CODEZ 오리지널 가이드 / 01
Agent Skill 선택 방법: Star 순위에서 실제 시험 사용까지
목록을 활용하면 검색 범위를 좁힐 수 있습니다. 실제 선택은 해당 기술이 사용 환경에서 특정 작업을 수행할 수 있는지 여부에 달려 있습니다. 이 가이드에서는 재사용 가능한 필터링 방법을 제공합니다.
자료 확인:
형식과 프로젝트 관련 사실은 링크된 원본 자료에서 가져왔으며, 선정 절차와 검수 기준은 CODEZ의 편집 제안입니다. PDF 후보는 실제 수록된 항목이며, 고정된 커밋의 원문을 기준으로 비교했습니다. 이러한 타사 Skill은 실행하지 않았으며, 예시는 실제 테스트 결과가 아닙니다.
01 / 먼저 필요한 기술이 무엇인지 결정하세요
Agent Skill은 보통 폴더로 구성됩니다. SKILL.md는 메타데이터와 작업 설명을 제공하며 스크립트, 참고 자료, 템플릿이 포함될 수도 있습니다. 형식 명세의 compatibility 필드는 환경 요구 사항을 설명할 수 있지만 선택 사항입니다. 비어 있어도 본문과 의존성을 확인해야 합니다.
먼저 입력, 출력, 인수 조건을 적으세요. 예를 들면 ‘텍스트 층이 있는 PDF의 표를 열 이름을 유지한 CSV로 추출하기’입니다. ‘문서를 처리해 주세요’는 범위가 너무 넓어 후보의 적합성을 판단하기 어렵습니다.
02 / 저장소의 Star가 알려주는 것
GitHub의 별점은 프로젝트를 북마크하고 관리자의 노고에 감사를 표현하는 데 사용할 수 있습니다. 따라서 우리는 이를 프로젝트의 인기도를 파악하는 단서로 활용합니다.
이 사이트의 순위는 저장소의 Star 수를 사용합니다. 수백 개의 Skill이 있는 저장소의 관심도는 일부 콘텐츠에서 비롯될 수 있으며, 전체 Star 수를 개별 Skill에 나눠 배정할 수는 없습니다. 서로 다른 저장소의 Skill을 비교할 때는 먼저 작업 적합성을 비교하고, 인기도는 보조 자료로 사용하세요.
최근 업데이트 날짜는 정보를 찾는 데 도움을 줄 뿐입니다. 관련 없는 변경 사항 하나만으로 필요한 기능이 수정되었다고 볼 수는 없습니다. 해당 디렉터리의 커밋, 예제 및 이슈 로그를 확인해야 합니다.
03 / 요구사항을 검사 가능한 조건으로 변환
다음 조건은 인기 순위만 보는 것보다 설명과 사후 검증이 쉽습니다. 후보가 충족한 조건의 수를 정밀해 보이는 총점 하나로 합칠 필요는 없습니다.
| 시나리오 | 첫 번째 확인 | 시험 사용 중 관찰하십시오 |
|---|---|---|
| 문서 및 스프레드시트 처리 | 입력 유형, 출력 형식, 시스템 종속성 | 열 이름·문자 인코딩·레이아웃·데이터가 손실되는가 |
| 코드 및 개발 워크플로 | 대상 언어, 프레임워크 버전 및 필요한 도구 | 변경 범위, 오류 피드백 및 프로젝트 검사 통과 여부. |
| 연구 및 자료 정리 | 출처 범위, 인용 요건 및 네트워크 조건 | 인용 출처를 추적할 수 있습니까? 결론이 증거를 넘어서는 것은 아닙니까? |
04 / 원본 파일을 열고 환경 및 작동 범위를 확인합니다.
이 사이트의 카드에서 SKILL.md를 열고 같은 디렉터리의 README도 읽으세요. 중국어 README는 설명 이해를 돕지만, 언어판이 모두 있어도 스킬이 적합함을 입증하지는 않습니다. 중국어판이 없으면 원문에서 핵심 조건을 확인하세요.
시도하기 전에 이 정보를 적어 두세요:
- 운영 환경: 지원되는 클라이언트, 운영 체제, 명령줄 도구 및 명시적으로 언급된 버전 요구 사항.
- 작업 범위: 어떤 파일을 읽거나 수정할 것인지, 어떤 외부 서비스를 호출할 것인지, 그리고 자격 증명이 필요한지 여부.
- 추가 자료: 본문에 인용된 스크립트와 참조 파일이 실제로 존재하는가? 실행된 명령은 어떤 작업을 수행하는가?
- 사용 조건: 프로젝트와 스킬 디렉터리의 라이선스 파일을 읽으세요. 이 사이트의 ‘명시되지 않음’ 또는 ‘검증 대기’는 아직 정보를 확인하지 못했다는 뜻입니다.
