一键在 Manus 中运行任何 Skill

dart

星标22

分支15

更新时间2026年7月12日 07:31

상장사의 DART 공시 재무 데이터를 조회해 인터랙티브 애널리스트 HTML 리포트를 생성한다. 사용자가 "DART 리포트", "실적 리포트 만들어줘", "○○ 실적 분석 HTML", "○○ 대시보드", "/dart ○○" 같은 표현을 쓰면 반드시 발동한다. 기업명·분기를 파악해 DART API로 재무 데이터를 수집하고, 13인 투자자 페르소나 평가를 포함한 HTML 파일을 output/ 폴더에 생성한다.

安装

用 Codex 或 Claude 帮你安装复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。

在 Manus 中运行

来源

airoasting

airoasting/dart

打开 GitHub 仓库查看创作者相关仓库

下载

在 Manus 中运行

DART 애널리스트 리포트 스킬

상장사의 DART 재무·공시 데이터를 수집해 인터랙티브 HTML 리포트를 생성한다. KPI 차트 · 성장 기여도 · 사업별 매출 · 애널리스트 시각 · 공시 뉴스 · 13인 투자자 페르소나(6개 섹션)를 포함한다.

⚡ 핵심 원리 — HTML을 직접 쓰지 마라

리포트 HTML은 약 1,190줄 중 1,100줄 이상이 모든 리포트에서 동일한 보일러플레이트(CSS·차트 코드·레이아웃)다. 기업마다 바뀌는 건 데이터뿐이다.

그래서 이 스킬은 HTML을 다시 생성하지 않는다. 대신:

assets/template.html — 보일러플레이트가 고정된 템플릿 (건드리지 않는다)
너의 일 — 재무 데이터를 모아 data.json 하나를 쓴다 (약 200줄)
assets/build_report.py — 템플릿 + data.json → 최종 HTML (결정론적, 1초)

HTML 전체를 토큰 단위로 뱉던 과거 방식은 한 리포트에 10분이 걸렸다. 데이터만 쓰면 출력량이 1/10로 줄어 2분 안쪽이면 끝난다. 절대 template.html을 복붙해 손으로 채우지 마라. 반드시 빌더를 써라.

전체 흐름 (한눈에)

DART API로 당해·전년 재무 수집 — Step 1~4
재무 숫자만 나오면 뉴스·애널리스트·페르소나·강세약세를 서브에이전트로 병렬 수집 — Step 4.5 (주가는 price.py)
data.example.json 형식 그대로 data.json 작성 — Step 5
build_report.py 실행 → output/에 HTML, 경로를 사용자에게 전달 — Step 6~7

파일 구조

dart/
├── SKILL.md                          ← 이 파일 (워크플로우)
├── assets/
│   ├── template.html                 ← 고정 보일러플레이트 (수정 금지)
│   ├── build_report.py               ← data.json + template → HTML 빌더
│   ├── data.example.json             ← 데이터 계약(스키마) + 카카오 예시 ★반드시 참고
│   ├── dart_client.py                ← DartClient 클래스
│   ├── price.py                      ← 전일 종가·52주 (KRX, 웹검색 대신 필수)
│   └── corp_codes_listed.csv         ← 3,963개 상장사 오프라인 조회
├── investor_persona/
│   ├── _ALL.md                       ← 13인 페르소나 통합본 (이 파일 하나만 읽어라)
│   └── *.md                          ← 개별 원본 (참고용)
└── references/                       ← 사람용 설계 문서 (런타임에 읽을 필요 없음)
    ├── dart-api.md                   ← DART API 엔드포인트·응답 구조
    ├── design-system.md              ← CSS 설계 (이미 template.html에 반영됨)
    └── section-templates.md          ← HTML/JS 설계 (이미 template.html에 반영됨)

경로 규칙: 스킬 루트를 SKILL_DIR로 표기한다. 실제 경로는 ~/.claude/skills/dart/이다.

사전 준비 (시작 전 필독)

아래 두 파일만 읽으면 된다:

SKILL_DIR/assets/data.example.json — 만들어야 할 데이터의 정확한 형태(스키마)이자 카카오 실제 예시. 이 구조를 그대로 복사해 값만 바꾼다.
SKILL_DIR/assets/dart_client.py — DartClient 클래스 (데이터 수집용)

DART API 세부 응답이 헷갈릴 때만 references/dart-api.md를 편다. design-system.md·section-templates.md는 이미 template.html에 녹아 있으니 런타임에 읽지 마라 (토큰·시간 낭비).

