은 내용에 `/anti-distill`로 실행할 수 있습니다.
이 스킬의 평점은 68/100으로, 디렉터리에 올릴 수 있을 만큼 실제로 재사용 가능한 워크플로이지만 적합성과 윤리 측면에서 분명한 주의점이 있습니다. 저장소에는 트리거 가능한 단계형 절차, 구체적인 프롬프트 자산, 예시, 설치 문서가 갖춰져 있어 일반적인 프롬프트보다 적은 추측으로 에이전트가 실행할 가능성이 높습니다. 다만 문서를 충실하게 작성하는 용도가 아니라, 의도적으로 문서를 "희석"하려는 경우에만 설치하는 편이 맞습니다.
- 트리거 가능성이 높습니다. SKILL.md에 명시적인 호출 문구, 인자 힌트, 지원 입력 방식, 사용 가능한 도구가 포함되어 있습니다.
- 실행 내용이 구체적입니다. classifier 및 diluter 프롬프트 파일이 작업 문서, 페르소나 문서, 일반 문서에 대한 구체적인 변환 규칙을 정의합니다.
- 설치 판단에 도움이 되는 근거가 충분합니다. README, INSTALL.md, 전후 비교 예시를 통해 출력 결과, 강도 수준, 지원 형식을 확인할 수 있습니다.
- 워크플로 설명은 아직 일부 수작업에 의존합니다. 이 스킬은 사용자에게 정리 강도를 직접 선택하게 하며, 발췌된 내용만으로는 처음부터 끝까지의 완전한 출력 계약이 드러나지 않습니다.
- 용도가 좁고 논란의 여지가 있을 수 있습니다. 이 저장소는 직원용 스킬에서 핵심 노하우를 제거하는 데 최적화되어 있어, 범용적인 지식 정리 도구로 보기는 어렵습니다.
anti-distill skill 개요
anti-distill가 하는 일
anti-distill skill은 상세한 직원 스킬 파일, 업무 가이드, 페르소나 문서를 “겉보기에는 완성돼 보이지만 핵심 지식은 제거된” 버전으로 다시 쓰는 문서 재작성 스킬입니다. 단순 요약 도구가 아니라, 무엇을 그대로 둬도 안전한지, 무엇을 희석해야 하는지, 무엇을 삭제해야 하는지, 무엇을 마스킹해야 하는지를 분류한 뒤 그 기준에 맞춰 다시 작성하는 것이 실무상 핵심 역할입니다.
anti-distill를 써야 하는 사람
anti-distill는 이미 내부용 스킬 문서를 작성해 두었고, 이를 외부 공개용이나 검토 안전성이 높은 버전으로 정리하려는 사람에게 가장 잘 맞습니다. 특히 SKILL.md, work.md, persona.md, SOP, 인수인계 문서, Markdown/TXT/PDF가 섞인 입력을 다루는 Rewriting 작업에서 유용합니다. 반대로 전문가 수준의 디테일을 충실하게 보존해야 한다면 이 도구는 맞지 않습니다.
이 anti-distill skill이 다른 점
anti-distill의 가장 큰 차별점은 막연한 “덜 구체적으로 바꿔줘” 프롬프트에 기대지 않고, 분류 후 재작성하는 명시적 워크플로를 갖고 있다는 점입니다. repo에는 분류용 프롬프트와 문서 유형별 재작성 프롬프트가 분리되어 있습니다: prompts/classifier.md, prompts/diluter_work.md, prompts/diluter_persona.md, prompts/diluter_general.md. 이 구조 덕분에 업무 지식을 희석할 때와 persona 특성을 희석할 때의 기준을 덜 추측적으로 적용할 수 있습니다.
