Anthropic Just Revealed 8 New Rules for Building Great Claude Skills

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Anthropic 자료를 바탕으로 영상이 정리한 Claude 스킬 제작의 8가지 원칙은 실제 작업에서 출발해 범위를 좁히고, 반복 검증·예시·컨텍스트 관리·사용자 선택·호출 제어로 자동화의 신뢰성을 높이는 것이다.

📌 핵심 요점

1. 먼저 작업하고 스킬로 전환한다. Claude와 실제 업무를 한 번 완수하면서 맥락, 선호, 절차를 전달한 뒤 그 과정을 스킬로 만든다. 영상은 화면 조작과 음성 설명을 기록하는 방식도 소개한다.
2. 작게 만들고 반복 개선한다. 가치가 있는 최소 작업부터 시작하고, 다른 워크플로는 별도 스킬로 분리한다. 제작용 대화와 테스트용 대화를 나누고, 실제 실행에서 발견한 예외와 오류를 반영한다.
3. 입력·출력 예시로 품질 기준을 보여준다. 예시는 문체, 상세 수준, 형식과 구조를 설명보다 구체적으로 전달한다. 발표자는 좋은 예시 3~5개를 권하며, 카피라이팅에서는 더 많은 예시가 도움이 됐다고 말한다.
4. 필요한 정보만 읽고 조사는 분리한다. 단계별로 필요한 참조 파일을 읽는 점진적 공개를 적용한다. 조사와 MCP·커넥터 호출은 서브에이전트에서 수행하고 요약을 받아, 주 에이전트의 해석과 결과 작성에 필요한 컨텍스트를 확보한다.
5. 사용자의 선택과 실행 의도를 반영한다. 사람이 검토하는 단계마다 여러 후보를 제시해 수정 부담을 줄인다. 자동 실행이 불필요한 스킬은 영상에서 소개한 호출 제어 설정을 검토해 명시적으로 실행하도록 구성한다.

🧩 배경과 문제 정의

발표자 Ben은 AI 에이전시와 전문가·사업자 대상 커뮤니티를 운영한다고 소개하며, Anthropic의 가이드와 모범 사례를 읽고 Claude 스킬을 더 효과적으로 만드는 여덟 가지 방법을 정리한다. 핵심 문제는 스킬을 만들어도 실제 업무에서 안정적으로 작동하지 않거나, 범위가 넓고 수정이 반복되어 자동화의 이점을 충분히 얻지 못한다는 것이다.

영상은 실제 작업의 지식을 스킬에 담는 방법에서 시작해, 작업 범위와 유지보수, 예시, 컨텍스트 사용, 조사 위임, 사용자 검토, 호출 제어로 이어진다. 공식 자료를 인용한 설명과 발표자의 경험이 섞여 있으며, 중간에는 무료 자료와 유료 교육 서비스 소개가 포함된다.

🕒 시간순 섹션별 상세정리

1. 실제 작업을 먼저 수행하고 스킬로 전환

• 영상은 업무를 안정적으로 자동화하는 스킬을 만들기 위한 여덟 가지 방법을 보여준다. 첫 원칙은 머릿속 절차를 긴 프롬프트로 설명하기 전에 Claude와 실제 작업을 한 번 수행하는 것이다. [00:51]
• 작업 중 제공한 맥락, 선호와 절차적 지식이 좋은 결과에 도달하는 과정을 구체화한다. 성공적으로 완료한 뒤 대화의 전환 기능이나 요청을 통해 그 과정을 스킬로 만든다. [01:27]
• 화면과 클릭을 기록하고 음성 설명을 읽어 절차를 스킬로 만드는 기능을 보여준다. 발표자는 이메일 분류 작업을 예로 들며, 설명만 할 때 놓치기 쉬운 판단 기준을 실제 수행에서 포착할 수 있다고 드러낸다. [02:24]

2. 작업 범위를 좁히고 살아 있는 문서로 관리

• 두 번째 원칙은 하나의 작업에 집중하는 작은 스킬이다. 전체 프로세스 중 최소한으로도 가치가 있는 부분부터 만들고, 다른 워크플로는 별도로 구성하면 조합과 컨텍스트 관리가 수월하다고 보여준다. [03:48]
• 세 번째 원칙은 스킬을 계속 갱신하는 업무 프로세스로 다루는 것이다. 발표자는 자신의 스킬을 5~10회 이상 수정한 경험을 소개하고, 제작용 대화와 테스트용 대화를 분리해 실제 실행의 오류를 수정하는 순환을 제안한다. [04:54]
• 반복해서 만나는 예외가 있다면 사용자의 수정 사항을 스킬 규칙에 반영하는 자기 개선 규칙을 추가할 수 있다고 보여준다. [05:20]