DART API 키: 프로젝트 .env (DART_API_KEY=...) 또는 환경변수에서 자동 로드. 키가 없으면 .env 위치와 설정법을 안내하고 중단한다.

동작 순서

Step 1. 입력 파싱

항목	처리
기업명	한글·영문·종목코드 모두 허용
분기	명시 없으면 최근 분기 자동 판단 (아래)

최근 분기 자동 판단 (공시 지연 45일 고려):

현재 날짜	사용 분기	reprt_code
1/1 ~ 2/14	전년 3Q	11014
2/15 ~ 5/14	전년 4Q (사업보고서)	11011
5/15 ~ 8/14	당해 1Q	11013
8/15 ~ 11/14	당해 2Q (반기)	11012
11/15 ~ 12/31	당해 3Q	11014

Step 2. 기업 코드 조회

assets/corp_codes_listed.csv (3,963개 상장사, 네트워크 불필요)에서 먼저 검색:

import pandas as pd
from pathlib import Path
SKILL_DIR = Path('~/.claude/skills/dart').expanduser()
df = pd.read_csv(SKILL_DIR/'assets'/'corp_codes_listed.csv',
                dtype={'corp_code': str, 'stock_code': str}).fillna('')
hits = df[df['corp_name'].str.contains(keyword, na=False)]

1개 히트 → 사용 / 복수 히트 → 회사명+종목코드 목록 제시 후 선택 대기 / 0개 → DART API company.json 재검색, 그래도 없으면 중단.

Step 3. DART 데이터 수집

import sys
sys.path.insert(0, str(SKILL_DIR/'assets'))
from dart_client import DartClient
client = DartClient()

데이터	메서드
기업 개황	`client.company(corp_code)`
재무제표(연결)	`client.get_financial_statements(corp_code, year, reprt_code, 'CFS')`
전년 동기	동일, `year-1`
배당	`client.get_dividend(corp_code, year, reprt_code)`

연결(CFS) 없으면 개별(OFS) 재시도 → 차트 제목에 "(개별)" 표기. status != '000'이면 메시지 알리고 중단.

status=013(잠정) 폴백: 분기 보고서가 미공시면 같은 분기 잠정실적 공시(공시명에 "실적(잠정)"/"잠정실적")의 rcept_no를 찾아 document.xml ZIP을 내려받아 정규식으로 매출·영업이익·순이익을 파싱한다.

import requests, zipfile, io, re
r = requests.get('https://opendart.fss.or.kr/api/document.xml',
                 params={'crtfc_key': API_KEY, 'rcept_no': RCEPT_NO}, timeout=20)
z = zipfile.ZipFile(io.BytesIO(r.content))
text = re.sub(r'<[^>]+>', ' ', z.read(z.namelist()[0]).decode('utf-8', 'ignore'))
text = re.sub(r'\s+', ' ', text).strip()

병렬로 보내라. 당해·전년 재무, 개황 등 DART 호출은 서로 독립적이니 한 메시지에서 동시에 호출한다. 순차로 기다리지 마라.

Step 3-B. 뉴스 — WebSearch (DART 공시 아님)

WebSearch로 실적발표 전후 2주 내 국내 신문사 기사 6~8건 수집. 우선 매체: 한국경제·이데일리·전자신문·파이낸셜뉴스·서울경제·뉴스1·아이뉴스24·뉴시스. 검색에서 확인된 실제 URL만 쓴다(추측 URL 금지, 네이버 검색 URL 금지). sent: 상회/긍정=pos, 급감/하락/규제=neg, 혼재=mix.

웹 검색도 한 번에 병렬로. 뉴스·부문 매출·애널리스트 목표가 검색을 하나씩 순차로 돌리지 말고, 한 메시지에 여러 WebSearch/WebFetch를 몰아 동시에 보낸다. (주가는 웹 검색 대신 assets/price.py를 쓴다.)

Step 4. 데이터 파싱

def extract(items, sj_div, keyword):
    for it in items:
        if it.get('sj_div')==sj_div and keyword in it.get('account_nm',''):
            cur=(it.get('thstrm_amount','0') or '0').replace(',','')
            prv=(it.get('frmtrm_amount','0') or '0').replace(',','')
            return {'cur': int(cur), 'prv': int(prv)}
    return {'cur': 0, 'prv': 0}

단위: 원 → 억원 (// 100_000_000). YoY: (cur-prv)/abs(prv)*100 (prv==0이면 "N/A").

