| name | meta-skill-tester |
| description | 스킬 품질 자동 검증 도구. 생성된 스킬의 테스트 케이스를 실행하고 baseline 대비 개선을 측정합니다.
A/B 테스트, 회귀 테스트, 체인 테스트 + 4차원 스코어링 루브릭을 단일 스킬에 내장하여 self-contained로 동작합니다.
다음과 같은 요청 시 반드시 이 스킬을 사용하세요:
- "스킬 테스트해줘", "스킬 검증", "meta-skill-tester"
- "이 스킬 품질 확인해줘", "A/B 테스트"
- "스킬 회귀 테스트", "스킬 체인 테스트"
- "스킬 루브릭 스코어링", "4차원 평가"
- meta-skill-builder Phase 5 이후 검증이 필요할 때
- /harness 커맨드의 test 단계로 진입할 때
|
| user-invocable | false |
| version | 1.1.0 |
Skill Tester — 스킬 품질 검증 도구 (루브릭 + 체인 내장)
moai-coworker | revfactory/harness 테스트 방법론 기반
single source of truth for: 4차원 스코어링 루브릭, 스킬 체인 검증 프로토콜
개요
meta-skill-builder로 생성된 스킬 또는 기존 스킬의 품질을 검증합니다. harness의 A/B 테스트 방법론을 구현하여 baseline(스킬 없음)과 with-skill(스킬 사용)을 비교하며, 4차원 스코어링 루브릭과 체인 검증 프로토콜을 본문에 직접 포함하여 별도 rules 파일 참조 없이 단독으로 동작합니다.
트리거 키워드
스킬 테스트 검증 A/B 테스트 baseline 회귀 테스트 체인 테스트 meta-skill-tester 품질 측정 루브릭 스코어링 4차원 평가
워크플로우
1. [로드] → 대상 스킬의 tests/test-cases.yaml 로드
2. [선택] → 테스트 모드 선택 (A/B | 회귀 | 체인 | 루브릭 단독)
3. [실행] → 테스트 프롬프트를 Claude Code에 실행
4. [측정] → 토큰 사용량, 출력 품질, 시간 측정
5. [스코어] → 4차원 루브릭 가중 평균 산출
6. [비교] → baseline vs with-skill 결과 비교
7. [보고] → 스코어 리포트 생성
실행 규칙
테스트 모드
Mode 1: A/B 테스트 (신규 스킬 검증)
meta-skill-builder Phase 5에서 사용하는 기본 모드입니다.
절차:
- Baseline 실행: 스킬 없이 동일 프롬프트를 Claude Code에 실행
- With-Skill 실행: 스킬 로드 후 동일 프롬프트 실행
- 비교 측정:
| 메트릭 | 측정 방법 | 개선 기준 |
|---|
| 토큰 사용량 | input + output 토큰 | -10% 이상 감소 |
| 출력 품질 | 루브릭 스코어 | +0.15 이상 향상 |
| 정확성 | assertion 통과율 | 80% 이상 |
| 완전성 | 필수 출력 포함 여부 | 100% |
샘플 사이즈 가이드:
| 예상 개선율 | 최소 샘플 수 |
|---|
| >= 20% | 2-3회 |
| 10-20% | 3-5회 |
| < 10% | 5회 이상 |
Mode 2: 회귀 테스트 (기존 스킬 수정 후)
스킬 수정 시 기존 테스트 케이스가 여전히 통과하는지 확인합니다.
절차:
- 수정 전 마지막 테스트 결과를 baseline으로 로드
- 수정 후 동일 테스트 케이스 재실행
- 비교: 기존 통과 항목이 미통과로 변경되면 regression
회귀 판정:
| 변화 | 판정 |
|---|
| 기존 통과 → 여전히 통과 | PASS |
| 기존 통과 → 미통과 | REGRESSION (수정 롤백 필요) |
| 기존 미통과 → 통과 | IMPROVEMENT |
| 새로운 테스트 추가 | INFO (비교 불가) |
Mode 3: 체인 테스트 (스킬 조합 검증)
여러 스킬이 순차적으로 연결되는 체인을 테스트합니다. 프로젝트에 정의된 모든 스킬 체인이 검증 대상입니다.
3-1. Chain Definition Format
chain:
name: "blog-publishing"
description: "Blog post creation → AI slop review → optional media generation"
steps:
- skill: "moai-marketer:content-blog"
output_type: "markdown"
provides: ["blog_draft"]
- skill: "moai-coworker:ai-slop-reviewer"
input_from: ["blog_draft"]
output_type: "markdown"
provides: ["reviewed_draft"]
- skill: "moai-media:media-higgsfield-image"
input_from: ["reviewed_draft"]
output_type: "image_url"
optional: true
provides: ["cover_image"]
3-2. Test Design Rules
Happy Path Test — 전체 체인을 대표 입력으로 실행하고 다음을 검증:
- 각 단계 출력이 다음 단계 입력 스키마와 호환
- 최종 출력이 문서화된 기대치와 일치
- 단계 간 데이터 손실 없음
Failure Propagation Test — 각 단계 실패를 시뮬레이션:
- 체인이 우아하게 정지하는가?
