@mastepanoski/claude-skills
Version
License
Skills
Agent Skills
Commits
Last Commit
AI 코딩 어시스턴트를 위한 전문적인 UX/UI 평가 및 AI 거버넌스 스킬. Nielsen의 휴리스틱(heuristics), WCAG 준수 등 업계 표준 방법론을 사용하여 인터페이스를 감사하세요.
🌐 skills.sh에서 둘러보기
📦 모든 스킬 보기 → | Vercel 공식 디렉토리
저희의 스킬은 에이전트 스킬을 발견할 수 있는 생태계 전반의 오픈 디렉토리인 **skills.sh**에 인덱싱되어 있습니다. 아래의 각 스킬에는 해당 skills.sh 페이지로 직접 연결되는 링크가 있으며, 이곳에서 설치 명령어, 사용 예시 및 커뮤니티 통계를 확인할 수 있습니다.
🤖 호환 가능한 AI 어시스턴트
이러한 스킬들은 일반적인 SKILL.md 폴더이며 Agent Skills standard를 지원하는 어시스턴트와 함께 작동합니다:
- ✅ Claude Code (Anthropic) -
.claude/skills/에 설치하거나 npx skills로 사용
- ✅ OpenAI Codex CLI - 동일한 스킬 폴더를
.codex/skills/ 또는 npx skills와 함께 사용
- ✅ ChatGPT
- ✅ 사양을 지원하는 기타 모든 에이전트
별도의 Claude/Codex 변형 버전은 유지되지 않습니다. 공유된 skills/<skill-name>/SKILL.md 파일이 진실의 원천입니다.
🚀 빠른 시작
npx skills add mastepanoski/claude-skills --list
...
설치 후, AI 어시스턴트에게 단순히 스킬을 사용하도록 요청하면 됩니다:
- "WCAG 표준을 사용하여 내 로그인 페이지를 감사해 줘"
- "Nielsen의 휴리스틱으로 이 컴포넌트를 평가해 줘"
- "이 인터페이스의 시각적 디자인을 검토해 줘"
AI는 사용자의 요청에 따라 설치된 스킬을 사용할 때 자동으로 감지합니다.
📚 사용 가능한 스킬
🎨 UX/UI 평가 스위트 (UX/UI Evaluation Suite)
⭐ ux-audit-rethink - 전체 UX 평가
→ skills.sh에서 보기
npx skills add mastepanoski/claude-skills --skill ux-audit-rethink
전체적인 사용자 경험(UX) 감사(audit)를 위한 Interaction Design Foundation의 프레임워크:
- 7가지 UX 요소: 유용성 (Useful), 사용성 (Usable), 찾기 쉬움 (Findable), 신뢰성 (Credible), 매력도 (Desirable), 접근성 (Accessible), 가치성 (Valuable)
- 5가지 사용성 특성: 학습 용이성 (Learnability), 효율성 (Efficiency), 기억 용이성 (Memorability), 오류 방지 (Errors), 만족도 (Satisfaction))
- 5가지 상호작용 차원: 단어 (Words), 시각 (Visual), 공간 (Space), 시간 (Time), 행동 (Behavior)
최적의 사용처: 전략적인 재설계 제안을 포함한 포괄적인 인터페이스 평가
사용 예시:
"나의 이커머스 결제 흐름에 대한 완전한 UX 감사를 수행해 줘"
"이 대시보드의 전반적인 UX를 평가하고 개선 방안을 제안해 줘"
nielsen-heuristics-audit - 사용성 검사(Usability Inspection)
→ skills.sh에서 보기
npx skills add mastepanoski/claude-skills --skill nielsen-heuristics-audit
Jakob Nielsen의 10가지 사용성 휴리스틱(usability heuristics)을 사용한 체계적인 평가:
- 시스템 상태 가시성 (Visibility of system status)
- 시스템과 실제 세계 간의 일치 (Match between system and real world)
- 사용자 제어 및 자유 (User control and freedom)
- 일관성과 표준 (Consistency and standards)
- 오류 예방 (Error prevention)
- 그리고 5가지 추가 요소...