Step 4.5. 병렬 리서치·서술 ⚡ 속도 핵심

재무 숫자만 나오면 리포트의 나머지 데이터는 서로 독립적이다. 이 구간을 순차로 하면 5~~8분, **서브에이전트(Task/Agent)로 병렬 처리하면 2~~3분**이다. 재무 요약(매출·영업이익·순이익 YoY, OPM/NPM)을 뽑은 뒤 한 메시지에서 아래 3개 에이전트를 동시에 띄운다.

에이전트	모델	넘겨줄 입력	반환할 JSON 조각
A. 웹 리서치	Sonnet	기업명·종목코드·분기·발표일	`NEWS`(6~8), `ANALYSTS`(≥3), `CONS`, 목표가 범위(`meta.tp_`) — 주가는 제외*(price.py로)
B. 페르소나	Opus	재무 요약	`PERSONAS` 13인 (`_ALL.md` 직접 읽고 평가)
C. 강세·약세	Sonnet	재무 요약	`BULLS` 5, `BEARS` 5, `CHIPS` 3~4

모델 선택 (Task/Agent의 model 파라미터로 지정한다):

A·C는 Sonnet — 검색·추출·구조화 서술이라 빠르고 저렴한 Sonnet으로 충분하다. A는 세 트랙 중 가장 오래 걸려 wall-clock 병목이니 특히 Sonnet이 이득이다.
B(페르소나)는 Opus — 13인 각자의 철학·판단 규칙을 실제 데이터에 적용하는 게 리포트 품질을 가르는 지점이라 여기만 Opus를 쓴다. A와 병렬로 도니 전체 시간은 늘지 않는다.
메인 세션도 Sonnet으로 충분하다 — 재무 수집·data.json 조립·빌드는 대부분 결정론적 스크립트다. 품질이 실제로 갈리는 곳은 페르소나(B)뿐이다.

규칙:

각 에이전트에게 **"출력은 사람용 설명이 아니라 순수 JSON 조각"**임을 명시한다. 그래야 메인이 그대로 data.json에 꽂는다.
B·C는 웹이 필요 없으니 A와 정말 동시에 돈다. 세 트랙에 의존성이 없다.
서브에이전트를 못 쓰는 환경이면 최소한 웹 검색만이라도 Step 3-B처럼 한 번에 병렬로 보낸다.

Step 5. `data.json` 작성 ★ 핵심 단계

data.example.json을 열어 똑같은 구조로 data.json을 만든다. 최상위 두 키:

meta — 헤더·KPI 카드·컨센서스·목표가 등 화면에 박히는 스칼라 텍스트. data.example.json의 모든 meta 키를 그대로 채운다.
js — 차트·표·페르소나에 쓰이는 배열/객체 데이터.

js의 필수 키와 규칙:

키	내용	규칙
`NAME`	종목명(뉴스 검색 링크용)	`meta.name`과 동일
`CONS`	`{buy,hold,sell}` 애널리스트 컨센 수	도넛·집계에 사용
`CHIPS`	KPI 인사이트 칩 3~4개	`{cls:'co'
`SEGS`	사업부문별 매출	`{name,sub,cat,q25,q26,est}` · Y축은 자동 계산됨
`TOT25`/`TOT26`	전년·당기 총매출(억)	믹스 계산용
`DELTA`	성장 기여도 워터폴	`{name,d,est}` + 마지막 `{name:'합계',d,tot:true}`
`CURR`	현재 주가(숫자)	애널리스트 표 Upside 계산에 사용
`ANALYSTS`	증권사 리포트	`{firm,r:'Buy'
`BULLS`/`BEARS`	각 5개	`{t,d}`
`NEWS`	6~8건	`{h,src,date,sent,url,body}`
`PERSONAS`	정확히 13인	`{name,type,rating:'buy'

절대 규칙: 모든 차트 Y축은 데이터에서 자동 계산된다(템플릿이 처리). data.json에 축 수치를 넣지 마라. meta의 숫자 텍스트(예: rev_yoy)는 Step 4에서 계산한 값과 일치시켜라.

