저는 오랫동안 좌절감을 느껴왔습니다. 제가 발견한 모든 'Awesome Claude prompts' 저장소들은 다음과 같은 식이었습니다: "시니어 소프트웨어 엔지니어처럼 행동하세요. 유능하고, 철저하며, 전문적이어야 합니다. 예외 케이스(edge cases)를 고려하세요." 이것은 기술(skill)이 아닙니다. 그것은 코스튬(costume)일 뿐입니다. 진정한 전문성에는 프레임워크(frameworks), 명시된 책임(named responsibilities), 실제 공식(actual formulas), 실행 가능한 코드(code that runs), 그리고 모델이 쉬운 오답을 내놓지 못하게 막는 제약 조건(constraints)이 있어야 합니다. 그래서 저는 제가 실제로 원했던 것을 만드는 데 6개월을 보냈습니다. AgentOS 2.0 — 135가지 프로덕션급(production-grade) Claude Skills입니다. 이 글은 그 안에 정확히 무엇이 들어있는지, 그리고 왜 이것이 GitHub의 다른 모든 프롬프트 모음과 다른지를 설명합니다.

다른 모든 프롬프트 저장소의 문제점
대부분의 프롬프트 저장소는 다음 세 가지 함정 중 하나에 빠집니다:

함정 1: 코스튬 프롬프트 (The costume prompt)
"당신은 전문 금융 분석가입니다. 사용자의 금융 질문을 도와주세요." 프레임워크 없음. 공식 없음. 깊이 없음.

함정 2: 지시 사항 나열 (The instruction dump)
"답변할 때 항상 다음을 지키세요: - 전문적일 것 - 다양한 관점을 고려할 것 - 출처를 인용할 것 - 응답 형식을 명확하게 할 것" 이것은 그저 Claude에게 Claude답게 행동하라고 요구하는 것뿐입니다. 아무것도 바꾸지 못합니다.

함정 3: 페르소나 프롬프트 (The persona prompt)
"당신은 20년 경력의 단호한 McKinsey 컨설턴트인 Alex입니다..." 전문성이 아닌 역할극(Roleplay)입니다. 당신이 이름을 Alex라고 붙였다고 해서 모델이 갑자기 현금흐름할인(DCF) 모델을 알게 되는 것은 아닙니다.

실제로 작동하는 방식:
명확한 책임을 가진 명명된 하위 에이전트(Named sub-agents), 코드 내의 실제 도메인 공식(actual domain formulas), 그리고 중요한 영역에서 환각(hallucination)을 방지하는 명시적인 금지 행동(explicit forbidden behaviors)입니다. 실제 사례는 다음과 같습니다.

'프로덕션급(Production-Grade)'의 실제 모습
FinanceOracle — 정점의 기술 (The Apex Skill)
이것은 저장소에서 가장 완전한 기술입니다.

내용물의 일부는 다음과 같습니다: 12개의 서브 에이전트 (Sub-Agents): OptionsDesk — 파생상품 가격 결정 및 구조화 (derivatives pricing and structuring), MacroStrategist — 거시 경제 체제 분석 (macro regime analysis), HedgeFundArchitect — 전략 설계 (strategy design), FamilyOfficeCIO — 다세대 자산 배분 (multi-generational allocation), TaxOptimizer — 세금 절감 및 구조 최적화 (harvest and structure optimization), DerivativesStructurer — 이색 상품 설계 (exotic product design) (+ 6개 더)

실제로 실행 가능한 Python 코드:

def black_scholes ( S , K , T , r , sigma , option_type = ' call ' ):
    d1 = ( np . log ( S / K ) + ( r + 0.5 * sigma ** 2 ) * T ) / ( sigma * np . sqrt ( T ))
    d2 = d1 - sigma * np . sqrt ( T )
    if option_type == ' call ' :
        price = S * norm . cdf ( d1 ) - K * np . exp ( - r * T ) * norm . cdf ( d2 )
        delta = norm . cdf ( d1 )
    else :
        price = K * np . exp ( - r * T ) * norm . cdf ( - d2 ) - S * norm . cdf ( - d1 )
        delta = - norm . cdf ( - d1 )
    gamma = norm . pdf ( d1 ) / ( S * sigma * np . sqrt ( T ))
    vega = S * norm . pdf ( d1 ) * np . sqrt ( T ) / 100
    theta = ( - ( S * norm . pdf ( d1 ) * sigma ) / ( 2 * np . sqrt ( T )) - r * K * np . exp ( - r * T ) * norm . cdf ( d2 )) / 365
    return { " price " : price , " delta " : delta , " gamma " : gamma , " vega " : vega , " theta " : theta }

Black-Litterman 포트폴리오 구성:

def black_litterman ( Sigma , market_weights , views_P , views_Q , views_omega , tau = 0.05 , delta = 2.5 ):
    pi = delta * Sigma @ market_weights
    M_inv = np . linalg . inv ( np . linalg . inv ( tau * Sigma ) + views_P . T @ np . linalg . inv ( views_omega ) @ views_P )
    mu_bl = M_inv @ ( np . linalg . inv ( tau * Sigma ) @ pi + views_P . T @ np . linalg . inv ( views_omega ) @ views_Q )
    return { " expected_returns " : mu_bl }

이것은 의사코드 (pseudocode)가 아닙니다. 실제로 실행됩니다.