포함 내용: 심각도 등급(Severity ratings, 0-4 스케일), 실행 가능한 권장 사항
최적의 사용처: 빠른 사용성 검사, 주요 사용성 문제 식별
사용 예시:
"Nielsen의 휴리스틱에 따라 내 앱을 점검해 줘"
"이 탐색 메뉴에서 사용성 문제를 찾아 줘"
wcag-accessibility-audit - 법적 준수 검사기(Legal Compliance Checker)
→ skills.sh에서 보기
npx skills add mastepanoski/claude-skills --skill wcag-accessibility-audit
완벽한 WCAG 2.1/2.2 접근성 감사:
- 4가지 POUR 원칙: 인지 가능 (Perceivable), 운용 가능 (Operable), 이해 가능 (Understandable), 견고함 (Robust)
- 준수 수준: A, AA, AAA
- 자동화 + 수동 테스트 절차
최적의 사용처: 법적 준수(ADA, Section 508), 포용적 디자인, 접근성 인증
사용 예시:
"WCAG AA 준수를 위해 내 웹사이트를 감사해 줘"
"이 양식이 접근성 표준을 충족하는지 확인해 줘"
don-norman-principles-audit - 기본적인 디자인 검토
→ skills.sh에서 보기
npx skills add mastepanoski/claude-skills --skill don-norman-principles-audit
The Design of Everyday Things에서 나온 Don Norman의 7가지 원칙을 사용하여 인터페이스를 평가합니다:
- 발견 가능성(Discoverability), 사용성(Affordances), 표시자(Signifiers)
- 피드백(Feedback), 매핑(Mapping), 제약 조건(Constraints)
- 개념 모델(Conceptual models)
가장 적합한 용도: 새로운 인터페이스의 직관성과 학습 가능성을 평가할 때
사용 예시:
"내 앱에서 사용자가 주요 기능을 발견할 수 있는지 확인해 줘"
"이 모바일 인터페이스의 사용성을 평가해 줘"
→ skills.sh에서 보기
npx skills add mastepanoski/claude-skills --skill information-architecture-audit
4가지 시스템 모델(조직화, 레이블링, 탐색, 검색)과 8가지 IA 원칙을 사용하여 정보 구조(information architecture)를 감사하거나 설계합니다:
- 콘텐츠 인벤토리 및 감사 (유지/업데이트/병합/제거/누락)
- 조직 체계, 계층의 폭/깊이, 성장
- 레이블 일관성, 명확성, 관례 준수
- 전역/지역/맥락적 탐색(Global/local/contextual navigation), 브레드크럼(breadcrumbs), 검색 및 페싯(facets)
- 카드 분류(Card sorting) 및 트리 테스트 계획, 사이트맵 제안
가장 적합한 용도: 찾기 어려움 문제(Findability problems), 재설계, 새로운 사이트맵, 탐색 시스템 전반 개편
cognitive-walkthrough - 작업별 심층 분석
→ skills.sh에서 보기
npx skills add mastepanoski/claude-skills --skill cognitive-walkthrough
특정 작업을 위한 초보 사용자 인지 과정(novice user cognition)을 단계별로 시뮬레이션합니다:
- 사용자가 무엇을 해야 할지 알까?
- 어떻게 하는지 볼 수 있을까?
- 피드백을 이해할 수 있을까?
- 성공했는지 알 수 있을까?