Step 6. 빌드

cd <프로젝트 루트>          # output/ 이 생길 위치
python3 ~/.claude/skills/dart/assets/build_report.py <data.json 경로>

빌더가 하는 일:

js 전체를 const 선언으로 주입, meta 토큰 치환, 세그먼트 필터 버튼 생성
검증: 미치환 토큰·데이터 누락·페르소나 13인·Chart.js 4.4.4 로드 확인 (실패 시 경고/중단)
output/{종목명}_{YYYYMMDD}_{NN}.html 저장 (같은 날 재실행 시 NN 자동 증가)

--stdout으로 파일 대신 표준출력, -o <dir>로 출력 폴더 지정 가능.

Step 7. 확인·전달

빌더가 성공(✅)하면 생성된 파일 경로를 사용자에게 알린다(가능하면 열어서 보여준다). 빌더가 경고를 내면 그 항목만 data.json에서 고쳐 다시 빌드한다. HTML을 직접 수정하지 마라 — 항상 data.json → 빌드.

데이터 생성 가이드 (섹션별)

사업별 매출 (`SEGS`)

DART 사업보고서 "사업부문별 영업실적"(연결 분기 매출) 우선 → 없으면 IR 자료 → 역산 시 est:true.
cat은 필터 그룹 키(예: platform/content/other). meta.filter_cats에 표시할 필터 버튼 [["platform","플랫폼"],...]를 명시(전체 버튼은 자동). 세그먼트 2개 미만이면 filter_cats: [].

주가 — 항상 전일 종가 (`CURR`, `meta.price`·`base_date`·`price_chg`·`w52_range`)

웹 검색 현재가는 출처마다 값이 달라 부정확하다(카카오는 실측 대비 10% 틀린 적도 있다). 주가는 웹 검색을 쓰지 말고 반드시 assets/price.py로 가져온다(Naver 금융 KRX 일봉):

python3 ~/.claude/skills/dart/assets/price.py <종목코드>
# → {"date_dot":"2026.07.03","close":35500,"change_pct":0.71,"w52_range":"32,250 ~ 71,600", ...}

매핑:

js.CURR = close (숫자) · meta.price = close(콤마) · meta.tp_cur = close+"원"
meta.price_chg = "{change_pct:+}% (M/D 종가)" (M/D는 date 기준 = 전일 종가 날짜)
meta.base_date는 넣지 않아도 된다 — 빌더가 실행일(오늘)로 자동 스탬프한다(전일 종가 날짜와 별개)
meta.w52_range = w52_range
meta.tp_upside = (tp_avg-close)/close 로 재계산

CURR은 애널리스트 표의 Upside (tp-CURR)/CURR 계산에 쓰인다. 실패 시(비상장·해외 등)에만 다른 확인 소스를 쓰고 그 사실을 밝힌다.

애널리스트 (`ANALYSTS`, `CONS`, `meta.tp_*`)

최소 3개 이상 증권사 확인. CONS는 전체 커버리지 집계(리스트에 안 실린 곳 포함 가능), meta.coverage_note·cons_*_pct와 정합. 목표가 범위는 meta.tp_low/tp_avg/tp_high/tp_upside에 넣는다. 불확실하면 note에 "(추정)".

Bull/Bear (`BULLS`/`BEARS`)

DART 공시+개황+재무 기반, 각 5개. 주술 정합, em dash 없음, 투자 권유 배제.

13인 투자자 페르소나 (`PERSONAS`)

SKILL_DIR/investor_persona/_ALL.md 한 파일만 읽어 13인의 철학·판단 규칙을 적용한다(개별 파일 13개를 따로 읽지 마라 — 통합본이 있다). 각 인물의 Anti-Hallucination Rules를 따르고, 실제 의견이 아닌 AI 시뮬레이션임을 유지한다. rating은 buy/hold/sell, eval은 2문장 이내.

오류 처리

상황	처리
특정 계정 없음	해당 `meta` 값 "데이터 없음", 나머지 정상
API 전체 실패	오류 코드+해결법 안내 후 중단
CFS 없음	OFS 재시도, 제목에 "(개별)"
status=013	잠정실적 XML 폴백 (Step 3)
빌더 "미치환 토큰" 경고	`data.json`의 `meta`에 그 키 추가 후 재빌드
빌더 "페르소나 13인 아님"	`PERSONAS` 배열을 13개로 맞춤
세그먼트/주가 데이터 부족	대표 항목만 채우고 `est:true` / `price_disc`에 명기