3. 입력·출력 예시로 원하는 결과를 구체화

• 무료 프롬프트와 자체 제작한 스킬 생성 도구를 안내한 뒤, 네 번째 원칙으로 입력·출력 예시를 제시한다. 예시는 원하는 문체, 상세 수준, 형식과 구조를 설명만 하는 것보다 분명하게 전달한다고 드러낸다. [06:07]
• 디자인·카피·창작 업무에서는 좋은 결과 예시가 특히 중요하다고 강조한다. 발표자는 3~5개를 권하고, 카피라이팅에서는 최대 20개의 예시로 더 좋은 결과를 얻은 경험을 보여준다. [06:33]
• 사용자가 결과를 수정하거나 마음에 든다고 명시하면, 영구 예시로 저장할지 먼저 묻고 동의 후 스킬에 반영하는 규칙을 제안한다. [07:00]

4. 점진적 공개로 단계별 참조 정보 관리

• 다섯 번째 원칙인 점진적 공개를 예고한 뒤, Claude 교육 과정과 AI 사업 교육, 상담 및 스킬 자료를 제공하는 서비스를 홍보한다. [07:48]
• 점진적 공개는 기본 절차와 추가 참조 자료를 나누고, 필요한 시점에만 참조 자료를 읽도록 설계하는 방식으로 드러난다. 뉴스레터 스킬의 배경 정보, 고객상, 말투와 예시를 한꺼번에 읽으면 컨텍스트가 불필요하게 채워질 수 있다고 주장한다. [08:58]
• 각 작업 단계에 읽어야 할 참조 파일을 명시한 뉴스레터 사례를 보여준다. 발표자는 기본 스킬 생성 도구가 이 원칙을 항상 적용하지는 않는다고 평가하며, 생성·수정 시 별도로 요구할 것을 권한다. [09:42]

5. 조사와 커넥터 호출을 서브에이전트에 위임

• 여섯 번째 원칙은 조사나 정보 수집을 서브에이전트에서 수행하는 것이다. 데이터 분석과 아이디어 생성처럼 수집·해석·결과 작성으로 이어지는 작업에서, MCP와 커넥터 호출이 초반 컨텍스트를 많이 차지할 수 있다고 보여준다. [10:46]
• 서브에이전트가 조사한 뒤 요약만 주 에이전트에 반환하면, 주 에이전트가 중요한 해석과 결과 작성 단계에 사용할 컨텍스트를 확보할 수 있다고 주장한다. 자동 위임에만 기대지 말고 스킬에 조사 위임 규칙을 명시할 것을 권한다. [11:22]
• 유튜브 제목 아이디어 스킬을 예로 들어, 성과가 좋은 제목을 조사하는 모든 커넥터 호출을 서브에이전트에서 실행하도록 했다고 보여준다. [11:56]

6. 사용자 검토 단계마다 여러 후보 제시

• 일곱 번째 원칙은 체크포인트마다 여러 결과 후보를 제공하는 것이다. 스킬이 의도대로 실행되어도 사용자가 각도나 표현을 좋아하지 않을 수 있으므로, 후보를 비교해 선택하면 반복 수정 부담을 줄일 수 있다고 보여준다. [12:39]
• 뉴스레터 사례에서는 주제 접근법을 여러 개 제시하고, 선택한 방향에 따라 개요 세 가지를 만든 뒤 제목과 본문 단계까지 사용자 선택을 이어간다. [13:15]
• 발표자는 이 방법이 Anthropic의 모범 사례 가이드에서 직접 나온 항목은 아니며, Anthropic이 자체 스킬을 설계하는 방식에서 아이디어를 얻었다고 드러낸다. [13:37]