설치 전 알아둘 핵심 트레이드오프
anti-distill는 의도적으로 문서의 유용성을 낮춥니다. 좋은 결과물은 구조적으로는 그럴듯하고 기술적으로 완전히 틀리지는 않아야 하지만, 실행 가능성은 떨어지고, 구체성은 줄어들며, 다른 사람이 가져다 쓰기 어렵게 바뀌어야 합니다. 그게 바로 목적입니다. 위험은 두 가지입니다. 너무 과하게 정리해 누가 봐도 뻔한 빈말 문서가 되거나, 반대로 충분히 정리하지 못해 운영 노하우, 임계값, 에스컬레이션 경로, 의사결정 로직이 남아버릴 수 있습니다.
anti-distill skill 사용 방법
Claude Code 또는 OpenClaw에 anti-distill 설치하기
이 repo는 패키지 설치기가 아니라 수동 설치 방식을 제공합니다. Claude Code에서는 project 또는 global skills 경로에 clone하면 됩니다.
mkdir -p .claude/skills
git clone https://github.com/leilei926524-tech/anti-distill.git .claude/skills/anti-distill
또는 글로벌 설치:
git clone https://github.com/leilei926524-tech/anti-distill.git ~/.claude/skills/anti-distill
OpenClaw에서는 다음 경로를 사용합니다:
git clone https://github.com/leilei926524-tech/anti-distill.git ~/.openclaw/workspace/skills/anti-distill
설치 후에는 /anti-distill로 호출하면 됩니다. 추가 Python 의존성은 필요하지 않습니다.
anti-distill에 필요한 입력
anti-distill skill은 다음 입력을 받을 수 있습니다:
- 직접 지정한 파일 경로
colleagues/{slug}/같은 colleague-skill 폴더- 붙여넣은 문서 본문
- skill 파일을 찾아달라고 요청했을 때의 로컬 파일 검색
이 스킬은 work.md + persona.md 조합이나 ## Layer 0 같은 colleague-skill 패턴뿐 아니라, 일반적인 Markdown, TXT, PDF 문서도 감지하도록 설계돼 있습니다. 특히 구체적인 규칙, 임계값, 예시, 의사결정 분기, 실명 인물, 장애/사건 경험, “실제로는 이렇게 한다”에 해당하는 내용이 들어 있는 문서에서 anti-distill의 가치가 가장 크게 드러납니다.
anti-distill 프롬프트를 잘 쓰는 법
약한 요청 예시는 다음과 같습니다: “clean this skill.”
더 좋은 anti-distill 사용 프롬프트에는 아래 요소가 들어갑니다:
- 어떤 파일을 읽을지
- 문서 유형이 무엇인지
- 어느 정도 강도로 정리할지
- 어떤 출력 파일을 원하는지
예시:
/anti-distill Read colleagues/zhangsan/. This is a colleague-skill with work and persona content. Use medium cleaning. Keep structure and formatting, but remove concrete thresholds, troubleshooting memory, escalation shortcuts, and highly distinctive behavior cues. Generate a cleaned version plus a private backup of removed knowledge.
이런 방식이 더 잘 먹히는 이유는, repo의 로직이 정리 강도와 함께 함정, 판단 휴리스틱, 인간 네트워크 지식, 숨겨진 워크플로 같은 고가치 지식 범주를 식별하는 데 중심을 두고 있기 때문입니다.
anti-distill를 믿기 전에 읽어볼 파일과 권장 워크플로
anti-distill를 바로 쓰기 전에 작동 방식을 이해하고 싶다면, 다음 순서로 읽는 것이 좋습니다:
README.md— 제품 의도와 출력 모델 파악INSTALL.md— 설치 경로 확인SKILL.md— 트리거, 도구 규칙, 전체 흐름 이해prompts/classifier.md—[SAFE],[DILUTE],[REMOVE],[MASK]라벨 체계 확인- 문서 유형에 맞는 diluter 프롬프트
examples/zhangsan_before_after.md— 결과물 품질 감 잡기
실전에서는 우선 medium 강도로 시작하고, 어떤 내용이 살아남았는지 검토한 뒤, 약하게 정리된 부분만 다시 돌리는 편이 좋습니다. heavy cleaning은 더 빠르지만, 누가 봐도 티 나는 기업형 문구만 남길 가능성이 더 큽니다.
anti-distill skill FAQ
anti-distill는 일반적인 재작성 프롬프트보다 낫나?
대체로 그렇습니다. 목표가 단순한 바꿔쓰기(paraphrasing)가 아니라 통제된 수준의 정보 열화라면 특히 그렇습니다. 범용 프롬프트는 세부 정보를 지나치게 많이 남기거나, 반대로 구조를 너무 많이 지워버리는 경우가 많습니다. anti-distill는 분류와 재작성을 분리하고 문서 유형별 재작성 규칙까지 갖고 있어서 더 안정적으로 동작합니다.
anti-distill는 초보자에게도 적합한가?
