TL;DR

Cheat on Content는 Claude Code를 기본으로 Codex도 지원하는 plugin-extension-skill 성격의 콘텐츠 제작 workflow입니다. 게시 전 콘텐츠 점수와 blind prediction을 남기고, 게시 후 3일 시점의 성과를 retro로 대조해 채널별 scoring rubric을 갱신합니다. 14개 sub-skill을 agent 디렉터리에 연결하며 score, start prediction, shot, shipped, retro, status 같은 명령으로 대본 평가와 게시 이력을 관리합니다. benchmark account의 5~10개 샘플을 가져오면 초기 기준을 잡을 수 있지만, README의 ±50%와 10× 수치는 독립 벤치마크가 아닌 도구 설명에 제시된 운영 목표에 가깝습니다. 콘텐츠 프로젝트를 Claude Code 또는 Codex로 운영하고 자신의 게시 데이터로 판단 기준을 학습시키려는 제작자에게 적합하며, 일반적인 글쓰기 보조나 독립 실행형 Python 라이브러리를 찾는 경우에는 맞지 않습니다.

핵심 포인트

• Claude Code를 기본으로 Codex까지 지원하는 콘텐츠 제작용 skill형 도구입니다. 14개 sub-skill을 agent의 skill 디렉터리에 연결해 여러 콘텐츠 프로젝트에서 동일한 작업 흐름을 사용할 수 있습니다. Python 저장소로 분류되어 있지만 README의 실제 사용 방식은 Python 라이브러리 호출보다 Claude Code와 Codex 명령을 통한 agent 확장에 가깝습니다.
• 게시 전 score와 blind prediction을 기록하고 게시 후 T+3d retro로 실제 성과를 대조하는 순환 구조입니다. 기록된 오차가 누적되면 scoring rubric을 다시 평가하고 과거 샘플 전체 재채점과 교차 모델 감사를 거쳐 새 공식을 적용합니다. 감에 의존해 콘텐츠를 반복 게시하는 대신 채널별 판단 기준을 계속 갱신하려는 제작자에게 맞습니다.
• 초기 설정은 저장소를 clone한 뒤 install.sh를 실행하고, 콘텐츠 프로젝트에서 cheat-on-content 초기화를 호출하는 방식입니다. 온보딩은 다섯 개 yes/no 질문으로 진행되며 benchmark account의 5~10개 샘플을 가져오면 판단 기준의 초기 anchor로 활용할 수 있습니다. Claude Code가 기본 지원 대상이고 Codex 전용 설치와 양쪽 동시 설치, 복사 방식 및 제거 스크립트도 제공됩니다.
• score, start prediction, shot, shipped, retro, status 같은 명령으로 대본 평가부터 게시 기록과 사후 회고까지 이어집니다. blind prediction은 실제 성과가 노출되지 않은 상태에서 예측과 의사결정 로그를 남기고, shipped 뒤 T+3d 데이터가 들어오면 예측 오차를 확인하는 흐름입니다. 콘텐츠 파일과 프로젝트 운영 데이터를 이미 관리하는 사용자라야 이 구조의 이점을 충분히 활용할 수 있습니다.

벤치마크