super-lab-lite

name	Super Lab Lite
description	저비용 멀티모델 오케스트레이션. 1 Opus(조율) + 3 Sonnet(도메인 리더) + 3 Haiku(리서치/데이터)로 7 에이전트 병렬 실행. "가성비 있는 중간 규모 연구/분석" 용도. Standalone — 폴더만 복사하면 동작.
version	1
author	JorrrrrdDin

Super Lab Lite

하이퍼랩이 장대한 전략용(5×Opus·비싸다)이라면, 이건 일상 연구·분석·조사용 7-agent 경량 오케스트레이션. 모델 티어링으로 비용 1/5 수준.

언제 쓰나

• 중간 규모 연구 — 3~5개 하위 도메인을 병렬로 조사해야 할 때
• 실무 보고서 작성 — 주간/월간 리포트, 경쟁사 조사, 시장 스캔
• 다층 검증 — 데이터 수집(Haiku) → 분석(Sonnet) → 종합/판정(Opus)
• 배치 작업 — 반복 가능한 연구 템플릿 (예: 종목별 분석, 고객사별 리서치)
• 비용 민감 상황 — 풀-Opus 오케스트레이션이 과한 경우

언제 안 쓰나

• 1회성 단순 질문 — 그냥 Opus 한 번 돌리는 게 효율적
• 초정밀 전략 — 하이퍼랩 사용 (Opus PM + QA 이중 검증)
• 극도 보안 작업 — 다중 에이전트 간 데이터 공유 경로 많아 감사 어려움

모델 티어 전략

티어	모델	역할	예산(토큰당)
T1	Opus 4.x	조율자 — PL 결과물 종합, 모순 해결, 최종 QA, 사용자 응답	비쌈 ($15/MTok)
T2	Sonnet 4.x (×3)	도메인 리더 — 하위 도메인 분석, Haiku 결과 합성	중간 ($3/MTok)
T3	Haiku 4.x (×3)	리서치/데이터 — 검색·파일 스캔·데이터 수집·정제	저렴 ($0.25/MTok)

티어링 원칙:

• 하향 위임: Opus는 Sonnet에게, Sonnet은 Haiku에게 구체적 세부 작업 위임
• 상향 합성: Haiku 원본 → Sonnet 요약 → Opus 종합. 각 단계에서 정보 응축
• 같은 티어 내 병렬: Sonnet 3개 동시, Haiku 3개 동시 실행 → wall-clock 단축

Trigger

• "라이트 랩 돌려" / "super lab lite" / "lite 오케스트"
• "Opus 1 + Sonnet 3 + Haiku 3" / "7 에이전트"
• "멀티모델로 조사해" / "저비용 병렬 연구"
• "도메인 3개로 나눠 조사"

Workflow (표준 5 Phase)

Phase 1: Opus 설계 (15% 시간)

Opus 1개가 사용자 요청 분석:

• 전체 목표 명시
• 3개 도메인으로 분할 (서로 겹치지 않게)
• 각 도메인 별 Sonnet에게 줄 프롬프트 작성
• 각 Sonnet이 Haiku에게 위임할 세부 리서치 명세
• 최종 산출물 schema 정의 (JSON/Markdown)

Phase 2: Sonnet 병렬 분배 (즉시)

3개 Sonnet이 동시에 각자 도메인 프롬프트 받음:

• 각 Sonnet이 1개 Haiku를 호출 → 리서치/데이터 수집
• Sonnet은 Haiku 결과 수신 대기

Phase 3: Haiku 리서치 (30~50% 시간)

3개 Haiku 병렬 실행:

• 웹 검색 / 파일 읽기 / 데이터 파싱 / 간단한 정제
• 결과를 구조화(JSON/bullet)로 상위 Sonnet에 반환
• Haiku는 판단 최소화 — 팩트 수집에 집중

Phase 4: Sonnet 합성 (20~30% 시간)

3개 Sonnet이 각자:

• Haiku 원본 데이터 + 도메인 지식 결합
• 해당 도메인 분석 리포트 작성
• 근거·한계·권고 정리
• Opus에 반환

Phase 5: Opus 종합 + QA (15% 시간)

Opus 최종 패스:

• 3개 Sonnet 리포트 종합
• 모순/공백 검출 → 필요시 Sonnet 재호출
• 최종 사용자 응답 작성 (요약·상세·부록)
• 감사 로그 저장

디렉터리 구조

<project>/super_lab_lite/
├── runs/
│   └── {YYYY-MM-DD_HHMMSS}_{task_name}/
│       ├── phase1_opus_plan.md        (Opus 설계)
│       ├── phase2_sonnet_A/
│       │   ├── prompt.md
│       │   ├── haiku_1_result.json    (리서치 원본)
│       │   └── sonnet_A_report.md     (도메인 A 분석)
│       ├── phase2_sonnet_B/...
│       ├── phase2_sonnet_C/...
│       ├── phase5_opus_synthesis.md   (최종 종합)
│       └── audit.json                 (토큰 사용량, 소요 시간)

최소 구현 (Python, agent SDK 없이)

