클로드스킬 만드는 초간단 비법 입력 처리 출력

 

지난번에 프롬프트 잘 쓰는 법을 알려드렸습니다. 입력, 처리, 출력. 기억하시나요?

 

그때 마지막에 예고했습니다. 이 원리가 프롬프트에서만 통하는 게 아니라, AI에게 반복 작업을 시키는 자동화 단위를 만들 때도 똑같이 적용된다고요. 오늘 그 이야기를 해보겠습니다. 프롬프트 하나를 잘 쓰는 것에서 한 걸음 더 나아가, 프롬프트를 재사용 가능한 작업 규칙으로 만드는 방법입니다.

 

저는 콘텐츠를 만들 때마다 같은 요청을 반복하고 있었습니다. "이 주제로 아웃라인 만들어줘", "이 아웃라인으로 블로그 글 써줘", "이 글에서 이미지 프롬프트 뽑아줘". 매번 같은 지시를 길게 쓰는 것이 비효율적이라는 생각이 들었습니다. 그래서 이 반복되는 패턴을 한 번에 정의해두는 방법을 찾게 되었고, 그게 바로 오늘 소개할 자동화 기능입니다.

클로드스킬이란 무엇인가

 

클로드 코워크나 클로드 코드를 쓰고 계신 분들은 아실 겁니다. 이 도구들 안에 반복되는 작업 규칙을 미리 정의해놓는 기능이 있거든요.

 

한마디로 말하면, 자주 하는 작업의 입력 조건, 처리 방법, 출력 형식을 하나의 파일에 정리해놓는 겁니다. 한 번 만들어두면, AI가 여러분의 요청 맥락을 파악해서 알아서 해당 작업 규칙을 찾아 실행합니다. 일일이 명령할 필요가 없습니다.

 

예를 들어 "주제 하나 만들어줘"라고 말하면, AI가 주제 생성 규칙을 알아서 찾아 실행합니다. "콘텐츠 작성해줘"라고 하면 콘텐츠 작성 규칙이 자동으로 돌아갑니다. 매번 "블로그 글은 이런 톤으로, 이런 구조로, 이런 길이로 써줘"라고 길게 설명하지 않아도 되는 것입니다.

 

그리고 중요한 건, 코딩을 몰라도 만들 수 있다는 점입니다. 이 작업 규칙 파일은 마크다운(.md) 파일 하나입니다. 프롬프트를 쓸 수 있으면 이 기능도 활용할 수 있습니다.

 

실제로 저는 프로그래머이지만, 이 자동화 단위를 만들 때 코드를 한 줄도 쓰지 않았습니다. 마크다운 문서에 "이런 상황에서 이렇게 처리하고 이런 형태로 저장해줘"라고 적었을 뿐입니다. 그런데 AI가 이 문서를 읽고 정확하게 의도대로 실행합니다. 이 부분이 정말 놀라운 점입니다.

 

클로드스킬은 결국 "프롬프트의 재사용 가능한 버전"이라고 이해하시면 됩니다. 한 번 잘 쓴 프롬프트를 파일로 저장해두고, 필요할 때마다 AI가 알아서 꺼내 쓰는 것입니다.

이 기능도 입력 처리 출력입니다

자동화 단위를 어떻게 만들어야 할지 모르겠다면, 딱 이것만 기억하세요.

 

입력 → 처리 → 출력.

 

프롬프트와 똑같은 구조입니다. 지난번에 프롬프트를 잘 쓰려면 입력-처리-출력을 명확하게 정의하라고 말씀드렸습니다. 이 자동화 단위도 정확히 같은 원리입니다. 다만 차이점이 하나 있습니다. 프롬프트는 한 번 쓰고 끝나지만, 이 기능은 한 번 정의하면 계속 재사용된다는 것입니다.

 

프롬프트를 쓸 때 "이 데이터를 줄 테니(입력), 이런 방식으로 분석해서(처리), 이런 형태로 정리해줘(출력)"라고 했던 것 기억나시나요? 자동화 단위를 만들 때도 완전히 동일한 사고 과정을 거칩니다.

