TL;DR

Cangjie Skill은 책과 긴 영상, 팟캐스트의 방법론을 실행 가능한 AI 스킬 패키지로 전환하는 파이프라인으로, Adler 기반의 전체 이해에서 시작해 5개의 병렬 추출기와 삼중 검증을 통해 후보를 선별한다. 선별된 항목은 R/I/A1/A2/E/B 구조로 재구성되어 실행 단계와 한계가 명시된 SKILL.md 형태로 출력되고 Zettelkasten 링크와 압력 테스트로 품질을 확보한다. 생성 결과물은 BOOK_OVERVIEW.md, INDEX.md, DIGEST.md, GLOSSARY.md, 개별 SKILL.md 및 test-prompts.json으로 구성되어 실제 에이전트 환경에 설치해 호출 가능한 형태로 배포된다. 이 접근은 단순 요약을 넘어 재현 가능한 실행 지침을 만드는 데 초점을 맞추며, 긴 미디어의 핵심 방법론을 에이전트가 직접 재사용하도록 만드는 데 가치를 둔다.

주요 기능

• 원문을 Adler 기반의 전체 이해로 분해해 BOOK_OVERVIEW.md를 생성한다.
• 병렬 추출기로 프레임·원칙·사례·반례·용어를 동시에 추출해 후보 스킬 단위를 생산한다.
• 삼중 검증 기준으로 후보를 선별하고 R/I/A1/A2/E/B 구조로 정형화해 재현 가능한 실행 지침을 만든다.
• Zettelkasten 방식으로 스킬 간 의존성과 조합 관계를 찾아 INDEX.md와 호출 가능한 모듈로 연결한다.

어떻게 동작하는가

Cangjie Skill은 7단계 파이프라인으로 동작하며 먼저 Adler 분석으로 전체 내용을 구조화해 BOOK_OVERVIEW.md를 생성한다. 그 다음 5개의 병렬 추출기(framework, principle, case, counterexample, glossary)가 후보 방법론 단위를 추출하고 각 후보는 원문 내 복수 근거, 예측력, 비상식성의 세 가지 검증을 거쳐 선별된다. 검증 통과 항목은 R/I/A1/A2/E/B의 여섯 차원으로 재구성되어 실행 단계와 경계가 명시된 스킬로 포장되며 Zettelkasten 링크와 압력 테스트를 통해 실사용 가능성을 확보한다.

해결 문제

읽거나 시청한 고부가가치 장문 콘텐츠의 핵심 방법론이 개인의 메모나 요약에 머물러 실제 의사결정에서 호출되지 않는 문제를 해결한다. 이 프로젝트는 요약이 아닌 실행 가능한 형태로 방법론을 추출해 agent가 상황에 따라 재사용하고 조합할 수 있도록 스킬 팩으로 전환한다. 또한 긴 영상이나 팟캐스트처럼 학습 데이터에 미반영된 콘텐츠에서도 자가적으로 방법론을 구조화해 재현 가능한 도구로 만든다.

지금 주목받는 이유

리포지토리는 책·긴 영상·팟캐스트에서 방법론을 추출해 실제로 호출 가능한 스킬로 만드는 접근을 제시하며 기존의 요약 중심 도구와 차별화되는 구체적 출력물과 다수의 예시 스킬팩을 통해 관심을 받고 있다.

차별점

• 원문 근거 2곳 이상·예측력·비상식성의 삼중 검증을 통해 후보 스킬의 품질을 엄격하게 보증한다.
• R/I/A1/A2/E/B의 여섯 축으로 스킬을 구조화해 단순 요약이 아닌 실행 가이드와 경계 정보를 동시에 제공한다.
• 스킬을 Zettelkasten 방식으로 연결해 모듈 간 조합과 의존성을 명시적으로 관리하므로 복합 시나리오에서 재사용성과 테스트가 용이하다.

사용 사례

• 읽은 책이나 시청한 긴 영상의 핵심 방법론을 agent가 직접 실행 가능한 스킬로 변환해 실제 업무 흐름에서 자동으로 활용할 수 있다.
• 교육용 강의나 팟캐스트의 전사 텍스트를 입력해 구조화된 스킬 팩을 생성하고 테스트 케이스로 검증해 학습 콘텐츠를 실무 도구로 전환할 수 있다.
• 도출된 스킬을 Claude Code나 OpenClaw의 skills 디렉터리에 설치해 대화형 에이전트가 상황별로 해당 방법론을 호출해 문제 해결을 지원하도록 구성할 수 있다.