# scripts/lite_orchestrator.py 기본 골격
from anthropic import Anthropic
client = Anthropic()

def opus(prompt): 
    return client.messages.create(model="claude-opus-4-7", max_tokens=4096, messages=[{"role":"user","content":prompt}]).content[0].text

def sonnet(prompt): 
    return client.messages.create(model="claude-sonnet-4-6", max_tokens=2048, messages=[{"role":"user","content":prompt}]).content[0].text

def haiku(prompt): 
    return client.messages.create(model="claude-haiku-4-5-20251001", max_tokens=1024, messages=[{"role":"user","content":prompt}]).content[0].text

def run(user_request):
    # Phase 1
    plan = opus(f"다음 요청을 3개 도메인으로 분할하고 각 도메인의 Sonnet/Haiku 프롬프트 작성:\n{user_request}")
    domains = parse_plan(plan)  # [{name, sonnet_prompt, haiku_prompt}, ×3]

    # Phase 3 + 4 (병렬 실행을 위해 concurrent.futures 사용)
    from concurrent.futures import ThreadPoolExecutor
    with ThreadPoolExecutor(max_workers=6) as exe:
        haiku_futures = {d['name']: exe.submit(haiku, d['haiku_prompt']) for d in domains}
        haiku_results = {k: f.result() for k, f in haiku_futures.items()}
        
        sonnet_futures = {
            d['name']: exe.submit(sonnet, d['sonnet_prompt'] + "\n\n리서치 데이터:\n" + haiku_results[d['name']])
            for d in domains
        }
        sonnet_reports = {k: f.result() for k, f in sonnet_futures.items()}

    # Phase 5
    synthesis = opus(f"3 도메인 리포트 종합:\n{sonnet_reports}\n\n원 요청: {user_request}")
    return synthesis

Claude Code에서 쓸 땐 Python 호출 대신 Agent tool로 병렬 서브에이전트 띄우는 방식이 더 자연스러움 (아래 Claude Code 통합 섹션).

Claude Code 통합 (권장)

Claude Code에서는 Agent tool을 써서 병렬 서브에이전트 실행:

Phase 1 (Opus 메인 세션):
  사용자 요청 받음 → 3 도메인 분할 설계

Phase 2-4 (Agent tool 3회 병렬 호출):
  Agent(subagent_type='general-purpose', prompt=sonnet_A_prompt, model='sonnet')
  Agent(subagent_type='general-purpose', prompt=sonnet_B_prompt, model='sonnet')
  Agent(subagent_type='general-purpose', prompt=sonnet_C_prompt, model='sonnet')
  
  각 Sonnet agent가 내부적으로 Haiku를 Agent tool로 재호출 or 직접 리서치 수행.
  (Claude Code Agent tool에는 model override 지원 — sonnet/haiku/opus 선택 가능)

Phase 5 (Opus 메인 세션 복귀):
  3 Sonnet 결과 → Opus 종합 → 사용자 응답

비용 가이드 (대략)

시나리오	소요	hyper-lab 대비
단순 (3K tok/agent)	Opus 3K × 1 + Sonnet 3K × 3 + Haiku 2K × 3 ≈ ~$0.06	~$0.30 (1/5)
중간 (10K tok/agent)	≈ ~$0.25	~$1.20 (1/5)
장대 (30K tok/agent)	≈ ~$0.80	~$4.00 (1/5)

※ 실제 비용은 프롬프트/응답 길이에 비례.

산출물 품질 보장

• Opus Phase 5에서 모순 검증: Sonnet 3개 리포트 간 충돌/공백 발견 시 해당 Sonnet 재호출
• Haiku 결과 교차검증: 같은 질문 2 Haiku에 돌려 교차 확인하는 옵션 (Phase 3.5)
• 감사 로그: audit.json에 각 에이전트 토큰 사용량 + 소요 시간 기록 → 포트폴리오 관리

제약

• 도메인 3개 고정 가정 — 더 많이 쪼개야 하면 hyper-lab 권고
• Haiku 판단 금지 — 정책상 Haiku는 팩트/데이터 수집만, 평가·결론 금지
• Opus 재호출 제한 — Phase 5에서 최대 1회 재종합 (비용 통제)
• 외부 API 호출 — Haiku의 웹 검색/API는 사용자 권한 내에서만

실행 예시 트리거 문구

트리거	Phase 1 결과
"이번 분기 한국 AI 스타트업 동향 분석해"	도메인: (1) 주요 딜·투자 (2) 기술 트렌드 (3) 정책·규제
"경쟁 3사 재무 비교"	도메인: (1) 회사 A 상세 (2) 회사 B 상세 (3) 회사 C 상세
"신규 기술 선행기술 조사"	도메인: (1) 학술 논문 (2) 기출원 특허 (3) 오픈소스 구현

Scripts

• scripts/lite_orchestrator.py — Python 독립 실행용 골격 (Anthropic SDK 사용)
• scripts/claude_code_runner.md — Claude Code Agent tool 사용 패턴 가이드

제약 (포터블성)

• 별도 프레임워크 의존성 없음 — 이 폴더만 복사하면 작동
• 환경변수: ANTHROPIC_API_KEY 만 필요 (Python 독립 실행 시)
• Claude Code에서: API 키 없이 세션 내 Agent tool로 실행 가능

---

version 1.0 · standalone multi-model orchestration skill