가장 적합한 용도: 온보딩 플로우, 핵심 사용자 작업(critical user tasks), 첫 사용 경험 테스트
예시 사용법:
"신규 사용자로 가입 절차를 안내해 줘"
"첫 사용자 입장에서 '새 프로젝트 생성' 작업을 분석해 줘"
ui-design-review - 시각 디자인 다듬기 (Visual Design Polish)
→ skills.sh에서 보기
npx skills add mastepanoski/claude-skills --skill ui-design-review
10개 차원에 걸친 포괄적인 시각 디자인 평가(visual design evaluation):
- 타이포그래피 및 계층 구조 (Typography & hierarchy)
- 색상 시스템 및 대비 (Color system & contrast)
- 간격 및 레이아웃 그리드 (Spacing & layout grid)
- 컴포넌트 일관성 (Component consistency)
- 브랜딩 및 카테고리 관례 (Branding & category conventions)
최적 용도: 시각적 개선, 디자인 시스템 감사(design system audits), 브랜드 일관성 유지
예시 사용법:
"내 랜딩 페이지의 시각 디자인을 검토해 줘"
"내 컴포넌트 라이브러리가 일관적인지 확인해 줘"
🛡️ AI 거버넌스 및 보안 (AI Governance & Security)
iso-42001-ai-governance - 책임 있는 AI 감사(Responsible AI Audit)
→ skills.sh에서 보기
npx skills add mastepanoski/claude-skills --skill iso-42001-ai-governance
ISO 42001:2023 표준을 사용한 AI 시스템 거버넌스:
- 위험 관리 및 영향 평가 (Risk management & impact assessment)
- 윤리 및 공정성 평가 (Ethics & fairness evaluation)
- 보안 및 개인정보 보호 통제 (Security & privacy controls)
- 투명성 및 설명 가능성 (Transparency & explainability)
- 규제 준수 (Regulatory compliance) (EU AI Act, GDPR)
최적 용도: AI 제품 개발, 머신러닝(ML) 시스템 감사, 규제 준비
예시 사용법:
"내 추천 알고리즘을 ISO 42001 준수 여부로 감사해 줘"
"우리 챗봇의 AI 거버넌스 관행을 검토해 줘"
iso-27090-ai-security - AI 보안 평가(AI Security Assessment)
→ skills.sh에서 보기
npx skills add mastepanoski/claude-skills --skill iso-27090-ai-security
ISO/IEC 27090:2026 가이드를 사용한 AI 시스템 보안 격차 평가:
- 7가지 보안 도메인: 거버넌스(Governance), 공급망 및 AIBOM, 데이터 오염(Data poisoning), 모델 보호(Model protection), 입력 및 회피(Inputs & evasion), 출력(Outputs), 모니터링 및 대응(Monitoring & response)
- 4단계 성숙도 규모(0–3)를 갖춘 위협 기반 체크리스트
- 발견 사항 우선순위 매트릭스 및 CIA 영향도 매핑
- 클라이언트 사용 준비가 된 격차 평가 보고서와 30/90일 개선 조치 계획
적합한 용도: AI 사이버 보안 검토, 적대적 위협 격차 평가, AIBOM 실사(diligence), ISO 27001/42001 기술 준비도
사용 예시:
"Perform an ISO 27090 security gap assessment on our customer chatbot"
"Audit our ML pipeline against AI-specific threats like poisoning and model theft"
"Review our AI supply chain and model protection controls using ISO 27090"
nist-ai-rmf - AI 위험 관리 (AI Risk Management)
→ skills.sh에서 보기
npx skills add mastepanoski/claude-skills --skill nist-ai-rmf
NIST AI RMF 1.0 프레임워크를 사용한 AI 위험 평가:
- 4가지 핵심 기능: 거버넌스(Govern), 매핑(Map), 측정(Measure), 관리(Manage)
- 7가지 신뢰성 특성: 유효성(Valid), 안전성(Safe), 보안성(Secure), 책임성(Accountable), 설명 가능성(Explainable), 개인정보 보호(Privacy), 공정성(Fair)
- 위험 등록부 및 개선 로드맵
- 생성형 AI 고려 사항 (NIST AI 600-1)
적합한 용도: AI 위험 평가, 규제 대비, 조직 AI 거버넌스, 신뢰할 수 있는 AI 평가
사용 예시:
"Assess risks of our AI recommendation system using NIST AI RMF"
