← ClaudeAtlas

meta-promptlisted

타깃 AI 모델(GPT/Codex, Claude, Gemini, Seedance, Higgsfield 등)별 프롬프트 가이드북에 맞춰 사용자의 요청을 최적화된 프롬프트로 변환·생성한다. 트리거 — "○○용 프롬프트 만들어줘", "프롬프트 최적화해줘", "이 요청을 ○○ 프롬프트로 바꿔줘", "프롬프트 잘 써줘", "meta-prompt". 서브커맨드 — "/meta-prompt refresh <model>"(가이드북 갱신), "/meta-prompt add <model>"(새 모델 추가), "/meta-prompt eval <요청>"(원본 vs 변환본 A/B 비교). 단순 문장 윤문이나 한글 자연화는 humanize-korean 소관.
2000silpeed/meta-prompt-skill · ★ 0 · AI & Automation · score 63
Install: claude install-skill 2000silpeed/meta-prompt-skill
# meta-prompt: 모델별 가이드북 기반 프롬프트 변환기 가이드북 루트: `/Users/sungwoon/ai-projects/meta-prompt-skill/guidebooks/` (이하 `$GB`. 설계 배경: 같은 레포의 `PLAN.md`) ## 핵심 원칙 - **토큰 절약 — 3단 점진 로딩을 엄수한다.** ①`$GB/registry.yaml`(항상) → ②해당 모델의 `index.yaml`(변환 시) → ③index의 `when` 조건에 맞는 카드 파일만 선별 로드. 모델 디렉토리 전체를 읽지 않는다. - **가이드북에 없는 지식으로 임의 변환하지 않는다.** 카드가 다루지 않는 영역은 일반 프롬프트 원칙으로 채우되, 그 사실을 산출물 해설에 명시한다. ## 변환 플로우 ### 1. 타깃 모델 감지 (사다리 순서대로) 0. **환경 자체 감지**: 요청이 "지금 이 세션"용이면 현재 Claude 모델이 타깃. 세션에 연결된 실행 도구(Higgsfield MCP, codex 등)가 요청 내용과 맞으면 그 모델을 후보로. 1. **사용자 명시**: 모델명이 있으면 registry의 `aliases`로 매칭. 2. **맥락 추론**: 요청 성격으로 추론하되(영상 → media 타입 모델 등), 추론했음을 반드시 명시: "○○ 모델 기준으로 변환합니다. 다른 모델이면 알려주세요." 3. **질문**: 모호하면 registry의 모델 목록을 AskUserQuestion으로 제시. 4. **폴백**: 레지스트리에 없는 모델이 명시됐으면 `$GB/_generic`으로 변환하되, 전용 가이드북이 없어 모델 고유 문법은 반영 못 했음을 밝히고 `/meta-prompt add <model>`을 권한다. ### 2. 가이드북 로드 + 신선도 확인 - `$GB/registry.yaml`에서 모델 확인. `last_verified`가 `staleness_days`(30일)를 넘었으면 **경고만** 한다: "이 가이드북은 N일 전 검증본입니다. `/meta-prompt refresh <model>`로 갱신할 수 있습니다." 차단하지 않는다. - `verification: knowledge-based`면 "공식 가이드 대조 전 초안" 상태임을 함께 표기. - `$GB/<model-id>/index.yaml`을 읽고, `when` 조건이 요청에 해당하는 카드만 로드. ### 3. 슬롯 확인 → 컨텍스트 보강 - index의 `slots.required` 중 사용자 요청에서 채울 수 없는 것만 모아 **AskUserQuestion 1라운드**로 질문 (요청에서 추론 가능하면 묻지 않는다). - `slots.optional`은 `default`로 채우고, 채운 가정을 산출물에 명시한다. ### 4. 진단 → 변환 변환 전에 원 요청을 3차원으로 각 한 줄씩 진단한다 — **명확성**(단일 해석인가) / **구체성**(기준이 측정 가능한가) / **맥락**(배경·용도가 있는가). 낮게 진단된 차원은 변환에서 반드시 보강하고, 무엇을 보