TL;DR

倪海厦 강의를 학습용으로 구조화한 Agent Skill로서 텍스트·스크린샷·PDF를 모듈별로 인덱싱해 자연어 질의에 대해 강의 용어 기반의 분수령·방증·穴位 결과와 페이지 수준의 근거를 함께 반환한다. 이 스킬은 스크린샷 2986건과 PDF 페이지 3003건을 근거로 연결하며 assets 경로와 pdf-evidence:<doc_id>#p<page> 형식으로 출처 추적을 지원한다. 설치는 리포지토리 클론 후 에이전트의 skills 디렉토리에 배치하고 에이전트를 재시작하는 방식이며 Claude Code·Codex 호환 환경에서 동작한다. 의료 진단·처방을 위한 도구가 아니며 개인 진료 결정을 대체하지 않도록 안전 경계를 명시하고 있다.

주요 기능

• 자연어 질의를 구조화된 강의 용어로 매핑해 강의·방증·穴位 관련 항목을 검색할 수 있다. 질의 입력으로 일반적인 표현(예: 감기 증상)을 받아 강의 내 '辨证分水岭' 쿼리로 변환해 관련 강의 모듈과 증거를 반환한다. 반환 결과에는 스크린샷 경로와 PDF 페이지 식별자 형식(pdf-evidence:<doc_id>#p<page>)이 포함된다.
• 스크린샷과 PDF의 페이지 단위 근거를 인덱싱해 결과에 근거 링크를 함께 제공할 수 있다. 현재 스크린샷 2986건과 PDF 페이지 3003건이 리포지토리에 확보되어 있어 질의 응답 시 출처 추적이 가능하다. 스크린샷 자산은 assets/screenshots/... 상대경로로 우선 반환되도록 구성되어 있다.
• 강의 모듈별로 주제 지도·복습 계획·방증·穴位·약성 비교표를 생성해 학습 정리용 출력물을 만들 수 있다. 모듈과 강의 차시를 기준으로 키워드·주제·복습 문제를 집계해 단계별 복습 플랜을 산출한다. 출력 포맷은 Markdown으로 references에 추가 가능한 형태로 정리된다.

어떻게 동작하는가

이 리포지토리는 강의 텍스트·스크린샷·PDF를 모듈별로 추출·인덱싱해 에이전트의 질의 처리 파이프라인과 연결하는 구조를 사용한다. 자연어 입력은 내부 매핑 규칙으로 강의 용어와 분수령(辨证分水岭) 질의로 변환되며, 변환된 쿼리는 인덱스에서 관련 문서와 이미지 식별자를 조회해 근거를 결합한 구조화된 응답을 생성한다. 검색 결과는 로컬 자산 경로와 표준화된 PDF 페이지 식별자(pdf-evidence:<doc_id>#p<page>)를 포함해 근거 추적이 가능하게 설계되었다.

해결 문제

원자료가 비구조화된 동영상·녹취·슬라이드·이미지 형태로 흩어져 있어 강의 내용의 검색성과 근거 추적이 어려운 문제가 존재한다. 이 스킬은 텍스트·스크린샷·PDF를 페이지 수준으로 인덱싱하고 일반어 질문을 강의 용어로 매핑해 관련 강의 구간과 근거를 함께 반환함으로써 검색성과 검증 가능성을 확보한다. 결과적으로 학습자가 강의 내용에 근거해 빠르게 복습 계획을 세우고 출처를 확인할 수 있게 한다.

지금 주목받는 이유

최근 2026-06-25 기준으로 강의 교정과 페이지 수준 PDF 근거가 추가되며 자료 신뢰성이 개선되었다. GitHub 상의 관심 지표로는 스타가 1295개로 집계되어 커뮤니티의 관심이 확인된다. 학습용 자료의 대규모 가공과 근거 인덱싱이 결합된 점이 꾸준한 주목을 받는 원인으로 작용하고 있다.

차별점

• 페이지 단위의 PDF 근거 연결을 제공해 답변에 원문 페이지 식별자를 함께 반환한다. 이 리포지토리는 11개의 추출 가능한 PDF 소스와 3003개의 페이지 레벨 증거 카드를 통합해 질의 응답의 출처를 명확히 한다. 페이지 단위 근거는 고전 문헌 인용과 강의 발언을 대조하는 용도로 직접 활용 가능하다.
• 대규모 스크린샷 증거 인덱스를 포함해 시각적 근거를 우선 반환하도록 구성되어 있다. 현재 스크린샷 2986건이 압축된 자산으로 저장되어 있으며 검색 결과는 assets/screenshots/... 상대경로를 우선 제공한다. 스크린샷 우선 반환은 실습·판서 확인과 같은 시각적 검증에 유리하다.
• 강의 증류 방식(lineage-skill에서 파생된 절차)을 적용해 모듈·주제·방증 관점으로 자료를 구조화했다. 이 방식은 원자료의 핵심 문장과 근거를 보존하면서 검색 가능한 지식 단위로 재구성해 학습과 검증의 균형을 맞춘다. lineage-skill 연계로 유사 프로젝트 간 재사용과 확장이 용이하도록 설계되었다.

사용 사례

• 강의 복습과 주제별 정리를 위해 모듈·차시별로 핵심 키워드와 복습 문제를 자동으로 생성하는 용도로 사용할 수 있다. 자동 생성된 복습 계획은 references에 추가 가능한 Markdown 형태로 출력되어 개인 학습 문서에 바로 병합할 수 있다. 스킬은 판서·슬라이드의 스크린샷 근거를 함께 제공해 복습 내용의 출처를 즉시 확인하게 한다.
• 특정 방제나穴位에 대한 강의 내 방증·금기·임상 단서를 찾을 때 검색 도구로 활용할 수 있다. 자연어로 입력한 일상 표현을 강의용 분수령 질의로 전환해 관련 강의 구간과 스크린샷·PDF 페이지를 반환하므로 임상 이론 학습과 문헌 대조 작업에 유용하다. 반환된 근거는 페이지 식별자와 이미지 경로로 즉시 검증 가능하다.
• 판서·PPT·실습 스냅샷을 근거로 사례 중심 학습 자료를 재구성하는 데 활용할 수 있다. 스크린샷 인덱스를 통해 실습 장면이나 판서 이미지를 빠르게 찾아 강의 예제와 대조하며 학습 자료를 보강할 수 있다. 이 과정은 실무 노트 작성이나 강의 요약본 제작에 실용적이다.

시작하기

설치 절차는 리포지토리를 클론한 뒤 에이전트가 사용하는 skills 디렉토리에 해당 폴더를 복사하는 방식으로 진행된다. 설치 후에는 에이전트를 재시작해 스킬 메타데이터가 로드되면 자연어 질의를 통해 스킬 기능을 호출할 수 있다. README에는 설치를 요청하는 간단한 프롬프트 예시와 여러 사용 예시(예: 方证·穴位 조회)가 포함되어 있어 초기 검증에 활용할 수 있다.

요구사항

• Python 환경에서 리포지토리 소스 코드를 읽고 에이전트가 설치 가능한 디렉토리 구조가 필요하다.
• 에이전트 플랫폼은 Claude Code·Codex·OpenClaw와 호환되는 스킬 로딩 메커니즘을 지원해야 한다.
• 로컬 자산(assets/screenshots 등)과 PDF 텍스트 추출 결과에 접근 가능한 파일 시스템 권한을 보유해야 한다.