"Evaluate trustworthiness of our chatbot deployment"
"Conduct an AI risk management review for our ML pipeline"
owasp-llm-top10 - LLM 보안 감사 (LLM Security Audit)
→ skills.sh에서 보기
npx skills add mastepanoski/claude-skills --skill owasp-llm-top10
OWASP Top 10 for LLM Apps 2025를 사용한 LLM 및 GenAI 애플리케이션 보안 감사:
- 10가지 주요 취약점: Prompt Injection, Sensitive Info Disclosure, Supply Chain, Data Poisoning, Improper Output Handling, Excessive Agency, System Prompt Leakage, Vector Weaknesses, Misinformation, Unbounded Consumption
- 공격 벡터(Attack vectors) 및 완화 전략(mitigation strategies)
- 보안 제어 매트릭스(Security controls matrix) 및 개선 로드맵(remediation roadmap)
적합한 용도: LLM 애플리케이션 보안, 침투 테스트(penetration testing), 안전한 AI 아키텍처, GenAI 규정 준수
사용 예시:
"Audit security of our AI chatbot for OWASP LLM vulnerabilities"
"Check our RAG system for prompt injection and data leakage risks"
"Review security posture of our GenAI application"
owasp-ai-testing - AI 신뢰성 테스트 (AI Trustworthiness Testing)
→ skills.sh에서 보기
npx skills add mastepanoski/claude-skills --skill owasp-ai-testing
OWASP AI Testing Guide v1 (2025)를 사용한 체계적인 AI 신뢰성 테스트:
- 4개 계층(Application, Model, Infrastructure, Data)에 걸친 32가지 테스트 케이스
- 각 테스트별 실용적인 페이로드(payloads), 관찰 가능한 지표(observable indicators), 및 개선 방안
- 보안을 넘어: 공정성(fairness), 설명 가능성(explainability), 신뢰성(reliability), 개인 정보 보호(privacy)
- 테스트 ID: AITG-APP (14), AITG-MOD (7), AITG-INF (6), AITG-DAT (5)
적합한 용도: AI 침투 테스트, 신뢰성 검증(trustworthiness validation), 레드팀 훈련(red-team exercises), CI/CD 테스트 스위트
사용 예시:
"Run OWASP AI testing on our chatbot application"
"Test our RAG system for prompt injection and data leakage"
"Execute a trustworthiness assessment of our ML pipeline"
🇪🇺 gdpr-audit - GDPR 규정 준수 감사 (GDPR Compliance Audit)
npx skills add mastepanoski/claude-skills --skill gdpr-audit
탐지 가이드(detection-guide) 방법론을 사용한 코드, 계획(plans), 스키마 또는 IaC에 대한 기술적 GDPR 감사:
- 처리 맵(processing map)을 구축한 다음, GDPR 조항 인용, 심각도(severity), 신뢰도(confidence), 증거와 함께 발견 사항을 출력합니다.
- 확인된 문제(confirmed issues), 가능성이 있는 문제(likely issues), 증거 격차(evidence gaps), 권고 사항(advisories)을 구분하며, 결코 공상으로 정책적 격차를 만들지 않습니다.
references/에 15개의 탐지 가이드가 포함되어 있습니다 (적법 근거(lawful basis), 동의(consent), 전송(transfers), DSAR, DPIA, 프로파일링/AI 등).- 내장된 면책 조항: 법률 자문이나 규정 준수 결정이 아닌 기술적 감사입니다.
최적 사용처: 사전 DPIA 범위 설정(pre-DPIA scoping), 리포지토리/계획 개인정보 검토(repo/plan privacy review), 공급업체/SDK 온보딩(vendor/SDK onboarding), 데이터 보호 격차 분석(data-protection gap analysis)
사용 예시:
"이 리포지토리에 대한 GDPR 감사를 실행해 주세요."
"개인 데이터 처리를 위해 이 데이터베이스 스키마를 검토해 주세요."
"국제 데이터 전송 문제에 대해 우리의 Terraform을 확인해 주세요."