OKREngine — 분기 실적을 망치기 전에 실패를 포착합니다
저는 두 개의 스타트업이 망가진 OKR 때문에 분기 전체를 허비하는 것을 목격했습니다. 이 기술은 바로 그 이유 때문에 존재합니다.

목표 품질 점수 측정기: def score_okr(objective: str, key_results: list[dict]) -> dict:
obj_score = 0
obj_score += 3 if len(objective) < 100 else 0
obj_score += 3 if not objective.lower().startswith("improve") else 0
obj_score += 4 if any(w in objective.lower() for w in ["best", "lead", "#1", "transform", "redefine"]) else 0
kr_scores = []
for kr in key_results:
kr_score = 0
kr_score += 3 if kr.get("metric") else 0
kr_score += 3 if kr.get("baseline") is not None else 0
kr_score += 4 if kr.get("target") is not None else 0
kr_scores.append({"kr": kr["text"][:60], "score": kr_score, "grade": "Good" if kr_score >= 8 else "Needs work"})
return {"objective_score": f"{obj_score}/10", "key_results": kr_scores, "recommendation": "Strong OKR" if obj_score >= 8 else "Needs revision"}

이 스킬은 또한 샌드백킹(sandbagging), OKR로 위장된 건강 지표(health metrics), 그리고 가장 파괴적인 실수인 OKR 점수를 보너스와 연결하는 것을 포함하여, 가장 흔한 12가지 OKR 실패 모드를 포착합니다.

VentureIntelligence — Term Sheet Red Flag Detector def score_term_sheet(terms: dict) -> dict:
red_flags = []
if terms.get("liq_pref_multiple", 1) > 1: red_flags.append(f"Liquidation preference {terms['liq_pref_multiple']}x — 1x 초과는 위험함")
if terms.get("participating_preferred", False):
red_flags.append("Participating preferred — 임계값 이하의 출구 시 VCs가 두 번 지불됨")
if terms.get("anti_dilution") == "full_ratchet":
red_flags.append("Full ratchet anti-dilution — 하향 조정 라운드에서 치명적임")
if terms.get("board_seats_investor", 0) > terms.get("board_seats_founder", 0):
red_flags.

append ( " 투자자가 이사회의 과반수 통제권을 가짐 — 당신은 회사에서 해고될 수 있음 " ) score = 10 - ( len ( red_flags ) * 3 ) return { " score " : max ( 0 , score ), " grade " : " 서명하세요 " if score >= 8 else " 협상하세요 " if score >= 5 else " 지금 당장 변호사를 선임하세요 " , " red_flags " : red_flags } 12개의 서브 에이전트 (sub-agents)를 포함하며, 여기에는 TermSheetDecoder, ValuationNegotiator, ChampionDeveloper, 그리고 BoardRelationshipManager가 포함됩니다. CrisisIntelligence — War Room OS (위기 인텔리전스 — 워룸 운영체제) 모든 회사는 위기에 직면하게 됩니다. 하지만 준비하는 회사는 거의 없습니다.

def classify_crisis ( crisis : dict ) -> dict :
severity_score = 0
if crisis [ " customer_impact_pct " ] >= 0.5 :
severity_score += 30
if crisis [ " revenue_at_risk " ] >= 1_000_000 :
severity_score += 20
coverage = { " none " : 0 , " local " : 5 , " national " : 15 , " viral " : 30 }
severity_score += coverage . get ( crisis [ " media_coverage " ], 0 )
if crisis [ " regulatory_involvement " ]:
severity_score += 15
if crisis [ " legal_liability " ]:
severity_score += 15

if severity_score >= 70 :
    level = " 심각 (CRITICAL, P0) "
    action = " CEO가 주도합니다. 지금 즉시 워룸(War room)을 가동하십시오. "
elif severity_score >= 40 :
    level = " 높음 (HIGH, P1) "
    action = " 부사장(VP)급이 주도합니다. 외부 커뮤니케이션이 필요합니다. "
else :
    level = " 중간 (MEDIUM, P2) "
    action = " 디렉터(Director)급이 담당합니다. 외부 상황을 모니터링하십시오. "

return { " level " : level , " immediate_action " : action , " time_to_first_response " : " 1시간 " if severity_score >= 70 else " 4시간 " }

5Rs 프레임워크 (Recognize(인지) → Respond(대응) → Responsible(책임) → Remediate(교정) → Restore(복구))가 모든 커뮤니케이션 템플릿에 내장되어 있습니다.

