메뉴
프롬프트를 실증 기반 기법으로 분석하고 개선합니다. Few-shot, CoT, XML 구조화, Context Engineering 등 검증된 기법을 적용하여 프롬프트 품질을 높입니다. 프롬프트 개선, prompt 리뷰, 프롬프트 최적화, 프롬프팅 개선 요청 시 사용.
기본적으로 소스를 먼저 확인하는 Prompt가 선택됩니다. 직접 명령으로 전환하거나 로컬 사본을 다운로드할 수도 있습니다.
설치 여부를 결정하기 전에 SKILL.md와 SkillsMP에 표시된 보조 파일을 읽어 보세요.
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
직접 명령은 검토 Prompt를 거치지 않습니다. 실행하기 전에 소스를 확인하세요.
npx skills add https://github.com/khw1031/ai-library --skill prompt-improver명령은 한 줄로 유지됩니다. 복사하기 전에 가로로 스크롤해 전체 내용을 확인하세요.
로컬 사본을 원하시나요? SkillsMP에서 현재 제공할 수 있는 파일을 다운로드하세요.
소프트웨어 프로젝트의 소스 코드를 체계적으로 분석합니다. 프로젝트 경로를 입력하면 아키텍처, 데이터 흐름, 설계 패턴, 의존성을 단계별로 파악합니다. 소스 분석, 코드 분석, 리버스 엔지니어링, 아키텍처 분석, 코드베이스 파악 요청 시 활성화.
Claude Code Skill을 생성하거나 기존 스킬을 개선합니다. 스킬 생성, 스킬 수정, SKILL.md 작성, 새 스킬 만들기, 스킬 개선, 스킬 업데이트 요청 시 활성화.
Claude Code Skill을 생성하거나 기존 스킬을 개선합니다. 스킬 생성, 스킬 수정, SKILL.md 작성, 새 스킬 만들기, 스킬 개선, 스킬 업데이트 요청 시 활성화.
SKILL.md 표시 중
SOC 직업 분류 기준
| name | prompt-improver |
| description | 프롬프트를 실증 기반 기법으로 분석하고 개선합니다. Few-shot, CoT, XML 구조화, Context Engineering 등 검증된 기법을 적용하여 프롬프트 품질을 높입니다. 프롬프트 개선, prompt 리뷰, 프롬프트 최적화, 프롬프팅 개선 요청 시 사용. |
| argument-hint | [프롬프트 텍스트 또는 파일 경로] |
프롬프트를 실증 연구 기반 기법으로 분석하고 개선합니다.
사용자가 제공한 프롬프트를 확인합니다.
프롬프트를 아래 7개 체크포인트로 분석합니다. 각 항목을 적용됨/미적용/해당없음으로 평가합니다.
| # | 체크포인트 | 핵심 질문 | 효과 |
|---|---|---|---|
| 1 | 명시성 | 용도/대상/출력형식이 구체적인가? | 가장 중요한 단일 원칙 |
| 2 | Few-shot 예시 | 입출력 예시가 있는가? (3개 최적) | +50% 성능 향상 |
| 3 | Chain-of-Thought | 복잡한 작업에 사고 단계를 제시하는가? | +40%p (수학 기준) |
| 4 | XML 구조화 | 의미적 태그로 섹션이 분리되어 있는가? | 유의미한 개선 |
| 5 | Context Engineering | 필요한 맥락이 직접 제공되는가? 불필요한 정보는 없는가? | Context > Persona |
| 6 | 제약 조건 | 출력 범위가 명확히 한정되어 있는가? | 일관적 개선 |
| 7 | 환각 방지 | 불확실한 경우 탈출구가 있는가? |
| 정확도 향상 |
평가 기준 참고: 모든 체크포인트가 모든 프롬프트에 필요하지는 않습니다.
진단 결과에서 미적용 항목 중 효과가 큰 순서대로 개선합니다.
기법 적용 우선순위 (실증 효과 순):
명시적이고 구체적인 지시 — 모호한 부분을 구체적으로 변환
Few-shot 예시 추가 — 3개 예시가 최적
<example> 태그로 구조화Chain-of-Thought — 복잡한 작업에만 적용
<thinking> + <answer> 분리 (가장 강력)XML 태그 구조화 — 의미적 태그명, 일관성 유지
<instructions>, <context>, <constraints>, <output_format>Context Engineering — 맥락 직접 주입, 불필요한 정보 제거
제약 조건 명시 — 출력 범위 한정
환각 방지 — 탈출구 제공, 증거 먼저 찾기
아래 형식으로 출력합니다.
## 진단 결과
| 체크포인트 | 상태 | 비고 |
|-----------|------|------|
| 명시성 | ✅/⚠️/➖ | 한 줄 설명 |
| ... | ... | ... |
## 주요 개선 사항
- [적용한 기법과 이유를 bullet으로 나열]
## 개선된 프롬프트
[개선된 전체 프롬프트]
## 변경 요약
[Before/After 핵심 차이를 간결하게]
| 기법 | 이유 |
|---|---|
| 기본 역할 프롬프팅 ("You are an expert...") | 프론티어 모델의 기본 능력이 이미 충분 |
| 수동 CoT ("think step by step") | 추론 모델이 이미 내부적으로 수행 |
| Anti-laziness 프롬프팅 | 최신 모델에서 과잉 트리거 유발 |
| 정교한 구조적 트릭/템플릿 | 모델이 자연어를 충분히 잘 이해 |
162개 페르소나 실증 연구 결과: