어떤 어시스턴트에게든 개방형 질문을 던져보세요. "이걸 만들어야 할까요?", "이 직업을 수락해야 할까요?", "이 제품을 어떻게 포지셔닝해야 할까요?"와 같은 질문들 말이죠. 그러면 당신은 합리적이면서도 약간은 일반적인(generic) 조언을 듣게 될 것입니다. 타겟을 좁히세요. 차별화하세요. MVP (Minimum Viable Product)를 구축하세요. 사용자들과 대화하세요. 수요를 테스트하세요.

이 중 틀린 말은 하나도 없습니다. 다만, 그 조언들은 당신이 서 있는 자리에서 단 한 발짝도 움직이게 해주지 못할 뿐입니다.

Insight Compiler는 그러한 일반적인 답변을 결승선이 아닌 출발선으로 취급하는 에이전트 스킬 (Agent Skill)입니다. 이 스킬은 평범한 답변을 명시적으로 적어 내려간 다음, 남은 실행 시간 동안 그 답변을 딛고 올라서는 데 집중합니다.

루프 (The loop)

이 스킬은 매번 7단계의 과정을 거쳐 실행됩니다:

1. 의도 발견 (Intent discovery) — 표면적인 질문과 실제 목표를 분리하고, 당신이 아직 묻지 않은 질문의 이름을 명명합니다.
2. 일반적 답변 기준점 (Ordinary-answer baseline) — 일반적인 AI가 말할 법한 내용을 명시적으로 작성합니다.
3. 도메인 렌즈 (Domain lenses) — 군사 전략, 도시 설계, 게임 디자인, 종교, 투자와 같이 거리가 먼 분야의 관점으로 문제를 바라봅니다.
4. 발견 연산자 (Discovery operators) — 문제를 변형합니다: 문제를 뒤집거나, 행위자를 바꾸거나, 규모를 이동하거나, 아무도 찾지 않는 빈틈을 찾아냅니다.
5. 힌트 뱅크 (Hint bank) — 렌즈 (lenses)와 연산자 (operators)를 교차시켜 밀도 높은 원재료 목록을 만듭니다.
6. 전략 후보 (Strategy candidates) — 2~3가지 방향을 제시하며, 각 방향은 그것이 도출된 구체적인 힌트들과 연결됩니다.
7. 정직한 평가 + 하나의 검증 분기점 (Honest evaluation + one validation fork) — 억지로 무승부를 만들지 않고 순위를 매긴 뒤, 각 테스트 결과에 따라 무엇을 변경해야 할지 미리 결정합니다.

2단계가 핵심적인 지지대 역할을 합니다. 명시되지 않은 일반적인 답변은 모델이 조용히 안주하게 되는 천장이 되지만, 글로 적힌 답변은 당신이 박차고 올라갈 수 있는 바닥이 됩니다. 7단계는 이 전체 과정이 단순한 브레인스토밍에 그치지 않게 만드는 장치입니다. 당신은 하나의 저렴한 테스트와 함께, 어떤 결과가 나오더라도 이미 내려진 결정을 갖게 됩니다.

내부 스캔은 광범위하게 이루어지지만, 출력물은 큐레이션(curated)됩니다. 시도한 모든 렌즈를 쏟아내는 대신 가장 강력한 발견 사항들을 보여줍니다.

실제 적용 사례

실제 실행 사례입니다. 제가 던진 질문은 저 자신의 것이며, 규모가 작기 때문에 데모로 보여주기에 적합합니다. 제가 이 스킬을 공개했지만 아무도 리포지토리(repository)를 방문하지 않았기에, 어떻게 해야 할지 물었습니다.

일반적인 어시스턴트(assistant)는 질문한 대로 답변했습니다: README에 예시를 더 추가하고, GIF를 녹화하고, X와 Reddit에 게시하며, 발표하기 전에 콘텐츠를 준비하라는 식입니다. 견고하고 실행 가능하며, 질문에 담긴 모든 전제를 그대로 수용합니다.

반면, 이 스킬은 질문을 거부함으로써 시작되었습니다:

본질적인 질문: "어떻게 하면 리포지토리 방문자를 늘릴 수 있을까"가 아니라, "타겟 대상자가 자신의 생각이 움직인다고 느낄 만큼 충분한 가치를 처음으로 마주하는 지점은 어디인가?"입니다.

이것이 자명하지 않은 이유: "낮은 방문 횟수 = 설명 부족"이라는 전제는 두 가지 서로 다른 병목 현상(bottleneck), 즉 발견/배포(discovery/distribution) 문제와 이해(comprehension) 문제를 혼동하고 있습니다.

그 후, 마지막 부분에서 제가 인지하지 못하고 있었던 가정을 지적했습니다:

"GitHub 리포지토리 방문자 수"가 올바른 성공 지표이며, "이해하기 어렵다"가 낮은 관심도의 원인이라는 가정 자체에 의문이 제기됩니다. Claude 내부에서 실행되는 에이전트 스킬(agent skill)의 경우, 사용자가 먼저 매력적인 결과물을 마주한다면 해당 스킬을 채택할지 결정하는 과정에서 리포지토리를 전혀 방문할 필요가 없을 수도 있기 때문입니다.