트러블슈팅

증상	원인	해결
빌더가 exit 1	미치환 토큰 또는 데이터 미주입	경고에 찍힌 키를 `data.json`에 채운다
차트가 안 그려짐	해당 `js` 배열이 비었거나 필드명 오타	`data.example.json`과 필드명 대조
값이 화면과 안 맞음	`meta` 텍스트와 `js` 숫자 불일치	Step 4 계산값으로 양쪽 동기화
API 키 실패	`.env` 위치/형식	프로젝트 루트 `DART_API_KEY=...` 한 줄
템플릿을 고치고 싶다	디자인 변경 필요	`template.html` 수정은 신중히. 이후 `data.example.json`으로 회귀 테스트(빌드→렌더)

변경 내역

트리거 표현은 위 frontmatter description에 있다. 아키텍처 전환·버그 수정 등 전체 변경 내역과 그 배경은 OPTIMIZATION.md에 문제→해결→효과로 정리돼 있다.

name

dart

description

DART 애널리스트 리포트 스킬

⚡ 핵심 원리 — HTML을 직접 쓰지 마라

리포트 HTML은 약 1,190줄 중 1,100줄 이상이 모든 리포트에서 동일한 보일러플레이트(CSS·차트 코드·레이아웃)다. 기업마다 바뀌는 건 데이터뿐이다.

그래서 이 스킬은 HTML을 다시 생성하지 않는다. 대신:

assets/template.html — 보일러플레이트가 고정된 템플릿 (건드리지 않는다)
너의 일 — 재무 데이터를 모아 data.json 하나를 쓴다 (약 200줄)
assets/build_report.py — 템플릿 + data.json → 최종 HTML (결정론적, 1초)

전체 흐름 (한눈에)

DART API로 당해·전년 재무 수집 — Step 1~4
재무 숫자만 나오면 뉴스·애널리스트·페르소나·강세약세를 서브에이전트로 병렬 수집 — Step 4.5 (주가는 price.py)
data.example.json 형식 그대로 data.json 작성 — Step 5
build_report.py 실행 → output/에 HTML, 경로를 사용자에게 전달 — Step 6~7

파일 구조

dart/
├── SKILL.md                          ← 이 파일 (워크플로우)
├── assets/
│   ├── template.html                 ← 고정 보일러플레이트 (수정 금지)
│   ├── build_report.py               ← data.json + template → HTML 빌더
│   ├── data.example.json             ← 데이터 계약(스키마) + 카카오 예시 ★반드시 참고
│   ├── dart_client.py                ← DartClient 클래스
│   ├── price.py                      ← 전일 종가·52주 (KRX, 웹검색 대신 필수)
│   └── corp_codes_listed.csv         ← 3,963개 상장사 오프라인 조회
├── investor_persona/
│   ├── _ALL.md                       ← 13인 페르소나 통합본 (이 파일 하나만 읽어라)
│   └── *.md                          ← 개별 원본 (참고용)
└── references/                       ← 사람용 설계 문서 (런타임에 읽을 필요 없음)
    ├── dart-api.md                   ← DART API 엔드포인트·응답 구조
    ├── design-system.md              ← CSS 설계 (이미 template.html에 반영됨)
    └── section-templates.md          ← HTML/JS 설계 (이미 template.html에 반영됨)

경로 규칙: 스킬 루트를 SKILL_DIR로 표기한다. 실제 경로는 ~/.claude/skills/dart/이다.

사전 준비 (시작 전 필독)

아래 두 파일만 읽으면 된다:

SKILL_DIR/assets/data.example.json — 만들어야 할 데이터의 정확한 형태(스키마)이자 카카오 실제 예시. 이 구조를 그대로 복사해 값만 바꾼다.
SKILL_DIR/assets/dart_client.py — DartClient 클래스 (데이터 수집용)

DART API 키: 프로젝트 .env (DART_API_KEY=...) 또는 환경변수에서 자동 로드. 키가 없으면 .env 위치와 설정법을 안내하고 중단한다.