 

저는 20년간 개발을 해오면서 수많은 소프트웨어 아키텍처를 설계해왔지만, 결국 모든 시스템의 근본은 입력-처리-출력이었습니다. 이 공식은 프롬프트에서도, AI 자동화에서도, 소프트웨어 개발에서도 변하지 않는 진리입니다. 하나씩 구체적으로 설명해 드리겠습니다.

입력 작업의 시작점을 정합니다

입력은 자동화 단위가 시작될 때 읽어오는 재료입니다. 두 가지 경우가 있습니다.

첫 번째, 사용자가 직접 지시하는 경우입니다.

"클로드 스킬 만드는 초간단 비법이라는 주제로 하나 만들어줘"

이렇게 자연어로 요청하면 됩니다. AI가 맥락을 파악해서 주제 생성 규칙을 알아서 실행합니다. 사용자의 요청이 곧 입력입니다. 특별한 형식도 필요 없고, 평소에 AI에게 말하듯이 자연스럽게 요청하면 됩니다.

여기서 중요한 점이 있습니다. 입력을 정의할 때 "어떤 정보가 반드시 필요한가"를 명확히 해야 한다는 것입니다. 예를 들어 주제 생성 규칙이라면, "주제 키워드"가 반드시 필요한 입력입니다. 콘텐츠 작성 규칙이라면, "아웃라인 파일의 위치"가 반드시 필요한 입력입니다.

이 필수 입력을 규칙 파일에 명시해두면, AI가 해당 정보 없이는 작업을 시작하지 않습니다. 만약 사용자가 필수 정보를 빠뜨리면 AI가 먼저 물어봅니다. "어떤 주제로 만들어드릴까요?"라고요. 이런 안전장치가 자동으로 작동하기 때문에, 실수로 불완전한 결과물이 나오는 일을 방지할 수 있습니다.

두 번째, 이전 단계에서 만든 파일을 읽는 경우입니다.

"topics/outlines/ 폴더에서 아웃라인 파일을 읽어온다"

이전 작업에서 만들어진 파일이 다음 작업의 입력이 됩니다. 이 부분이 핵심인데, 뒤에서 자동화 워크플로우를 설명할 때 다시 자세히 다루겠습니다.

실제로 저의 콘텐츠 파이프라인에서 두 번째 규칙인 콘텐츠 작성은 첫 번째 규칙인 주제 생성이 만든 아웃라인 파일을 읽어옵니다. 파일 경로만 지정해두면 AI가 알아서 해당 파일을 찾아 읽고 작업을 시작합니다. 사용자가 매번 "이 파일을 읽어서..."라고 지시할 필요가 없는 것입니다.

처리 실제 작업을 수행합니다

처리는 입력받은 재료를 가지고 하는 실제 작업입니다.

• 새로운 파일을 만들거나
• 기존 파일을 수정하거나
• 데이터를 변환하거나
• 분석 결과를 정리하거나
• 여러 소스의 정보를 합치거나

프롬프트에서 "이렇게 가공해줘"라고 쓰던 것과 같습니다. 다만 자동화 단위에서는 이 처리 방법이 미리 정해져 있습니다. 매번 설명할 필요 없이, 한 번 정의해두면 끝입니다.

예를 들어, 콘텐츠 작성 규칙이라면 이런 식입니다.

"아웃라인을 읽고, 블로그 본문 + 링크드인용 2000자 + 짧은 포스팅 500자 + 릴스 스토리보드를 작성한다"

이 처리 규칙이 파일 안에 적혀 있으니까, 실행할 때마다 동일한 품질의 결과물이 나옵니다. 사람이 직접 프롬프트를 쓰면 그때그때 기분이나 컨디션에 따라 요청 내용이 달라질 수 있습니다. 하지만 규칙 파일에 처리 방법이 고정되어 있으면 항상 일관된 결과를 얻을 수 있습니다.

처리 단계를 정의할 때 가장 중요한 것은 구체성입니다. "블로그 글을 잘 써줘"보다는 "블로그 본문 5000자 이상, 존댓말, 각 섹션에 구체적 사례 포함"처럼 명확하게 기준을 잡아야 합니다. 기준이 명확할수록 AI의 결과물 품질이 올라갑니다.