나란히 비교하면 다음과 같습니다:

또한 이 스킬은 자신이 제시한 세 가지 후보를 솔직하게 평가했습니다. 가장 흥미로운 후보에 대해서는 "타겟 독자들이 실제로 당신이 게시하는 곳에 있는지 확인되지 않음"이라고 표시했고, 지루한 README 수정안이 오늘 당장 실행 가능한 유일한 방법임을 인정했습니다. 결론은 이렇습니다: 지루한 작업을 수행하십시오. 비용이 거의 들지 않기 때문입니다. 하지만 그것은 필요조건일 뿐, 충분조건은 아닙니다.

전체 스크립트는 리포지토리에 편집 없이 두 답변이 나란히 수록되어 있습니다. 분량이 깁니다. 이는 티저가 아니라 출력물의 정직한 형태입니다.

설치 방법

Agent Skill은 단순히 SKILL.md 파일이 포함된 디렉토리일 뿐입니다. Claude Code의 경우 다음과 같이 설치합니다:

git clone https://github.com/snc2work/insight-compiler.git
mkdir -p ~/.claude/skills
cp -r insight-compiler/InsightCompiler ~/.claude/skills/

재시작한 후, /skills를 입력하여 로드되었는지 확인하세요. Agent Skill을 지원하는 모든 에이전트는 동일한 방식으로 작동합니다. SKILL.md와 references/ 디렉토리를 함께 유지하며 디렉토리를 복사하면 됩니다.

이 스킬은 이름을 직접 호출하여 실행하지 않습니다. 질문의 형태(shape)에 따라 트리거됩니다:

당신에게 상의할 것이 있습니다. 제 제품을 직접 만들기 위해 직장을 그만둘지 고민 중입니다.

사용자들이 우리의 유료 플랜에 대해 불만을 제기하고 있습니다. 가격을 낮춰야 할까요?

제품 아이디어가 하나 있는데, 이미 시중에 나와 있는 것들과 충분히 차별화되는지 확신이 서지 않습니다.

두 번째 버전인 InsightCompilerPersonal은 ~/.insight-compiler/profile.md에 로컬 프로필을 유지합니다. 이는 오직 작업 습관 — 당신이 알고 있는 제약 조건, 당신이 동의한 검증(validations)을 실제로 수행하는지 여부, 당신이 항상 접근하는 관점 등 — 만을 기록하며, 당신이 어떤 아이디어를 좋아했는지는 절대 기록하지 않습니다. 따라서 에코 체임버(echo chamber)를 형성하지 않으면서 실행 가능성 판단의 근거를 제공합니다. 둘 중 하나만 설치하세요. 둘 다 설치하면 안 됩니다. 두 버전은 동일한 프롬프트에 트리거됩니다.

사용하지 말아야 할 때

전체 세션은 수천 단어에 달합니다. 이러한 길이는 의도된 것이며, 빠른 사실적 답변, 코드, 또는 향후 5분 내에 실행할 수 있는 결정을 원할 때는 이 도구가 적합하지 않음을 의미합니다.

또한 이 도구는 현실을 확인할 수 없습니다. 시장의 공백이 존재한다고 말할 때, 그것은 조사가 아닌 추론(reasoning)에 의해 생성된 가설입니다. 참신함에 대한 주장은 직접 확인해야 할 사항으로 취급하세요.

그리고 당신이 무엇을 해야 할지 이미 알고 있고 단지 실행이 필요할 뿐이라면, 일반적인 답변이 정답입니다. 이 스킬은 당신이 잘못된 문제를 풀고 있다고 의심되는 질문들을 위한 것입니다.

예시에 관한 참고 사항

위의 데모에는 다소 순환적인 요소가 있으며, 이를 명확히 말해둘 가치가 있습니다. 실행 결과는 저에게 저장소 (Repository)를 다듬는 일을 멈추고, 독자들이 이미 머물고 있는 곳에 완성된 결과물을 내놓으라고 말했습니다. 이 포스트는 그 지시를 수행한 결과물입니다. 이것이 효과가 있었는지는 측정 가능하며, 세션 시작 전 각 결과가 무엇을 의미하는지에 대해 사전 약속을 했습니다. 즉, 반응(Reaction)이 있다면 계속해서 전사본 (Transcripts)을 제작하고, 침묵(Silence)이 있다면 문제는 프레젠테이션이 아니므로 대신 실제 사용자 한 명에게 집중하여 범위를 좁혀야 한다는 것입니다.

저장소 (Repository): https://github.com/snc2work/insight-compiler (MIT)

만약 직접 시도해 보신다면, 어떤 대상에 적용하셨는지 알려주시면 감사하겠습니다.