Menu
Task JSON 파일을 채널톡에 업로드(생성/수정). channelId, x-account, 파일 경로를 받아 ALF Task API를 직접 호출한다.
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
| name | settings-task |
| description | Task JSON 파일을 채널톡에 업로드(생성/수정). channelId, x-account, 파일 경로를 받아 ALF Task API를 직접 호출한다. |
| user-invocable | true |
| argument-hint | <filePath> <channelId> <xAccount> [env] [taskId] |
Task JSON 파일을 채널톡 ALF Task API에 업로드합니다.
$ARGUMENTS를 아래 순서로 파싱한다. 누락된 필수 인자는 사용자에게 질문한다.
| 위치 | 이름 | 필수 | 설명 | 기본값 |
|---|---|---|---|---|
$0 | filePath | O | Task JSON 파일 경로 | — |
$1 | channelId | O | 채널 ID | — |
$2 | xAccount | O | 인증 토큰 (x-account) | — |
$3 | env | X | prod 또는 exp | prod |
$4 | taskId | X | 기존 Task 수정 시 Task ID | — |
| env | ALF Host |
|---|---|
prod | https://front-alf-desk-api.channel.io |
exp | https://front-alf-desk-api.exp.channel.io |
Read 도구로 filePath의 JSON 파일을 읽는다. 파일 구조가 아래 두 형태 중 하나인지 확인:
{"task": {...}, "taskEditorPosition": {...}} — 그대로 사용{"name": "...", "nodes": [...], ...} — wrapper로 감싼다:
{"task": <원본 JSON>, "taskEditorPosition": {"nodePositions": {}, "edgePositions": {}}}
taskEditorPosition이 원본에 포함되어 있으면 분리해서 wrapper에 넣는다.
taskId가 없으면 (신규 생성) folderId가 필요하다.
Task JSON에 folderId가 이미 있으면 그대로 사용. 없으면 조회:
curl -s -X GET \
"{ALF_HOST}/desk/channels/{channelId}/front-alf/v2/task/folders/root/contents" \
-H "Content-Type: application/json" \
-H "x-account: {xAccount}" \
-H "Cookie: x-account={xAccount}"
응답의 childFolders[0].id를 folderId로 사용. 폴더가 없으면:
curl -s -X POST \
"{ALF_HOST}/desk/channels/{channelId}/front-alf/v2/task/folders" \
-H "Content-Type: application/json" \
-H "x-account: {xAccount}" \
-H "Cookie: x-account={xAccount}" \
-d '{"name": "기본"}'
task 객체에 "folderId": "<조회한 ID>"를 추가한다.
신규 생성 (taskId 없음):
curl -s -X POST \
"{ALF_HOST}/desk/channels/{channelId}/front-alf/v2/tasks" \
-H "Content-Type: application/json" \
-H "x-account: {xAccount}" \
-H "Cookie: x-account={xAccount}" \
-d '<wrapper JSON>'
수정 (taskId 있음):
curl -s -X PUT \
"{ALF_HOST}/desk/channels/{channelId}/front-alf/v2/tasks/{taskId}" \
-H "Content-Type: application/json" \
-H "x-account: {xAccount}" \
-H "Cookie: x-account={xAccount}" \
-d '<wrapper JSON>'
frontAlfTask.id와 name을 사용자에게 알려준다.스킬 디렉토리의 upload-task.sh를 직접 실행할 수도 있다:
~/.claude/skills/settings-task/upload-task.sh <file_or_dir> <channel_id> <x_account> [env] [task_id]
*.json 전부 업로드taskEditorPosition 포함)targetMediums는 객체 배열: [{"mediumType": "native"}] (문자열 배열 아님)This sop executes automated clustering and tagging of customer support chat data through a Python pipeline, producing clustered data, cluster tags, and a comprehensive analysis report for Stage 2 (Pattern Extraction). The agent orchestrates the Python clustering script, monitors execution, validates outputs, and generates an analysis report to guide subsequent extraction work. **Language:** Auto-detects Korean (한국어) or Japanese (日本語) from user input.
Generate an ALF implementation package from all pipeline outputs. Produces rules draft, RAG knowledge items, dialog type cross-analysis heatmap, automation feasibility analysis, ROI calculation, task flowcharts (05_sales_report/tasks/), API requirements doc, and final ALF implementation guide. **Language:** Auto-detects Korean (한국어) or Japanese (日本語) from user input.
Split rules_draft.md into individual rule files and expand rag_items.md into standalone RAG knowledge documents for direct ALF registration.
Generate a client-facing deployment scenario and QA set from pipeline outputs (Stages 1-6). Maps consultation categories to resolution methods (RAG/Task) and deployment steps, with test queries per category. Outputs HTML + Markdown, optionally publishes to Notion.
Complete end-to-end pipeline for transforming Excel customer support data into production-ready Agent SOP documents, flowcharts, ALF implementation package, individual ALF registration files, and client-facing deployment scenario through 7 stages.
Channel.io 봇의 RAG 응답 품질을 Playwright로 자동 테스트합니다.