- 재현 가능한 정보: 나중에 동일한 콘텐츠를 찾지 못하는 상황을 방지하기 위해 시험 중에 저장소 주소, 특정 스킬 경로 및 커밋 버전을 기록하십시오.
05 / 같은 작은 작업으로 후보 비교하기
작업에 가장 적합한 후보를 두세 개 선택하고, 복구 가능한 테스트 복사본에서 동일한 비민감성 입력값을 사용하여 테스트하십시오. 실제 클라이언트의 설치 지침에 따라 처음 사용할 때는 현재 필요한 기능만 활성화하십시오.
시작하기 전에 성공 조건을 정의하십시오. 테이블 추출의 경우 행 수, 열 이름 및 null 값을 확인하고, 코드 수정의 경우 대상 기능, 수정된 파일 및 기존 프로젝트 검사를 확인하십시오. 실행이 실패하면 오류 및 환경 정보를 기록하십시오. 실패 원인을 모델이나 스킬 자체로 바로 단정짓지 마십시오.
필요한 모든 수동 수정 사항, 추가 도구, 외부 서비스 비용 및 완료 시간을 기록하십시오. 반복적인 작업에 일관된 기록 방식을 사용하면 결과물에 대한 단일 인상에만 의존하는 것보다 의사 결정을 내리기가 더 쉬워집니다.
- 후보와 버전: 저장소 / 스킬 경로 / 커밋.
- 입력 및 환경: 샘플/운영 체제/클라이언트 및 종속성.
- 결과와 수정: 통과한 검수 항목과 수동 처리가 필요한 항목.
- 자원 및 의사 결정: 사용된 서비스, 시간 및 비용, 그리고 채택 또는 연기 이유.
06 / 실제 후보: 이름이 같은 두 PDF 스킬 중 무엇을 고를까?
이 사이트에는 anthropics/skills의 skills/pdf/SKILL.md와 openai/skills의 skills/.curated/pdf/SKILL.md가 수록되어 있습니다. 두 Skill의 이름은 모두 pdf입니다. 같은 이름의 항목을 동일한 지침으로 혼동하지 않도록 저장소와 전체 경로를 먼저 기록하세요. 아래 표는 원문의 작업 초점을 비교하며, 기능이 서로 배타적이라는 뜻이 아니고 Star 수로 정확도를 판단한 것도 아닙니다.
Anthropic 문서에서는 텍스트 및 표 추출, 페이지 조작, 생성, 스캔 문서의 OCR 등 다양한 PDF 조작 기술의 예시를 제공하고, 양식 처리는 FORMS.md 파일을 참조하도록 안내합니다. OpenAI 문서에서는 읽기, 생성 및 레이아웃 검토를 강조하며, 페이지 렌더링 후와 주요 업데이트 후 다시 한번 검토해야 한다고 명시하고 있습니다. 텍스트 추출만으로는 레이아웃의 정확성을 입증하기에 불충분합니다.
| 후보 및 전체 경로 | 원문의 주요 내용 | CODEZ는 이 부분을 먼저 확인해 볼 것을 권장합니다. | 아직 검증이 필요합니다 |
|---|---|---|---|
| anthropics/skills / skills/pdf/SKILL.md | 추출, 페이지 처리, 생성 및 OCR 등 각 작업에 대한 예시가 제공됩니다. | 테이블을 추출하거나 스캔한 문서를 처리할 때는 먼저 해당 작업과 종속성을 확인하십시오. | 표 구조, OCR 언어 및 정확도, 인용된 출처 및 도구의 가용성 |
| openai/skills / skills/.curated/pdf/SKILL.md | 페이지를 생성하고 검토한 후, 페이지 렌더링을 통해 레이아웃을 확인합니다. | 읽기 쉬운 보고서가 필요한 경우, 먼저 렌더링 및 검사 프로세스를 확인하십시오. | 글꼴, 표, 페이지 번호 및 페이지 매김; 텍스트가 실제 환경에서 제대로 표시될 수 있는지 여부. |
07 / ‘추출 성공’을 검증 가능한 인수 조건으로 나누기
다음은 제안하는 시험 설계이며 실행한 테스트가 아닙니다. 동일한 두 페이지짜리 비민감 재고 목록으로 후보를 비교합니다. 자재 번호 0017, 중국어 열 이름, 빈 설명란, 두 번째 페이지의 반복 머리글, 병합 셀 한 곳을 포함합니다. 먼저 예상 결과를 사람이 확인하고 원본 페이지 번호와 파일 사본을 보관하세요.
시작하기 전에 입력에서 텍스트를 선택할 수 있는지 확인하고 소량의 텍스트 추출을 시도하십시오. 선택 및 추출 검사는 참고 자료로만 활용해야 합니다. 텍스트 레이어가 있다고 해서 표 구조가 정확하다는 보장은 없으며, 기존 OCR 텍스트가 포함된 스캔 문서에도 오류가 있을 수 있습니다. OCR이 필요한 경우 사용 언어와 시스템 도구를 기록하고, 누락된 종속성은 환경 문제로 기록해야 합니다.