동작 순서

Step 1. 입력 파싱

항목	처리
기업명	한글·영문·종목코드 모두 허용
분기	명시 없으면 최근 분기 자동 판단 (아래)

최근 분기 자동 판단 (공시 지연 45일 고려):

현재 날짜	사용 분기	reprt_code
1/1 ~ 2/14	전년 3Q	11014
2/15 ~ 5/14	전년 4Q (사업보고서)	11011
5/15 ~ 8/14	당해 1Q	11013
8/15 ~ 11/14	당해 2Q (반기)	11012
11/15 ~ 12/31	당해 3Q	11014

Step 2. 기업 코드 조회

assets/corp_codes_listed.csv (3,963개 상장사, 네트워크 불필요)에서 먼저 검색:

import pandas as pd
from pathlib import Path
SKILL_DIR = Path('~/.claude/skills/dart').expanduser()
df = pd.read_csv(SKILL_DIR/'assets'/'corp_codes_listed.csv',
                dtype={'corp_code': str, 'stock_code': str}).fillna('')
hits = df[df['corp_name'].str.contains(keyword, na=False)]

1개 히트 → 사용 / 복수 히트 → 회사명+종목코드 목록 제시 후 선택 대기 / 0개 → DART API company.json 재검색, 그래도 없으면 중단.

Step 3. DART 데이터 수집

import sys
sys.path.insert(0, str(SKILL_DIR/'assets'))
from dart_client import DartClient
client = DartClient()

데이터	메서드
기업 개황	`client.company(corp_code)`
재무제표(연결)	`client.get_financial_statements(corp_code, year, reprt_code, 'CFS')`
전년 동기	동일, `year-1`
배당	`client.get_dividend(corp_code, year, reprt_code)`

연결(CFS) 없으면 개별(OFS) 재시도 → 차트 제목에 "(개별)" 표기. status != '000'이면 메시지 알리고 중단.

import requests, zipfile, io, re
r = requests.get('https://opendart.fss.or.kr/api/document.xml',
                 params={'crtfc_key': API_KEY, 'rcept_no': RCEPT_NO}, timeout=20)
z = zipfile.ZipFile(io.BytesIO(r.content))
text = re.sub(r'<[^>]+>', ' ', z.read(z.namelist()[0]).decode('utf-8', 'ignore'))
text = re.sub(r'\s+', ' ', text).strip()

병렬로 보내라. 당해·전년 재무, 개황 등 DART 호출은 서로 독립적이니 한 메시지에서 동시에 호출한다. 순차로 기다리지 마라.

Step 3-B. 뉴스 — WebSearch (DART 공시 아님)

웹 검색도 한 번에 병렬로. 뉴스·부문 매출·애널리스트 목표가 검색을 하나씩 순차로 돌리지 말고, 한 메시지에 여러 WebSearch/WebFetch를 몰아 동시에 보낸다. (주가는 웹 검색 대신 assets/price.py를 쓴다.)

Step 4. 데이터 파싱

def extract(items, sj_div, keyword):
    for it in items:
        if it.get('sj_div')==sj_div and keyword in it.get('account_nm',''):
            cur=(it.get('thstrm_amount','0') or '0').replace(',','')
            prv=(it.get('frmtrm_amount','0') or '0').replace(',','')
            return {'cur': int(cur), 'prv': int(prv)}
    return {'cur': 0, 'prv': 0}

단위: 원 → 억원 (// 100_000_000). YoY: (cur-prv)/abs(prv)*100 (prv==0이면 "N/A").

Step 4.5. 병렬 리서치·서술 ⚡ 속도 핵심

에이전트	모델	넘겨줄 입력	반환할 JSON 조각
A. 웹 리서치	Sonnet	기업명·종목코드·분기·발표일	`NEWS`(6~8), `ANALYSTS`(≥3), `CONS`, 목표가 범위(`meta.tp_`) — 주가는 제외*(price.py로)
B. 페르소나	Opus	재무 요약	`PERSONAS` 13인 (`_ALL.md` 직접 읽고 평가)
C. 강세·약세	Sonnet	재무 요약	`BULLS` 5, `BEARS` 5, `CHIPS` 3~4

모델 선택 (Task/Agent의 model 파라미터로 지정한다):

A·C는 Sonnet — 검색·추출·구조화 서술이라 빠르고 저렴한 Sonnet으로 충분하다. A는 세 트랙 중 가장 오래 걸려 wall-clock 병목이니 특히 Sonnet이 이득이다.
B(페르소나)는 Opus — 13인 각자의 철학·판단 규칙을 실제 데이터에 적용하는 게 리포트 품질을 가르는 지점이라 여기만 Opus를 쓴다. A와 병렬로 도니 전체 시간은 늘지 않는다.
메인 세션도 Sonnet으로 충분하다 — 재무 수집·data.json 조립·빌드는 대부분 결정론적 스크립트다. 품질이 실제로 갈리는 곳은 페르소나(B)뿐이다.

