dongshuyan/compass-skills

COMPASS Skills – 재사용 가능한 에이전트 스킬 툴킷

이것이 무엇인가

• LLM 기반 "하네스"(예: Claude Code, OpenAI Codex)에 추가할 수 있는 10개의 독립적인 SKILL.md 패키지 모음입니다. 각 패키지는 특정 워크플로 관리 또는 작성 작업에 대해 AI 에이전트가 어떻게 행동해야 하는지를 일반 Markdown으로 설명합니다.
• 이 스킬들은 대화가 끝나면 일반적으로 손실되는 컨텍스트(예: 사용자 선호도, 작업 종속성, 일시 중지 지점, 핸드오프 정보)를 장기 실행 AI 에이전트가 추적할 수 있도록 설계되었습니다.

핵심 아이디어

스킬	주요 목적
task-clarifier	실행 전에 모호하고 위험도가 높은 요청을 구체적이고 합의된 요구사항으로 전환합니다.
task-forest	목표, 하위 작업, 종속성, 진행 상황 및 대화 기록의 저장소 로컬 DAG를 유지합니다.
pause-and-resume	동일한 대화 내에 안전한 체크포인트를 저장하여 작업을 일시 중지하고 나중에 다시 작업을 반복하지 않고 계속할 수 있습니다.
session-handoff-prompt	현재 대화, 작업 포레스트 및 증거를 복사하여 붙여넣을 수 있는 프롬프트로 요약하여 완전히 새로운 AI 세션에 제공합니다.
user-profile-keeper	사용자의 커뮤니케이션 스타일, 위험 허용도 및 반복 컨텍스트에 대한 로컬 감사 가능 프로필을 저장합니다.
run-history-skill-builder	완료된 워크플로(또는 반복적으로 개선된 워크플로)를 새로운 재사용 가능한 스킬 패키지 또는 설계 계획으로 변환합니다.
run-history-skill-upgrader	실제 실행 증거를 분석하고 기존 스킬에 대한 구체적인 업그레이드 계획을 제안하며, 명시적 승인 후에만 변경 사항을 적용합니다.
clear-communication	사실, 불확실성 및 검증 상태를 보존하면서 원시 소스 자료를 독자 친화적인 설명, 보고서 또는 지침으로 변환합니다.
academic-humanizer	영어/중국어 학술 산문을 자연스럽고 학술적으로 보이도록 다시 작성하여 주장을 변경하지 않고 "AI스러운" 패턴을 제거합니다.
assess-interview-candidate	이력서와 직무 설명에서 감사 가능한 면접 준비 패키지(이력서 프로필, 일정 추정, 질문 목록)를 생성합니다.

스킬을 얻는 방법

• 저장소는 skills/ 아래에 일반 폴더로 스킬을 제공합니다. 각 폴더에는 SKILL.md 설명, 선택적 references/, scripts/, assets/ 및 하네스에 스킬을 노출하는 방법을 알려주는 YAML 파일(agents/*.yaml)이 포함되어 있습니다.
• 설치 방법은 제공된 CLI 래퍼를 사용합니다:

  npx skills add dongshuyan/compass-skills --skill '*' -a claude-code   # Claude Code용 모든 스킬
  npx skills add dongshuyan/compass-skills --skill clear-communication -a codex -g   # 단일 스킬, 사용자 전체
  

• 래퍼를 지원하지 않는 환경에서는 원하는 스킬 폴더를 호스트의 스킬 디렉토리(예: .claude/skills/ 또는 .agents/skills/)에 복사할 수 있습니다.

일반적인 워크플로

1. 시작: task-clarifier로 요청이 명확히 정의되었는지 확인합니다.
2. 기록: task-forest에 결과 계획을 기록하여 DAG가 대화 경계를 넘어 유지되도록 합니다.
3. 중간에 멈춰야 하면 pause-and-resume을 호출합니다 – 대화 로그에 체크포인트를 기록합니다.
4. 새 AI 세션으로 전환해야 할 때 session-handoff-prompt를 실행하여 필수 컨텍스트를 포함하는 간결한 프롬프트를 생성합니다.
5. 프로젝트 전반에 걸쳐 user-profile-keeper가 사용자 선호도를 동기화 상태로 유지합니다.
6. 실행이 끝나면 run-history-skill-builder를 사용하여 전체 워크플로를 재사용 가능한 스킬로 변환하거나 run-history-skill-upgrader를 사용하여 실제 증거를 기반으로 기존 스킬을 발전시킵니다.
7. 설명 출력의 경우 결과를 clear-communication을 통해 전달하고, 학술 초안에는 academic-humanizer를 추가합니다.
8. 채용 중이라면 assess-interview-candidate가 구조화된 인터뷰 브리프를 준비합니다.

