メニュー
Codex의 응답(브레인스토밍·분석·계획·결정사항 등)을 인터랙티브 HTML 리뷰 페이지로 변환. 각 항목에 👍채택/🤔의문/🔁수정/❌거절 버튼, 코멘트, LocalStorage 자동저장, Markdown·프롬프트 export 기능 포함. ~/Desktop에 저장 후 브라우저로 자동 열림.
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
SOC 職業分類に基づく
| name | html-review |
| description | Codex의 응답(브레인스토밍·분석·계획·결정사항 등)을 인터랙티브 HTML 리뷰 페이지로 변환. 각 항목에 👍채택/🤔의문/🔁수정/❌거절 버튼, 코멘트, LocalStorage 자동저장, Markdown·프롬프트 export 기능 포함. ~/Desktop에 저장 후 브라우저로 자동 열림. |
| license | MIT |
| metadata | {"version":"1.0","author":"msbaek"} |
| model | sonnet |
| argument-hint | [easy|middle|hard] [@file | title] |
~/.Codex/templates/delegation.md 변형 A 적용 — 단, subagent_type은 general-purpose 대신 html-review-builder 사용 (전용 sub-agent).
(model="sonnet", run_in_background=false, args=skill 호출 인자)
main context에서 직접 실행 금지.
Codex의 응답·분석·계획을 light-themed 단일 HTML 파일로 변환하는 skill.
~/Desktop/Codex-review-{날짜}-{슬러그}.htmlopen 명령으로 브라우저 실행| 호출 방식 | 설명 |
|---|---|
/html-review | 마지막 assistant 응답을 리뷰 페이지로 변환 (depth=middle) |
/html-review easy | 초보자용 깊이로 마지막 응답을 리뷰 |
/html-review hard @plan.md | 전문가용 깊이로 파일 내용 리뷰 |
/html-review middle "My Review" | 중간 깊이로 지정 제목 리뷰 |
/html-review <제목> | 지정 제목으로 현재 대화 맥락 기반 리뷰 (depth=middle) |
/html-review @/path/to/file.md | 파일 내용을 리뷰 (depth=middle) |
첫 번째 positional 인자가 easy|middle|hard 중 하나면 → depth로 해석.
그 외 → 기존처럼 title 또는 **@file**로 해석. 미지정 시 → middle (default).
의도적으로 "easy"를 title로 쓰려면 "easy way"처럼 quote로 감쌀 것. agent는
첫 인자가 unquoted bare word easy|middle|hard인 경우에만 depth로 해석합니다.
Main context가 할 일:
@file 이면 파일 경로, 아니면 제목/키워드 추출html-review-builder agent에 위임review_title: <제목 또는 추론된 제목>
output_slug: <kebab-case 슬러그 (영어, 날짜 제외)>
depth_level: easy | middle | hard (미지정 시 middle)
content: <리뷰할 마크다운/텍스트 전문>
~/.Codex/skills/html-review/assets/ 에 CSS 템플릿 저장. agent가 Read 도구로 참조.
--bg: #f7f8fa / --bg-elev: #ffffff / --bg-elev-2: #f3f4f6--accept: #059669 / --question: #d97706 / --modify: #4f46e5 / --reject: #dc2626--text: #111827 / --text-dim: #4b5563 / --text-faint: #9ca3af--shadow-sm: 0 1px 2px rgba(0,0,0,0.06) / --shadow-md: 0 2px 8px rgba(0,0,0,0.08)JetBrains Mono (monospace) + 시스템 sans-serif (Pretendard, Apple SD Gothic Neo)
철학: reviewer가 의사결정 비용을 부담하지 않도록 작성자(agent)가 trade-off를 _옵션화_하고 추천 마크를 박는다. reviewer가 작성자를 신뢰하면 👍 한 번에 끝.
규칙 (agent가 지켜야 함):
<ol class="options">).class="recommended" + <span class="rec-mark">✅ 권장</span> + 1문장 근거.reviewer가 답하는 방식:
const REVIEW_DATA = [
{
id: 's1',
title: '섹션 제목',
lede: '섹션 한 줄 요약',
items: [
{
id: 's1-1',
title: '항목 제목 (결정 명사구)',
body: `
<p>결정 컨텍스트 1문장.</p>
<ol class="options">
<li class="option recommended">
<span class="rec-mark">✅ 권장</span>
<b>A:</b> 옵션 본문. <i>근거 1문장.</i>
</li>
<li class="option"><b>B:</b> 대안 본문.</li>
</ol>
`
}
]
}
];
~/Desktop/ 쓰기 권한 없음 → 에러 보고현재 세션에서 한 작업(또는 주어진 텍스트·파일)을 비전문가·미래의 자신도 이해하도록 쉽게 풀어 설명하는 인터랙티브 HTML 페이지 생성. 목차·단계별 펼침접힘·핵심요약·용어풀이 포함. ~/Desktop 저장 후 자동 오픈. 트리거: "쉽게 설명", "정리해줘", "복기", "풀어서 설명", "이해하기 쉽게", "설명해줘", "요약해줘".
Turn any rough prompt, half-formed idea, or task description into a finished, ready-to-send prompt optimized for Opus 4.7 (with adaptive thinking) inside the chat app — Codex.ai, the Mac app, the iOS app — NOT the API. Use this skill whenever the user wants to write, rewrite, optimize, improve, sharpen, or polish a prompt for the chat app. Trigger phrases include "rewrite this prompt", "make this a better prompt", "optimize this prompt", "turn this into a prompt", "help me prompt this", "draft a prompt that...", "I want to ask...", or whenever the user pastes a draft prompt and asks for improvements. Also trigger when the user describes a task they plan to send into the chat app and clearly wants a reusable, well-structured prompt rather than a direct answer. The output is always a single, copy-pasteable prompt in a code block that the user sends as-is — never a template with placeholders. Always ends with the exact line "Think before answering (maximum reasoning)".
Use this when you need to EVALUATE OR IMPROVE or OPTIMIZE an existing LLM agent's output quality - including improving tool selection accuracy, answer quality, reducing costs, or fixing issues where the agent gives wrong/incomplete responses. Evaluates agents systematically using MLflow evaluation with datasets, scorers, and tracing. IMPORTANT - Always also load the instrumenting-with-mlflow-tracing skill before starting any work. Covers end-to-end evaluation workflow or individual components (tracing setup, dataset creation, scorer definition, evaluation execution).
Codex 세션 탐색 및 분석. agf 데이터 소스(history.jsonl)를 활용한 세션 리스트 조회, 검색 및 상세 분석. "세션 목록", "session list", "세션 검색", "session search", "agf" 등의 요청 시 자동 적용.
Analyzes an MLflow session — a sequence of traces from a multi-turn chat conversation or interaction. Use when the user asks to debug a chat conversation, review session or chat history, find where a multi-turn chat went wrong, or analyze patterns across turns. Triggers on "analyze this session", "what happened in this conversation", "debug session", "review chat history", "where did this chat go wrong", "session traces", "analyze chat", "debug this chat".
Analyzes a single MLflow trace to answer a user query about it. Use when the user provides a trace ID and asks to debug, investigate, find issues, root-cause errors, understand behavior, or analyze quality. Triggers on "analyze this trace", "what went wrong with this trace", "debug trace", "investigate trace", "why did this trace fail", "root cause this trace".