규칙:

각 에이전트에게 **"출력은 사람용 설명이 아니라 순수 JSON 조각"**임을 명시한다. 그래야 메인이 그대로 data.json에 꽂는다.
B·C는 웹이 필요 없으니 A와 정말 동시에 돈다. 세 트랙에 의존성이 없다.
서브에이전트를 못 쓰는 환경이면 최소한 웹 검색만이라도 Step 3-B처럼 한 번에 병렬로 보낸다.

Step 5. `data.json` 작성 ★ 핵심 단계

data.example.json을 열어 똑같은 구조로 data.json을 만든다. 최상위 두 키:

meta — 헤더·KPI 카드·컨센서스·목표가 등 화면에 박히는 스칼라 텍스트. data.example.json의 모든 meta 키를 그대로 채운다.
js — 차트·표·페르소나에 쓰이는 배열/객체 데이터.

js의 필수 키와 규칙:

키	내용	규칙
`NAME`	종목명(뉴스 검색 링크용)	`meta.name`과 동일
`CONS`	`{buy,hold,sell}` 애널리스트 컨센 수	도넛·집계에 사용
`CHIPS`	KPI 인사이트 칩 3~4개	`{cls:'co'
`SEGS`	사업부문별 매출	`{name,sub,cat,q25,q26,est}` · Y축은 자동 계산됨
`TOT25`/`TOT26`	전년·당기 총매출(억)	믹스 계산용
`DELTA`	성장 기여도 워터폴	`{name,d,est}` + 마지막 `{name:'합계',d,tot:true}`
`CURR`	현재 주가(숫자)	애널리스트 표 Upside 계산에 사용
`ANALYSTS`	증권사 리포트	`{firm,r:'Buy'
`BULLS`/`BEARS`	각 5개	`{t,d}`
`NEWS`	6~8건	`{h,src,date,sent,url,body}`
`PERSONAS`	정확히 13인	`{name,type,rating:'buy'

Step 6. 빌드

cd <프로젝트 루트>          # output/ 이 생길 위치
python3 ~/.claude/skills/dart/assets/build_report.py <data.json 경로>

빌더가 하는 일:

js 전체를 const 선언으로 주입, meta 토큰 치환, 세그먼트 필터 버튼 생성
검증: 미치환 토큰·데이터 누락·페르소나 13인·Chart.js 4.4.4 로드 확인 (실패 시 경고/중단)
output/{종목명}_{YYYYMMDD}_{NN}.html 저장 (같은 날 재실행 시 NN 자동 증가)

--stdout으로 파일 대신 표준출력, -o <dir>로 출력 폴더 지정 가능.

Step 7. 확인·전달

데이터 생성 가이드 (섹션별)

사업별 매출 (`SEGS`)

DART 사업보고서 "사업부문별 영업실적"(연결 분기 매출) 우선 → 없으면 IR 자료 → 역산 시 est:true.
cat은 필터 그룹 키(예: platform/content/other). meta.filter_cats에 표시할 필터 버튼 [["platform","플랫폼"],...]를 명시(전체 버튼은 자동). 세그먼트 2개 미만이면 filter_cats: [].

주가 — 항상 전일 종가 (`CURR`, `meta.price`·`base_date`·`price_chg`·`w52_range`)

python3 ~/.claude/skills/dart/assets/price.py <종목코드>
# → {"date_dot":"2026.07.03","close":35500,"change_pct":0.71,"w52_range":"32,250 ~ 71,600", ...}

매핑:

js.CURR = close (숫자) · meta.price = close(콤마) · meta.tp_cur = close+"원"
meta.price_chg = "{change_pct:+}% (M/D 종가)" (M/D는 date 기준 = 전일 종가 날짜)
meta.base_date는 넣지 않아도 된다 — 빌더가 실행일(오늘)로 자동 스탬프한다(전일 종가 날짜와 별개)
meta.w52_range = w52_range
meta.tp_upside = (tp_avg-close)/close 로 재계산

CURR은 애널리스트 표의 Upside (tp-CURR)/CURR 계산에 쓰인다. 실패 시(비상장·해외 등)에만 다른 확인 소스를 쓰고 그 사실을 밝힌다.

애널리스트 (`ANALYSTS`, `CONS`, `meta.tp_*`)

Bull/Bear (`BULLS`/`BEARS`)

DART 공시+개황+재무 기반, 각 5개. 주술 정합, em dash 없음, 투자 권유 배제.