네, 다만 재작성된 문서를 직접 검토할 수 있어야 합니다. anti-distill 가이드는 단순합니다. 설치하고, 호출하고, 강도를 정하고, 출력물을 검토하면 됩니다. 더 어려운 부분은 판단입니다. 즉, 살아남은 문장 중 어떤 부분이 여전히 너무 많은 정보를 드러내는지 가려내는 일입니다. 중요한 파일에 쓰기 전에는 포함된 before/after 예시와 결과물을 꼭 비교해보는 것이 좋습니다.
anti-distill를 쓰면 안 되는 경우는?
공개 문서, 온보딩 자료, 또는 실무 활용성이 중요한 지식베이스에는 anti-distill를 쓰지 않는 편이 좋습니다. 원문 자체에 실질적인 구체성이 거의 없는 아주 짧은 문서에도 잘 맞지 않습니다. 소스가 이미 지나치게 일반적이라면 anti-distill가 개선할 수 있는 부분이 거의 없고, 문서를 더 약하게 만드는 정도에 그칠 수 있습니다.
anti-distill는 다국어 및 혼합형 repo에도 맞는가?
네. 이 skill은 English와 Chinese를 명시적으로 지원하며, 사용자 언어로 응답합니다. 또한 혼합 파일 형식에서도 동작하고, 호스트 도구의 기본 읽기 지원을 통해 이미지나 PDF도 읽을 수 있습니다. 다만 품질은 여전히 원문이 얼마나 명확하게 구체적 노하우를 드러내고 있느냐에 크게 좌우됩니다.
anti-distill skill 개선 방법
anti-distill에 더 좋은 원문을 넣기
anti-distill는 정보가 풍부하고 구체적인 원문에서 가장 잘 작동합니다. 입력에 정확한 임계값, 장애/사건에서 얻은 교훈, 실제 의사결정 기준, 샘플 대화, 실명 기반의 협업 경로가 들어 있으면 무엇을 유지하고 희석하고 제거할지 훨씬 날카롭게 판단할 수 있습니다. 반대로 원문이 이미 모호하면 변환할 의미 있는 신호 자체가 적기 때문에 결과도 크게 좋아지지 않습니다.
anti-distill의 주요 실패 패턴을 주의하기
anti-distill에서 가장 흔한 실패 패턴은 다음과 같습니다:
- 실행 가능한 디테일이 실수로 남는 경우
- 너무 많은 내용을 지우고 뻔한 헛소리로 대체하는 경우
- 문체를 지나치게 평평하게 만들어 문서가 오히려 수상해지는 경우
- 예시나 대화 속에 숨어 있는 지식을 놓치는 경우
숫자, “if X then Y” 형태의 분기, 명시된 담당자, 포스트모템 스타일의 설명은 특히 주의해서 봐야 합니다. 이런 부분은 섹션 제목만 보고 판단할 때보다 훨씬 높은 가치를 담고 있는 경우가 많습니다.
anti-distill 프롬프트에 재작성 제약을 명확히 넣기
anti-distill를 더 잘 쓰려면, 무엇을 보존하고 무엇을 겨냥해 제거할지 명시적으로 알려주는 것이 좋습니다. 효과적인 제약 예시는 다음과 같습니다:
- heading, list, section order는 유지
- 용어는 기술적으로 정확하게 유지
- 구체적 한계값, 내부 명칭, root-cause memory는 제거
- 주제 범위는 유지하되 예시는 일반화
- 출력 길이는 원문과 비슷하게 유지
이런 제약은 구조 유지, 대략 비슷한 길이 같은 repo 자체의 품질 기준과도 잘 맞아떨어집니다.
첫 번째 결과 후 반드시 반복 개선하기
anti-distill를 한 번 돌린 결과를 최종본으로 취급하지 마세요. 정리된 버전을 검토하면서 여전히 실제 판단 기준을 가르치는 문장을 표시한 뒤, 그 부분만 다시 돌리는 편이 좋습니다. 예를 들면 다음과 같습니다: “Re-clean only CR 重点 and 经验知识库; these still reveal specific execution standards.” 문서 전체를 곧바로 medium에서 heavy로 올리는 것보다, 이런 식의 섹션 단위 반복 작업이 보통 더 좋은 결과를 냅니다.