Kiterlin/anti-defensive-writing

Anti-Defensive Writing – 개요

Anti-Defensive Writing는 LLM 기반 에이전트(예: OpenAI Codex, Anthropic Claude Code)를 위한 스킬 사양입니다. 이 스킬은 불필요한 사과, 중복된 면책 조항, 과도한 완곡어법을 제거하면서도 증거, 방법론적 한계, 윤리적·법적 경계는 유지하는 방식으로 학술 또는 기술 산문을 다시 쓰는 방법을 모델에 가르칩니다. 그 결과는 과학적 엄격성을 존중하면서도 더 단호하고 주장이 앞서는 원고입니다.

작동 방식

스킬 파일 (SKILL.md) – 프로젝트의 핵심은 재작성 규칙(진단, 다듬기, 긍정적 투영, 불확실성 보정, 구조 재정렬)을 인코딩한 단일 마크다운 파일입니다. 에이전트는 이 파일을 스킬로 로드하고 명령줄 단축키($anti-defensive-writing …)를 노출합니다.
5단계 파이프라인 – 호출되면 에이전트는 텍스트를 다음 단계로 처리합니다.
- 방어적 요소의 기능적 진단
- 정보를 제공하지 않는 면책 조항 제거
- 부정적 진술을 긍정적 범위 정의로 변환
- 증거 기반 불확실성으로 완곡어법 스택 축소
- 주요 주장이 앞서도록 문단 구조 재정렬
런타임 종속성 없음 – 설치 시 SKILL.md 파일을 에이전트의 스킬 디렉토리에 복사하기만 하면 됩니다. Python, Node, 컴파일된 바이너리가 필요 없습니다.

시작하기

# 권장 Codex 스킬 디렉토리 예시
curl -fsSL https://raw.githubusercontent.com/Kiterlin/anti-defensive-writing/main/install.sh \
  | sh -s -- --dest "$HOME/.agents/skills"

동일한 스크립트는 기존 Codex(~/.codex/skills) 또는 Claude Code(~/.claude/skills)에서도 작동합니다. 설치 후 스킬을 직접 호출할 수 있습니다.

$anti-defensive-writing 이 단락들을 수정하세요. 불필요한 방어적 언어를 제거하고 증거와 필요한 자격 조건은 유지하세요.

누가 사용하면 좋을까요?

연구자: 학술대회나 저널용 초고를 다듬는 경우.
보조금 신청서 작성자: 목표를 자신 있게 제시해야 하는 경우.
기술 문서 작성자: 권위 있는 문서를 작성해야 하는 경우.
LLM 기반 어시스턴트: 사용자가 즉시 텍스트를 다시 쓰도록 돕는 경우.

제한 사항

이 스킬은 새 데이터를 생성하지 않습니다. 기존 콘텐츠만 다시 씁니다.
환각, 인과관계 과잉 추정, 필수 제한 사항 제거에 대한 가드레일을 적용하지만 출력 품질은 기본 LLM에 따라 달라집니다.
사양일 뿐이며 실제 변환 품질은 호스트 에이전트(Codex, Claude Code 등)에 따라 다릅니다.

빠른 참조

구성 요소	제공 기능
`SKILL.md`	에이전트가 따르는 규칙서
`install.sh` / `install.ps1`	macOS/Linux/WSL 및 Windows PowerShell용 원라이너 설치 프로그램
`examples/`	논문, 방법 섹션, 보조금 제안서의 전후 재작성 예시
`skill.json`	에이전트가 스킬을 등록하는 데 사용하는 매니페스트

인용

워크플로에 이 스킬을 통합한다면 다음과 같이 인용하세요.

@software{antidefensivewriting2026,
  author       = {Sunlight and Contributors},
  title        = {Anti-Defensive Writing: Calibrated Assertiveness & Positive Scope for Academic and Technical Prose},
  year         = {2026},
  publisher    = {GitHub},
  journal      = {GitHub repository},
  howpublished = {\url{https://github.com/Kiterlin/anti-defensive-writing}}
}

요약: 이 저장소는 단일 마크다운 규칙 파일 외에 런타임 코드를 추가하지 않고도 LLM이 학술 텍스트를 더 직접적이고 방어적이지 않게 다시 쓰도록 하는 가볍고 에이전트에 구애받지 않는 스킬을 제공합니다.