또한 처리 단계에서 톤앤매너나 페르소나 같은 부가 조건도 함께 정의할 수 있습니다. 저는 콘텐츠 작성 규칙에 "존댓말, 겸손하면서도 전문가 톤, 구체적 경험 기반"이라는 조건을 넣어두었습니다. 덕분에 어떤 주제로 글을 쓰든 일관된 톤이 유지됩니다.

출력 결과를 파일로 저장합니다

출력은 처리 결과를 파일로 만드는 겁니다.

"contents/[콘텐츠제목]/ 폴더에 마크다운 파일로 저장한다"

여기서 가장 중요한 포인트가 있습니다.

이 출력 파일이 다음 자동화 단위의 입력이 됩니다.

출력을 파일로 만드는 이유가 바로 이겁니다. 다음 단계의 작업이 이 파일을 읽어서 또 다른 작업을 할 수 있게 되는 거죠.

출력을 정의할 때 세 가지를 반드시 명시해야 합니다. 첫째, 저장 위치(어떤 폴더에). 둘째, 파일 형식(마크다운, JSON, 이미지 등). 셋째, 파일 이름 규칙(어떤 이름으로). 이 세 가지가 명확하면 AI가 매번 동일한 구조로 결과물을 만들어줍니다.

예를 들어 저는 이미지 생성 규칙의 출력을 이렇게 정의했습니다. "contents/[콘텐츠제목]/images/ 폴더에 hero.jpg라는 이름으로 저장한다." 이렇게 해두면 다음에 이 이미지를 사용하는 작업에서 경로를 예측할 수 있습니다.

출력의 구조가 일관되면, 나중에 자동화 단위들을 연결할 때 엄청나게 편해집니다. A 작업의 출력 경로를 B 작업의 입력 경로로 그대로 지정하면 되니까요. 마치 레고 블록처럼 딱딱 맞아떨어지는 구조가 만들어집니다.

저는 처음에 출력 경로를 대충 정했다가, 나중에 다른 작업에서 파일을 찾지 못하는 일이 생겼습니다. 그 후로는 폴더 구조와 파일 이름 규칙을 매우 엄격하게 정의합니다. 작은 차이지만, 자동화의 안정성에 큰 영향을 미치는 부분입니다.

자동화 단위를 연결하면 워크플로우가 됩니다

이게 진짜 핵심입니다.

하나하나는 작은 작업 단위입니다. 하지만 연결하면 강력해집니다.

A의 출력 파일 → B의 입력
B의 출력 파일 → C의 입력
C의 출력 파일 → D의 입력

하나의 작업이 만든 파일을 다음 작업이 읽고, 처리하고, 다시 파일로 만들고. 이 흐름이 반복되면서 자동화 파이프라인이 완성됩니다.

클로드 스킬의 연결이 강력한 이유는, 각 단계가 독립적이라는 데 있습니다. 하나의 작업이 실패해도 나머지에 영향을 주지 않습니다. 중간 결과물을 사람이 확인하고 수정한 다음 이어서 진행할 수도 있습니다. 마치 공장의 컨베이어 벨트처럼, 각 공정은 독립적으로 운영되지만 전체적으로는 하나의 흐름을 이루는 것입니다.

저는 이 구조를 "파이프라인"이라고 부릅니다. 수도관처럼 데이터가 한쪽에서 들어가면 다른 쪽으로 나오는 것과 비슷하기 때문입니다. 물이 파이프를 통해 흐르듯이, 콘텐츠도 각 단계를 통과하며 점점 완성되어 갑니다.

이 파이프라인 구조의 또 다른 장점은 확장성입니다. 중간에 새로운 단계를 추가하기가 매우 쉽습니다. 예를 들어 "팩트체크" 단계를 콘텐츠 작성과 이미지 생성 사이에 추가하고 싶다면, 팩트체크 규칙 파일 하나만 만들면 됩니다. 기존의 다른 규칙들을 수정할 필요가 없습니다.

제가 실제로 쓰는 파이프라인입니다

저는 콘텐츠를 만들 때 이 파이프라인을 돌립니다. 지금 여러분이 읽고 계신 이 글도 이 파이프라인으로 만들어졌습니다.