- 후보의 커밋, 클라이언트, 모델, 도구 버전과 입력 유형을 기록하세요. 환경 차이를 Skill 차이로 오해하지 않도록 합니다.
- 수동으로 수정된 줄과 그 이유, 실행 시간, 실제로 호출된 서비스를 기록하십시오. 측정되지 않은 데이터는 비워 두십시오.
- 모든 승인 기준이 충족될 경우에만 해당 결론이 인정됩니다. 샘플이 통과하더라도 실제 입력값에 대한 검증이 필요합니다.
| 검사 항목 | 결과 검증 필요 | 실패를 다루는 방법 |
|---|---|---|
| 자재 번호 | 0017은 선행 0을 유지하며 자동으로 17로 변경될 수 없습니다. | 필드 유형을 명확히 한 후 데이터를 다시 추출하고 각 항목을 확인합니다. |
| 여러 페이지에 걸친 표 | 두 번째 페이지의 헤더는 데이터로 계산되지 않으며, 레코드가 손실되거나 중복되지 않습니다. | 페이지 번호는 유지하고, 각 페이지의 줄 수를 확인한 다음 페이지들을 병합하세요. |
| 중국어 문자 및 null 값 | 열 이름을 읽을 수 있고 빈 설명란은 비워 두며 추측으로 채우지 않기 | 인코딩 및 필드 위치를 확인하고 복구할 수 없는 위치를 표시하십시오. |
| 셀 병합 | 설명 값이 올바른 레코드에 연결되고, 분할 규칙이 명확히 기록되어 있음 | 원본 영역을 보존하고 사람이 매핑 규칙을 결정하기 |
| 출력 보고서 형식 | 렌더링된 콘텐츠에는 잘림, 겹침 또는 누락된 문자가 없습니다. | 글꼴이나 레이아웃을 수정하고 최종 렌더링 결과를 확인하세요. |
08 / 카테고리, 라이선스 및 종속성은 세 가지 별도의 검사입니다.
원문에 따라 두 PDF 항목의 분류를 각각 ‘디자인’과 ‘개발’에서 ‘문서’로 수정했습니다. 주요 입력과 출력은 PDF이며, Python 코드와 렌더링 도구는 작업을 수행하는 수단입니다. 단일 분류는 후보를 찾는 데 도움이 되지만, 추출과 레이아웃 검토 중 어느 작업에 더 적합한지는 판단할 수 없습니다.
두 항목 모두 자체 LICENSE.txt가 있으며 이 사이트는 ‘라이선스 파일 검증 대기’ 라벨을 유지합니다. 각 디렉터리의 원본 라이선스를 읽으세요. 저장소가 공개되어 있거나 소속 조직이 유명하다는 이유만으로 자유로운 사용을 추정하지 마세요.
각 작업마다 종속성 목록을 확인해야 합니다. 파이썬 라이브러리를 설치한다고 해서 시스템 렌더링 도구나 OCR 환경을 사용할 수 있는 것은 아닙니다. 이 문서는 특정 클라이언트와의 호환성을 보장하지 않습니다. 누락된 도구, 검증되지 않은 단계, 사용 제한 사항 등을 의사 결정 로그에 기록해 두십시오.
09 / Cloudflare Skill: 프로젝트 설정과 자격 증명을 먼저 확인하기
이 절은 2026-10-14에 cloudflare/skills / skills/cf-cli/SKILL.md의 고정 커밋과 공식 문서를 확인했습니다. 아래 내용은 CODEZ의 선택 및 시험 사용 제안이며, 이 Skill을 실행하지 않았습니다.
cf는 Wrangler 로그인을 재사용하지 않습니다. 계정과 토큰 권한을 먼저 확인하고, 환경 차이를 Skill 차이로 오인하지 않도록 CLI 버전, 설정, 대상 리소스를 기록합니다.
| 시나리오 | 첫 번째 확인 | 시험 사용 중 관찰하십시오 |
|---|---|---|
| wrangler.jsonc, wrangler.json 또는 wrangler.toml이 있고 cloudflare.config.ts는 없음 | 먼저 Wrangler의 dev, build, deploy 흐름을 유지합니다. cf 프로젝트 명령은 이 기존 설정을 읽지 않습니다. | Skill이 제안하는 명령과 파일 변경을 먼저 검토하고, 설정 마이그레이션 여부는 별도로 결정합니다. |
| cloudflare.config.ts가 이미 있음 | cf 프로젝트 흐름에 따라 dev, build, deploy를 확인합니다. CLI는 beta 단계이며, 분류가 호환성을 입증하지는 않습니다. | Node.js 22.18 이상과 대상 계정을 확인하고, 테스트 복사본에서 빌드 출력과 대상 Worker를 점검합니다. |
cloudflare/skills / skills/cf-cli/SKILL.md ↗