이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.
TL;DR
Opus는 높은 능력과 별개로 기묘한 비유, 낯선 전문용어와 함축적인 표현을 자주 사용해 작성자가 실제 의미를 다시 해석해야 하는 문제가 있었습니다. Claude Code에서 ASD-STE100 output style을 적용했지만 개선은 제한적이었고, Cursor plugins 저장소의 poteto unslop skill이 더 큰 효과를 냈습니다. OpenAI tokenizer 기준 skill 크기는 약 1,600토큰이며 화면에는 1,619토큰과 6,594문자가 표시됩니다. 작성자는 이 작은 비용으로 장황한 응답을 해독하는 반복 작업을 줄일 수 있었지만, 여전히 5.6-Sol과 5.6-Luna를 Opus보다 선호한다고 밝혔습니다.
섹션별 상세
작성자는 업무에서 Opus를 자주 사용하면서 핵심 의미보다 기묘한 비유, 낯선 전문용어와 함축적인 표현을 먼저 해석해야 하는 문제를 겪었습니다. Opus는 장부 복사본이나 잘못된 요리법 같은 비유를 사용했고, 테스트 구조를 설명하며 “self-licking oracle”이라는 표현까지 끌어왔습니다. 그 결과 한 문장을 여러 번 읽고 원래 요청, 프로젝트 맥락, 모델이 묻는 질문을 동시에 유지해야 해 실제 작업보다 응답 해독에 더 많은 인지 부담과 토큰이 들었습니다.
작성자는 먼저 Claude Code의 output style과 ASD-STE100을 적용해 기술 문장을 더 명확하게 만들려 했습니다. ~/.claude/output-styles에 스타일을 설치한 뒤 /config에서 ASD-STE100을 선택하는 방식이며, 단어 하나에 의미 하나를 부여하고 능동태와 짧은 문장을 선호하는 설정이 화면에 나타납니다. 이 방식은 일부 개선을 만들었지만, 작성자가 인용한 문제 표현의 최소 절반은 여전히 남아 있어 단독 해결책으로는 충분하지 않았습니다.
더 큰 효과를 낸 도구는 Cursor의 plugins 저장소에서 찾은 poteto의 unslop skill이었습니다. 작성자는 이 skill을 OpenAI tokenizer로 측정해 약 1,600토큰이라고 보았고, 이미지에는 1,619토큰과 6,594문자가 표시됩니다. 약간의 입력 비용으로 Opus의 AI slop과 불필요한 소음을 줄여 반복적인 장황한 응답을 읽고 다시 질문하는 비용을 낮췄다는 점이 핵심입니다.
unslop skill을 적용한 뒤 작성자는 Opus가 말하려는 내용을 실제로 이해할 수 있었다고 평가했습니다. 다만 모델의 지능과 별개로 출력이 통제되지 않으면 거의 사용할 수 없다고 보았고, 선택권이 있을 때는 5.6-Sol과 5.6-Luna를 Opus보다 선호한다고 밝혔습니다. 글의 결론은 복잡한 비유나 새로운 용어를 추가하기보다 모델이 의미하는 바를 그대로 말하게 만드는 것이 가장 중요한 사용 조건이라는 주장입니다.
용어 해설
- ASD-STE100
- — 기술 문장을 명확하고 일관되게 작성하기 위한 표준으로, 단어 하나에 의미 하나를 부여하고 능동태·짧은 문장·간단한 명사구를 사용하도록 권장합니다. 복잡한 표현과 모호성을 줄여 사람이 기술 내용을 더 쉽게 이해하도록 돕습니다.
- AI 슬롭(AI slop)
- — AI가 생성하는 과도한 수사, 불필요한 장황함, 상투적 표현과 이해하기 어려운 문구를 가리키는 표현입니다. 이 글에서는 Opus의 기묘한 비유와 전문용어가 핵심 내용을 가리는 현상을 뜻하며, unslop skill이 이를 줄이는 대상으로 삼습니다.
- 출력 스타일(Output Style)
- — 모델이 사용자와 소통하는 문체와 응답 방식을 지정하는 설정입니다. 글에서는 Claude Code의 /config 메뉴에서 ASD-STE100 스타일을 선택해 기술 문장의 모호성과 장황함을 줄이는 데 사용했지만, 효과에는 한계가 있었습니다.
- 토크나이저(Tokenizer)
- — 텍스트를 모델이 처리하는 토큰 단위로 나누고 토큰 수를 계산하는 도구입니다. 글에서는 OpenAI tokenizer로 unslop skill의 크기를 측정했으며, 결과는 약 1,600토큰 또는 화면상 1,619토큰으로 표시됐습니다.
- 자기순환적 시스템(Self-licking ice cream cone)
- — 외부 목적보다 자기 자신을 유지하는 데 집중하는 시스템을 비유하는 표현입니다. 글에서는 테스트 대상 코드를 사용해 테스트용 기준값을 만들고 스스로 채점하는 상황을 가리키는 말로 Opus가 사용했으며, 작성자는 이 표현 자체를 다시 해석해야 했습니다.
기술
- Opus
- Claude Code
- ASD-STE100
- OpenAI tokenizer
- unslop skill
- Anthropic models
- 5.6-Sol
- 5.6-Luna
활용 사례
- 업무용 LLM 응답의 가독성 개선
- Claude Code의 기술 문장 출력 제어
- 장황한 LLM 응답과 불필요한 비유 줄이기
- 반복적인 응답 재질문과 해독 비용 절감
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 08. 23.수집 2026. 08. 23.출처 타입 RSS
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