- 어느 단계가 실패했는지 사용자에게 전달되는가?
- 실패 지점에서 재개 가능한가?
Optional Step Test — 선택적 단계가 있는 체인:
- 선택 단계를 건너뛰어도 체인이 완료되는가
- 선택 단계가 실패해도 체인이 완료되는가
- 선택 단계 출력 없이도 결과가 유의미한가
Output Compatibility Test — 각 단계 경계에서:
- 출력 스키마가 다음 단계 기대 입력과 일치
- 언어 일관성 (한국어 출력 → 한국어 입력)
- 형식 일관성 (markdown → markdown)
3-3. Test Case Template
## Chain Test: <chain-name>
### TC-1: Happy Path
- Input: <대표 프롬프트>
- Expected Step 1 output: <설명>
- Expected Step 2 output: <설명>
- Expected Final output: <설명>
- Pass criteria: 모든 단계가 기대 출력 생성, 최종 결과 사용 가능
### TC-2: Step <N> Failure
- Input: <단계 N 실패 유발 프롬프트>
- Expected behavior: <체인 정지 / 건너뜀 / 재시도>
- Pass criteria: 사용자에게 전달, 데이터 손실 없음
### TC-3: Optional Step Skip
- Input: <선택 단계 트리거 없는 프롬프트>
- Expected behavior: <선택 단계 없이 체인 완료>
- Pass criteria: 최종 출력이 선택 단계 기여 없이도 유의미함
3-4. Known Chains
| Chain | Steps | Status |
|---|
| 사업계획서(PPT) | consult-strategy → doc-pptx → ai-slop-reviewer | 검증 대상 |
| 블로그 발행 | content-blog → ai-slop-reviewer → (optional) media-higgsfield-image | 검증 대상 |
| 제품 랜딩 | content-copywriting → marketing-landing-page → ai-slop-reviewer | 검증 대상 |
3-5. 회귀 통합
체인 내 어떤 스킬이 수정되면:
- 해당 스킬을 포함하는 모든 체인 테스트 재실행
- 단계 경계 출력 호환성 집중 검증
- 출력 스키마 변경 시 다운스트림 스킬 동반 갱신
Mode 4: 루브릭 단독 (Standalone Scoring)
특정 스킬의 SKILL.md 본문만으로 4차원 스코어링을 수행합니다. A/B 비교 없이 절대 평가가 필요할 때 사용합니다.
스코어링 루브릭 (4차원 가중 평균)
모든 스킬(신규/수정)은 출시 전 본 루브릭으로 스코어링되어야 합니다.
차원 정의
| 차원 | 가중치 | 핵심 질문 |
|---|
| Correctness (정확성) | 30% | 출력이 의도한 목적을 달성하는가? |
| Completeness (완전성) | 25% | 에지 케이스와 일반 변형을 다루는가? |
| Clarity (명확성) | 25% | 사용자가 이해하고 결과를 활용할 수 있는가? |
| Efficiency (효율성) | 20% | 출력 품질 대비 토큰 사용량이 적정한가? |
Correctness — 30%
| 점수 | 설명 |
|---|
| 1.0 | 명시된 목적을 사실 오류 없이 완전히 달성. 모든 스킬 내 예시가 정확한 결과 산출. |
| 0.75 | 목적 달성하나 형식·스타일에서 경미한 편차. 사실 오류 없음. |
| 0.50 | 목적 대부분 달성하나 1-2개 핵심 측면 누락 또는 경미한 부정확성. |
| 0.25 | 목적 일부만 다룸. 큰 격차 또는 오류 존재. |
Completeness — 25%
| 점수 | 설명 |
|---|
| 1.0 | 문서화된 모든 use case 처리. 에지 케이스 커버. 에러 경로 문서화. 적용 안 될 때 대체 스킬 명시. |
| 0.75 | 핵심 use case 처리. 대부분 에지 케이스 커버. 에러 처리 존재하나 불완전. |
| 0.50 | 주요 use case 동작. 에지 케이스 미커버. 에러 처리 최소. |
| 0.25 | happy path만 동작. 에지 케이스 처리 없음. 에러 시 silent failure. |
Clarity — 25%
| 점수 | 설명 |
|---|
| 1.0 | 재독 없이 실행 가능. 워크플로우 명확. 출력 형식 예측 가능. 예시가 복사·붙여넣기 사용 가능. |
| 0.75 | 1회 독해 후 이해. 1-2 단계에서 미세한 모호성. 예시는 유용하나 변형 필요. |
| 0.50 | 섹션 재독 필요. 일부 단계 해석 여지. 예시는 있으나 추상적. |
| 0.25 | 워크플로우 혼란. 단계 해석 여지 큼. 구체적 예시 없음. |
Efficiency — 20%
| 점수 | 설명 |
|---|
| 1.0 | 출력 품질 대비 토큰 사용 최적. 중복 지시 없음. 점진적 공개 잘 활용. 필요할 때만 로드. |
| 0.75 | 토큰 사용 합리적. 경미한 중복 가능. 점진적 공개 대체로 효과적. |
| 0.50 | 토큰 사용 필요 대비 높음. 일부 섹션 단축 가능. 점진적 공개 미활용. |
| 0.25 | 과도한 토큰 사용. 보일러플레이트 大. 점진적 공개 부재. |
통과 기준
- 최저 통과: 가중 평균 >= 0.70
- 단일 차원 floor: 어떤 차원도 0.50 미만이면 hard fail
- 신규 스킬: 첫 평가에서 >= 0.75 필요
가중 점수 계산
score = (correctness * 0.30) + (completeness * 0.25) + (clarity * 0.25) + (efficiency * 0.20)