스킬을 얻는 방법

• 저장소는 skills/ 아래에 일반 폴더로 스킬을 제공합니다. 각 폴더에는 SKILL.md 설명, 선택적 references/, scripts/, assets/ 및 하네스에 스킬 노출 방법을 알려주는 YAML 파일(agents/*.yaml)이 포함되어 있습니다.
• 설치 방법은 제공된 CLI 래퍼를 사용합니다:

  npx skills add dongshuyan/compass-skills --skill '*' -a claude-code   # Claude Code용 모든 스킬
  npx skills add dongshuyan/compass-skills --skill clear-communication -a codex -g   # 단일 스킬, 사용자 전체
  

• 래퍼를 지원하지 않는 환경에서는 원하는 스킬 폴더를 호스트의 스킬 디렉토리(예: .claude/skills/ 또는 .agents/skills/)에 복사할 수 있습니다.

일반적인 워크플로

1. 시작: task-clarifier로 요청이 잘 정의되었는지 확인합니다.
2. 기록: task-forest에 결과 계획을 기록하여 DAG가 대화 경계를 넘어 유지되도록 합니다.
3. 중간에 멈춰야 한다면 pause-and-resume을 호출합니다 – 대화 로그에 체크포인트를 기록합니다.
4. 새 AI 세션으로 전환해야 할 때 session-handoff-prompt를 실행하여 필수 컨텍스트를 포함하는 간결한 프롬프트를 생성합니다.
5. 프로젝트 전반에 걸쳐 user-profile-keeper가 사용자 선호도를 동기화합니다.
6. 실행이 끝난 후 run-history-skill-builder를 사용하여 전체 워크플로를 재사용 가능한 스킬로 변환하거나, run-history-skill-upgrader를 사용하여 실제 증거를 기반으로 기존 스킬을 발전시킵니다.
7. 설명 출력의 경우 결과를 clear-communication을 통해 전달하고, 학술 초안에는 academic-humanizer를 추가합니다.
8. 채용 중이라면 assess-interview-candidate가 구조화된 인터뷰 브리프를 준비합니다.

스킬을 얻는 방법

• 저장소는 skills/ 아래에 일반 폴더로 스킬을 제공합니다. 각 폴더에는 SKILL.md 설명, 선택적 references/, scripts/, assets/ 및 하네스에 스킬을 노출하는 방법을 알려주는 YAML 파일(agents/*.yaml)이 포함되어 있습니다.
• 설치 방법은 제공된 CLI 래퍼를 사용합니다:

  npx skills add dongshuyan/compass-skills --skill '*' -a claude-code   # Claude Code용 모든 스킬
  npx skills add dongshuyan/compass-skills --skill clear-communication -a codex -g   # 단일 스킬, 사용자 전체
  

• 래퍼를 지원하지 않는 환경에서는 원하는 스킬 폴더를 호스트의 스킬 디렉토리(예: .claude/skills/ 또는 .agents/skills/)에 복사할 수 있습니다.

일반적인 워크플로

1. 시작: task-clarifier로 요청이 잘 정의되었는지 확인합니다.
2. 기록: task-forest에 결과 계획을 기록하여 DAG가 대화 경계를 넘어 유지되도록 합니다.
3. 중간에 멈춰야 하면 pause-and-resume을 호출합니다 – 대화 로그에 체크포인트를 기록합니다.
4. 새 AI 세션으로 전환해야 할 때 session-handoff-prompt를 실행하여 필수 컨텍스트가 포함된 간결한 프롬프트를 생성합니다.
5. 프로젝트 전반에 걸쳐 user-profile-keeper가 사용자 선호도를 동기화 상태로 유지합니다.
6. 실행이 끝나면 run-history-skill-builder를 사용하여 전체 워크플로를 재사용 가능한 스킬로 변환하거나, run-history-skill-upgrader를 사용하여 실제 증거를 기반으로 기존 스킬을 발전시킵니다.
7. 설명 출력의 경우 결과를 clear-communication을 통해 전달하고, 학술 초안에는 academic-humanizer를 추가합니다.
8. 채용 중이라면 assess-interview-candidate가 구조화된 면접 브리프를 준비합니다.