7. 필요에 따라 자동 호출을 차단

• 여덟 번째 원칙은 원하지 않는 자동 실행을 막는 것이다. 영상은 슬래시 명령으로 직접 호출하는 방식과, 모델이 스킬 설명을 보고 관련성을 판단해 자동 호출하는 방식을 구분한다. [14:06]
• 자동 호출을 끄려면 영상에서 설명한 disable-model-invocation 설정을 true로 지정한다고 안내한다. LinkedIn 글쓰기 스킬을 예로 들며, 수동 호출은 유지되고 스킬 설명의 초기 로드를 줄이는 이점도 있다고 주장한다. [14:36]
• 마지막에는 수동 호출 전용으로 바꾸도록 요청하는 방법과, 자동 호출 여부를 묻고 해당 설정을 반영하는 자체 스킬 생성 도구를 소개하며 끝난다. [14:53]

🧾 결론

• 스킬 제작의 출발점은 긴 설계 프롬프트보다 실제로 성공한 작업 과정이다. 그 과정에서 드러난 판단 기준과 선호를 재사용 가능한 절차로 남긴다.
• 스킬은 완성 후 보관하는 파일이 아니라, 업무 변화와 예외 사례에 맞춰 수정하는 운영 문서로 다뤄야 한다.
• 범위 분리, 단계별 참조, 조사 위임은 모두 주 에이전트가 중요한 판단 단계에 집중하도록 돕는 설계 방법이다.
• 창작 업무에서는 여러 후보와 사용자 선택을 절차에 포함하고, 실행 방식도 자동 호출과 수동 호출 중 의도에 맞게 정해야 한다.

📈 투자·시사 포인트

• AI 업무 자동화를 도입할 때는 전체 프로세스를 한 번에 맡기기보다, 독립적으로 가치가 있는 작은 작업부터 검증하는 접근을 참고할 수 있다.
• 영상이 제시하는 개선 대상은 결과 품질뿐 아니라 반복 수정과 사용자 검토에 드는 시간이다. 자동화의 실용성을 평가할 때 이 두 요소를 함께 살펴볼 필요가 있다.
• AI 에이전시나 업무 자동화 서비스에서는 예시 축적, 예외 처리, 독립적인 테스트가 지속적인 운영 작업이 된다. 최초 스킬 제작만으로 도입이 끝난다고 보기 어렵다.
• 기업 실적, 시장 규모, 도입 비용이나 투자 수익률 자료는 제공되지 않는다. 영상의 실무 조언만으로 특정 기업의 투자 매력이나 수익성을 판단할 수는 없다.

⚠️ 불확실하거나 확인이 필요한 부분

• 제목은 Anthropic의 새로운 규칙 8개를 내세우지만, 본문은 공식 자료에 대한 발표자의 해석과 개인 경험을 함께 담는다. 특히 검토 단계마다 여러 후보를 제시하는 방법은 공식 모범 사례 문서의 항목이 아니라 Anthropic의 스킬 설계에서 착안했다고 밝힌다.
• 제공된 자막에는 Anthropic·Claude와 스킬 관련 용어의 전사 오류가 반복된다. 기록 기능의 정확한 명칭, 지원 환경, 화면에 등장한 파일명과 설정 구문은 자막만으로 확정하기 어렵다.
• 예시 3~5개, 카피라이팅 예시 최대 20개, 스킬 개선 5~10회는 발표자의 경험에 근거한 수치다. 모든 작업에 필요한 최소 기준이나 검증된 성능 보장으로 해석하면 안 된다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 반복 업무 중 가장 작은 단위로도 가치가 있는 작업 하나를 고르고, Claude와 실제로 완수한 뒤 그 과정을 스킬로 전환한다.
• 스킬의 작업 범위를 점검하고, 독립적인 다른 워크플로는 별도 스킬로 분리한다.
• 제작·수정용 대화와 테스트용 대화를 나누어 실제 업무로 실행하고, 발견한 오류와 예외를 수정에 반영한다.
• 원하는 결과를 보여주는 입력·출력 예시를 추가하고, 좋은 결과를 영구 예시로 저장할 때는 사용자 확인을 받도록 한다.

❓ 열린 질문

• 자동화하려는 업무에서 독립적으로 가치를 제공하는 최소 작업은 어디까지이며, 어떤 단계부터 별도 스킬로 분리해야 할까?
• 서브에이전트가 반환하는 요약에는 주 에이전트의 판단을 위해 어떤 정보가 반드시 포함되어야 할까?
• 좋은 예시와 일시적인 수정 요청을 어떻게 구분해 스킬의 영구 규칙으로 반영할까?