평가 절차
- Self-evaluation: 스킬 작성자가 본 루브릭으로 self-score
- Peer evaluation: 두 번째 평가자가 독립 스코어링 (Complex tier 권장)
- Gap resolution: 차원별 점수 차이 > 0.15 시 토론·해결
- Final score: 모든 평가자 평균
스킬 Tier 통합
| 스킬 Tier | 필요 점수 | 평가 |
|---|
| Simple (<50줄) | >= 0.70 | Self-evaluation |
| Standard (50-150줄) | >= 0.70 | Self + 권장 peer |
| Complex (150줄+) | >= 0.75 | Self + 필수 peer |
Anti-Pattern Checks (boundary-verification 통합)
통과 점수 확정 전 다음을 확인:
Test Case Format
각 스킬의 tests/test-cases.yaml 파일 형식:
skill: <skill-name>
version: 0.1.0
test_cases:
- id: TC-001
name: "happy-path"
prompt: |
<사용자 프롬프트>
assertions:
- type: contains
value: "<출력에 포함되어야 할 문자열>"
- type: not_contains
value: "<출력에 포함되지 않아야 할 문자열>"
- type: format
value: "<markdown|json|text|html>"
quality_threshold:
correctness: 0.75
completeness: 0.70
clarity: 0.70
efficiency: 0.60
- id: TC-002
name: "edge-case"
prompt: |
<경계 조건 프롬프트>
assertions:
- type: handles_gracefully
value: true
Score Report Format
테스트 완료 후 생성되는 리포트:
## Skill Test Report: <skill-name>
### Summary
- Mode: A/B Test
- Date: YYYY-MM-DD
- Result: PASS / FAIL
### Scores
| Dimension | Baseline | With-Skill | Delta |
|-----------|----------|------------|-------|
| Correctness | 0.65 | 0.85 | +0.20 |
| Completeness | 0.60 | 0.80 | +0.20 |
| Clarity | 0.70 | 0.80 | +0.10 |
| Efficiency | 0.75 | 0.80 | +0.05 |
| **Weighted** | **0.67** | **0.81** | **+0.14** |
### Token Usage
- Baseline: XXXX tokens
- With-Skill: XXXX tokens
- Delta: -XX%
### Assertions
- TC-001: PASS (3/3 assertions)
- TC-002: PASS (2/2 assertions)
### Anti-Pattern Audit
- [x] 중복 없음
- [x] 하드코딩 없음
- [x] 모든 예시 real
### Recommendation
<APPROVE for release / NEEDS revision on [dimension]>
사용 예시
예시 1: 신규 스킬 A/B 테스트
"meta-skill-tester로 collab-sales-playbook 스킬 A/B 테스트해줘"
예시 2: 회귀 테스트
"content-blog 스킬 수정했는데 회귀 테스트해줘"
예시 3: 체인 테스트
"content-blog → ai-slop-reviewer 체인 테스트 실행해줘"
예시 4: 루브릭 단독 평가
"consult-gov-grant 스킬을 4차원 루브릭으로만 평가해줘"
출력 형식
| 산출물 | 형식 | 설명 |
|---|
| Score Report | 마크다운 | 4차원 루브릭 스코어 + assertion 결과 + anti-pattern audit |
| Test Results | YAML | 테스트 케이스별 상세 결과 |
주의사항
- A/B 테스트는 동일 모델, 동일 조건에서 실행해야 합니다
- 토큰 사용량은
/cost 명령으로 확인합니다
- 자동화된 CI 통합은 추후 Phase 4에서 구현 예정입니다
- 테스트 프롬프트에 민감 정보(실제 고객명 등)를 포함하지 마세요
- 본 SKILL.md는 4차원 루브릭과 체인 프로토콜의 single source입니다.
.claude/rules/harness/quality/ 의 동명 파일은 redirect stub이며 본문은 여기를 참조합니다.
관련 스킬
| 스킬 | 관계 | 설명 |
|---|
| meta-skill-builder | before | 스킬 생성 후 테스트 실행 |
| meta-skill-template | before | 템플릿 기반 스킬 구조 정의 |
| ai-slop-reviewer | alternative | 텍스트 품질 검수 (비기능적) |
관련 커맨드
| 커맨드 | 설명 |
|---|
/harness | new→test→review 자동 연쇄에서 본 스킬을 test 단계로 호출 |
Source: revfactory/harness skill-testing-guide + qa-agent-guide + Pipeline pattern (Apache 2.0) + MoAI adaptation