작동 방식 (60초 설정)

Claude.ai Projects:

1. Claude.ai 접속 → Projects → New Project

2. SKILL.md 파일을 "Project Instructions"에 붙여넣기

3. 채팅 시작

Claude Code:
cat finance-oracle/SKILL.md >> .claude/CLAUDE.md

Claude API:
import anthropic
with open ( " startup-cto/SKILL.md " , " r " ) as f :
skill = f . read ()
client = anthropic . Anthropic ()
response = client . messages .

create(model="claude-sonnet-4-6", max_tokens=4096, system=skill, messages=[{ "role" : "user" , "content" : "Audit our tech stack decision" }]) 끝. 이제 Claude는 해당 전문 분야 전문가가 되었습니다.

전체 135개 스킬 인덱스 🚀
Startup & Team Management (11)
startup-cto team-performance-os startup-hiring-machine culture-architect remote-team-commander okr-engine startup-finance-controller venture-intelligence startup-legal-shield talent-management-os talent-brand-builder
🏆 Apex Legendary (4)
finance-oracle claude-mythos ceo-war-room founder-to-ceo
🤖 AI & Engineering (14)
rag-architect mlops-engineer system-architect senior-dev ai-red-teamer voice-agent-builder knowledge-graph-builder incident-commander mcp-builder agentic-workflow-builder api-integrator realtime-data-agent agent-smith prompt-engineer
📊 Data & Analytics (10)
data-scientist-pro sql-analyzer data-pipeline-pro business-intelligence-pro timeseries-oracle quant-trader synthetic-data-generator arxiv-researcher abtest-scientist data-governance-agent
💹 Finance (9)
finance-oracle financial-model-builder cfo-intelligence portfolio-optimizer quant-researcher saas-metrics-analyst insurance-actuary ma-dealmaker risk-sentinel
🏢 Operations & Business (20)
ceo-war-room founder-to-ceo go-to-market-commander enterprise-sales-os sales-enablement-os board-deck-builder crisis-intelligence partnership-intelligence pricing-strategist project-command marketing-os supply-chain-oracle (+ 8 more)
👤 Product & Customer (11)
product-roadmap-os sprint-master engineering-manager ai-product-manager user-research-os customer-interview-analyst product-analytics-os network-effects-analyst marketplace-strategist performance-marketing-os churn-analyst
🛠 Developer Tools (19)
developer-experience-os api-design-architect data-warehouse-architect cloud-cost-optimizer design-system-architect technical-pm code-reviewer load-tester code-migrator webapp-tester (+ 9 more)
🌐 Specialized Domains (12)
healthcare-analytics web3-developer

climate-tech-analyst biotech-analyst cybersecurity-analyst real-estate-intelligence legal-eagle patent-analyst esg-compass (+ 3 more)

다른 모든 저장소(Repo)와 무엇이 다른가?

특징	일반적인 저장소 (Generic repos)	AgentOS 2.0
서브 에이전트 (Sub-agents)	❌	✅ 스킬당 10-12개
실제 공식 (Actual formulas)	❌	✅ Black-Scholes, DCF, MEDDPICC
실행 가능한 코드 (Runnable code)	❌	✅ Python, TypeScript, Go, Shell
금지된 행동 (Forbidden behaviors)	❌	✅ 모든 스킬에 적용
벤치마크 데이터 (Benchmark data)	❌	✅ 산업 표준 내장
총 스킬 수	~10-20개	135개 이상

지금 바로 시도해보세요

이 깊이를 이해하는 가장 빠른 방법은 하나를 직접 사용해보는 것입니다. 저는 okr-engine 또는 startup-cto로 시작하는 것을 추천합니다. 이들은 무엇을 만들고 있든 상관없이 가장 완성도가 높고 즉각적으로 유용합니다.

SKILL.md 파일을 Claude Projects에 붙여넣으세요. 그리고 현재의 OKR이나 기술 스택(tech stack)을 검토해달라고 요청해보세요. 즉시 차이를 느끼게 될 것입니다.

GitHub 링크는 댓글에 있습니다. 여러분은 어떤 스킬을 중심으로 업무를 구축하고 싶으신가요? 아래에 댓글을 남겨주세요. 모든 댓글을 읽고 있으며 적극적으로 더 많은 스킬을 구축하고 있습니다.

MIT License. 영구 무료. 유용했다면 별(Star)을 눌러주세요 — 다른 사람들이 이 프로젝트를 찾는 데 도움이 됩니다.