13인 투자자 페르소나 (`PERSONAS`)

오류 처리

상황	처리
특정 계정 없음	해당 `meta` 값 "데이터 없음", 나머지 정상
API 전체 실패	오류 코드+해결법 안내 후 중단
CFS 없음	OFS 재시도, 제목에 "(개별)"
status=013	잠정실적 XML 폴백 (Step 3)
빌더 "미치환 토큰" 경고	`data.json`의 `meta`에 그 키 추가 후 재빌드
빌더 "페르소나 13인 아님"	`PERSONAS` 배열을 13개로 맞춤
세그먼트/주가 데이터 부족	대표 항목만 채우고 `est:true` / `price_disc`에 명기

트러블슈팅

증상	원인	해결
빌더가 exit 1	미치환 토큰 또는 데이터 미주입	경고에 찍힌 키를 `data.json`에 채운다
차트가 안 그려짐	해당 `js` 배열이 비었거나 필드명 오타	`data.example.json`과 필드명 대조
값이 화면과 안 맞음	`meta` 텍스트와 `js` 숫자 불일치	Step 4 계산값으로 양쪽 동기화
API 키 실패	`.env` 위치/형식	프로젝트 루트 `DART_API_KEY=...` 한 줄
템플릿을 고치고 싶다	디자인 변경 필요	`template.html` 수정은 신중히. 이후 `data.example.json`으로 회귀 테스트(빌드→렌더)

dart

DART 애널리스트 리포트 스킬

⚡ 핵심 원리 — HTML을 직접 쓰지 마라

전체 흐름 (한눈에)

파일 구조

사전 준비 (시작 전 필독)

동작 순서

Step 1. 입력 파싱

Step 2. 기업 코드 조회

Step 3. DART 데이터 수집

Step 3-B. 뉴스 — WebSearch (DART 공시 아님)

Step 4. 데이터 파싱

Step 4.5. 병렬 리서치·서술 ⚡ 속도 핵심

Step 5. data.json 작성 ★ 핵심 단계

Step 6. 빌드

Step 7. 확인·전달

데이터 생성 가이드 (섹션별)

사업별 매출 (SEGS)

주가 — 항상 전일 종가 (CURR, meta.price·base_date·price_chg·w52_range)

애널리스트 (ANALYSTS, CONS, meta.tp_*)

Bull/Bear (BULLS/BEARS)

13인 투자자 페르소나 (PERSONAS)

오류 처리

트러블슈팅

변경 내역

DART 애널리스트 리포트 스킬

⚡ 핵심 원리 — HTML을 직접 쓰지 마라

전체 흐름 (한눈에)

파일 구조

사전 준비 (시작 전 필독)

동작 순서

Step 1. 입력 파싱

Step 2. 기업 코드 조회

Step 3. DART 데이터 수집

Step 3-B. 뉴스 — WebSearch (DART 공시 아님)

Step 4. 데이터 파싱

Step 4.5. 병렬 리서치·서술 ⚡ 속도 핵심

Step 5. data.json 작성 ★ 핵심 단계

Step 6. 빌드

Step 7. 확인·전달

데이터 생성 가이드 (섹션별)

사업별 매출 (SEGS)

주가 — 항상 전일 종가 (CURR, meta.price·base_date·price_chg·w52_range)

애널리스트 (ANALYSTS, CONS, meta.tp_*)

Bull/Bear (BULLS/BEARS)

13인 투자자 페르소나 (PERSONAS)

오류 처리

트러블슈팅

변경 내역

Step 5. `data.json` 작성 ★ 핵심 단계

사업별 매출 (`SEGS`)

주가 — 항상 전일 종가 (`CURR`, `meta.price`·`base_date`·`price_chg`·`w52_range`)

애널리스트 (`ANALYSTS`, `CONS`, `meta.tp_*`)

Bull/Bear (`BULLS`/`BEARS`)

13인 투자자 페르소나 (`PERSONAS`)

Step 5. `data.json` 작성 ★ 핵심 단계

사업별 매출 (`SEGS`)

주가 — 항상 전일 종가 (`CURR`, `meta.price`·`base_date`·`price_chg`·`w52_range`)

애널리스트 (`ANALYSTS`, `CONS`, `meta.tp_*`)

Bull/Bear (`BULLS`/`BEARS`)

13인 투자자 페르소나 (`PERSONAS`)