왜 중요한가

• 상태 지속성: AI 에이전트는 채팅이 끝나면 일반적으로 모든 것을 잊어버립니다. COMPASS는 사용자, 프로젝트, 목표, 일시 중지 및 핸드오프 상태를 유지하는 가볍고 파일 기반의 방법을 제공합니다.
• 안전 및 정렬: 비용이 많이 드는 작업 전에 명확화 단계를 강제함으로써 툴킷은 모호하거나 위험한 출력의 가능성을 줄입니다.
• 자기 진화: 실행 기록 빌더/업그레이더 쌍은 숨겨진 온라인 훈련 없이 통제된 "실제 실행에서 학습" 루프를 구현합니다.
• 모듈식: 필요한 스킬만 설치하면 됩니다. 각 스킬은 마크다운 + 선택적 자산일 뿐이므로 SKILL.md 형식을 이해하는 모든 LLM 하네스와 함께 작동합니다.

스킬을 얻는 방법

• 저장소는 skills/ 아래에 일반 폴더로 스킬을 제공합니다. 각 폴더에는 SKILL.md 설명, 선택적 references/, scripts/, assets/ 및 하네스에 스킬을 노출하는 방법을 알려주는 YAML 파일(agents/*.yaml)이 포함되어 있습니다.
• 설치 방법은 제공된 CLI 래퍼를 사용합니다:

  npx skills add dongshuyan/compass-skills --skill '*' -a claude-code   # Claude Code용 모든 스킬
  npx skills add dongshuyan/compass-skills --skill clear-communication -a codex -g   # 단일 스킬, 사용자 전체
  

• 래퍼를 지원하지 않는 환경에서는 원하는 스킬 폴더를 호스트의 스킬 디렉토리(예: .claude/skills/ 또는 .agents/skills/)에 복사할 수 있습니다.

일반적인 워크플로

1. 시작: task-clarifier로 요청이 잘 정의되었는지 확인합니다.
2. 기록: task-forest에 결과 계획을 기록하여 DAG가 대화 경계를 넘어 유지되도록 합니다.
3. 중간에 멈춰야 하면 pause-and-resume을 호출합니다. 대화 로그에 체크포인트를 기록합니다.
4. 새 AI 세션으로 전환해야 할 때 session-handoff-prompt를 실행하여 필수 컨텍스트가 포함된 간결한 프롬프트를 생성합니다.
5. 프로젝트 전반에 걸쳐 user-profile-keeper가 사용자 선호도를 동기화 상태로 유지합니다.
6. 실행이 끝난 후 run-history-skill-builder를 사용하여 전체 워크플로를 재사용 가능한 스킬로 변환하거나, run-history-skill-upgrader를 사용하여 실제 증거를 기반으로 기존 스킬을 발전시킵니다.
7. 설명 출력의 경우 결과를 clear-communication을 통해 전달하고, 학술 초안에는 academic-humanizer를 추가합니다.
8. 채용 중이라면 assess-interview-candidate가 구조화된 인터뷰 브리프를 준비합니다.

왜 중요한가

• 상태 지속성: AI 에이전트는 채팅이 끝나면 일반적으로 모든 것을 잊어버립니다. COMPASS는 사용자, 프로젝트, 목표, 일시 중지 및 핸드오프 상태를 유지하는 가벼운 파일 기반 방법을 제공합니다.
• 안전 및 정렬: 비용이 많이 드는 작업 전에 명확화 단계를 강제함으로써 툴킷은 모호하거나 위험한 출력의 가능성을 줄입니다.
• 자기 진화: 실행 기록 빌더/업그레이더 쌍은 숨겨진 온라인 훈련 없이 통제된 "실제 실행에서 학습" 루프를 구현합니다.
• 모듈식: 필요한 스킬만 설치하면 됩니다. 각 스킬은 마크다운 + 선택적 자산일 뿐이므로 SKILL.md 형식을 이해하는 모든 LLM 하네스와 함께 작동합니다.

성숙도 및 상태

• 저장소는 알파로 표시되어 있습니다 – 핵심 개념은 기능하지만 작성자는 스킬이 여전히 실험적이며 변경될 수 있다고 언급합니다.
• 컴파일된 바이너리나 외부 서비스는 필요하지 않습니다. 유일한 종속성은 호스트 하네스가 SKILL.md 및 선택적으로 agents/*.yaml 메타데이터를 읽을 수 있는 능력입니다.

라이선스

• 저장소의 LICENSE에 따라 배포됩니다(배지는 허용적 오픈소스 라이선스, 아마도 MIT 또는 Apache-2.0을 나타냄 – 정확한 조건은 LICENSE 파일 참조).

누가 사용할 수 있을까

• 다단계 프로젝트에서 지속되어야 하는 맞춤형 AI 어시스턴트를 구축하는 개발자.
• 내부 도구를 위한 재현 가능한 "에이전트 운영 체제"를 원하는 팀.
• 안전하고 상태 저장이 가능한 LLM 워크플로를 탐구하는 연구자.

---

위의 모든 정보는 저장소의 README에서 직접 가져온 것이며, 추가 기능은 추론되지 않았습니다.