菜单
특허 연구 영역 클러스터링, 키워드 최적화, 검색 전략 수립. Use when: (1) 새로운 특허 조사 프로젝트 시작 시, (2) KIPRIS API 호출 전 키워드 조합 최적화 시, (3) IPC 코드와 키워드 분류 체계 구성 시, (4) 다국가 특허 검색 전략 수립 시, (5) '검색 계획', 'plan patent search', 'optimize keywords', 'cluster research areas' 요청 시.
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。
基于 SOC 职业分类
HWPX XML-first document authoring skill for create/edit/read/validate workflows and template-driven generation. Use when you need deterministic Korean document layout control via section0.xml/header.xml and script-based build pipelines instead of opaque editors.
HWPX 템플릿 기반 문서 생성 및 ZIP-level 치환 워크플로우를 제공한다. Use when 사용자 업로드 양식 또는 기본 양식을 기반으로 보고서/공문서를 빠르게 생성해야 할 때.
한국어 심층 인터뷰로 모호한 요구사항을 실행 가능한 명세로 변환합니다. 다음과 같은 경우 사용 — '인터뷰해줘', '심층 인터뷰', '전부 다 물어봐줘', '가정하지 마' 같은 요청, 막연하거나 수용 기준이 불명확한 작업, ralph/team/plan/autopilot 워크플로우 전 명확화 필요 시. 5개 불리언 게이트(non-goals/decision-boundaries/pressure-pass/closure-audit/contradiction-audit) + 가중치 기반 모호성 게이팅 + 7단계 상태 머신 + 4개 한국어 도메인 렌즈(기술/UI-UX/위험/트레이드오프) 적용. omo와 표준 Claude Code 양 환경 호환. 결과는 .claude/plans/interview-{slug}-{ts}.md 명세로 결정화.
Gemini와 OpenAI gpt-image-2를 사용한 슬라이드 이미지 렌더링 스킬. renderer-agent / renderer-agent-openai가 프롬프트 파일을 이미지로 변환할 때 사용. generate_slide_images.py / generate_slide_images_openai.py 실행 가이드, 환경 요구사항, 출력 해석, 에러 처리 방법을 포함합니다.
Submit URLs to HoneyCombo via gh CLI with Korean structured summaries. Use when the user explicitly requests HoneyCombo submission — phrases like '허니콤보에 올려줘', 'submit to honeycombo', '제출해줘', '등록까지 해줘'. Handles single submit (1-5 URLs, one Issue per URL) and bulk submit (6-20 URLs, one Issue). Requires gh CLI authentication.
Fetch URLs and generate structured Korean markdown summary notes. Use WHENEVER the user provides one or more URLs — including bare URL lists with minimal instruction like '이 링크들 정리해줘', '아래 url 정리', 'md로 저장해줘' — or any message whose primary content is HTTP(S) URLs. Also triggers on requests containing 'Resource에 넣어줘', '기사 정리', or similar content curation phrases. This skill handles ONLY note generation, not HoneyCombo submission.
| name | patent-research-planning |
| description | 특허 연구 영역 클러스터링, 키워드 최적화, 검색 전략 수립. Use when: (1) 새로운 특허 조사 프로젝트 시작 시, (2) KIPRIS API 호출 전 키워드 조합 최적화 시, (3) IPC 코드와 키워드 분류 체계 구성 시, (4) 다국가 특허 검색 전략 수립 시, (5) '검색 계획', 'plan patent search', 'optimize keywords', 'cluster research areas' 요청 시. |
특허 조사 프로젝트의 키워드 클러스터링, 검색 전략 수립, IPC 코드 매핑을 담당하는 스킬입니다.
이 스킬은 3단계 파이프라인의 L1 (Planning) 입니다.
L1 Planning (이 스킬)
↓ 검색 전략, 키워드 목록, IPC 코드
L2 Search (patent-search-collect)
↓ 수집된 특허 데이터 (Excel/JSON)
L3 Analysis (patent-analysis-viz)
↓ 분류, 트렌드 분석, 시각화 대시보드
L1을 충분히 수행해야 L2에서 불필요한 API 호출을 줄이고 L3 결과의 정밀도를 높일 수 있습니다.
| 도구 이름 | 설명 |
|---|---|
patent_search_planner | 연구 주제를 입력하면 검색 전략, 키워드 클러스터, IPC 코드 추천을 반환 |
patent_keyword_optimizer | 초기 키워드 세트를 입력하면 동의어 확장, 불용어 제거, 조합 최적화 수행 |
사용자의 연구 주제를 구체화합니다.
patent_keyword_optimizer 를 호출하여 초기 키워드를 정제합니다.
입력: [연구 주제 관련 초기 키워드들]
출력: {
"korean": [한국어 최적화 키워드 목록],
"english": [영어 최적화 키워드 목록],
"excluded": [분석 범위 외 도메인 키워드 — 필요 시 정의]
}
patent_search_planner 를 호출하여 구체적인 검색 계획을 생성합니다.
입력: 최적화된 키워드 + 연구 주제
출력: {
"queries": [...], // 개별 검색 쿼리 목록
"ipc_codes": [...], // 추천 IPC 코드
"search_order": [...], // 국가별 검색 순서
"estimated_results": N // 예상 결과 수
}
사용자에게 다음 항목을 정리해 제시합니다.
계획을 확인받은 후 L2 (patent-search-collect) 로 넘어갑니다.
연구 주제에 맞는 분류 체계를 L1 단계에서 정의합니다. 이 분류 체계는 L3 분석 단계의 기준이 됩니다.
연구 주제에 적합한 분류 축을 2개 이상 정의합니다. 각 축은 상호 배타적이고 전체를 포괄하도록 설계합니다.
예시 구조:
Axis 1: [연구 주제의 처리 방식, 적용 계층, 구현 환경 등]
Axis 2: [연구 주제의 기능, 목적, 응용 분야 등]