1단계. 주제 생성 (/generate-topic)

• 입력: 사용자가 주제를 지시하거나, AI가 트렌드를 분석해서 제안
• 처리: 페르소나와 타겟에 맞는 아웃라인을 생성하고, 각 섹션의 핵심 포인트를 정리
• 출력: topics/outlines/주제명.md 파일로 저장

이 단계에서 가장 중요한 것은 아웃라인의 품질입니다. 아웃라인이 탄탄하면 이후 모든 단계가 수월해집니다. 그래서 저는 아웃라인 생성 규칙에 "각 섹션별로 다루어야 할 핵심 포인트 3개 이상"이라는 조건을 넣어두었습니다.

2단계. 콘텐츠 작성 (/write-content)

• 입력: 1단계에서 만든 아웃라인 파일을 읽음
• 처리: 블로그 본문(5000자 이상), 링크드인용(2000자), 짧은 포스팅(500자), 릴스 스토리보드 작성
• 출력: contents/콘텐츠제목/콘텐츠제목.md 파일로 저장

하나의 아웃라인에서 4종류의 콘텐츠가 동시에 나옵니다. 이전에는 블로그 글 하나 쓰고, 거기서 다시 SNS용으로 줄이고, 또 영상용으로 재가공하는 데 많은 시간이 걸렸습니다. 지금은 한 번에 전부 나옵니다.

3단계. 이미지 생성 (/generate-image)

• 입력: 2단계에서 만든 콘텐츠 파일의 이미지 프롬프트를 읽음
• 처리: AI 이미지 생성 API를 호출해서 대표 이미지와 카드 배경 이미지를 생성
• 출력: contents/콘텐츠제목/images/ 폴더에 이미지 파일 저장

이미지 프롬프트가 콘텐츠 파일 안에 이미 포함되어 있기 때문에, 별도로 이미지를 기획할 필요가 없습니다. 콘텐츠 작성 단계에서 이미 이미지의 방향이 결정되어 있는 것입니다.

4단계. 동영상 생성 (/generate-video)

• 입력: 2단계에서 만든 릴스 스토리보드를 읽음
• 처리: Remotion으로 동영상 렌더링
• 출력: 동영상 파일 저장

보이시나요? 전부 입력-처리-출력입니다. 그리고 각 단계의 출력이 다음 단계의 입력으로 연결됩니다.

주제 하나를 던지면, 콘텐츠 작성에서 이미지 생성, 동영상까지 자동으로 흘러갑니다. 저 혼자서 10개의 서비스를 운영하면서도 콘텐츠를 꾸준히 만들 수 있는 이유가 바로 이 파이프라인 덕분입니다.

만드는 법은 간단합니다

자동화 단위를 만들 때 직접 코딩할 필요가 없습니다.

AI에게 이렇게 말하면 됩니다.

"이런 작업을 하는 규칙을 만들어줘. 입력은 이거고, 처리는 이렇게 하고, 출력은 이 폴더에 이 형식으로 저장해줘."

입력-처리-출력만 명확하게 알려주면, AI가 규칙 파일을 만들어줍니다. 마크다운 파일 하나입니다. 그게 끝입니다.

좀 더 구체적인 예시를 들어보겠습니다.

"회의록 정리하는 자동화 규칙을 만들어줘. 입력은 녹음 전사본 텍스트 파일이야. 처리는 핵심 안건 추출, 결정사항 정리, 담당자별 액션 아이템 분류야. 출력은 meetings/ 폴더에 날짜_회의명.md 형태로 저장해줘."

이렇게 말하면 AI가 해당 규칙 파일을 생성해줍니다. 다음부터는 전사본만 넣으면 회의록이 자동으로 정리됩니다.

또 다른 예시입니다.

"고객 문의 분류하는 규칙을 만들어줘. 입력은 고객 문의 텍스트야. 처리는 문의 유형 분류(기술/결제/일반), 긴급도 판단, 답변 초안 작성이야. 출력은 inquiries/ 폴더에 날짜_고객명.md로 저장해줘."

이처럼 어떤 반복 업무든, 입력-처리-출력 세 가지만 정의하면 자동화할 수 있습니다.

마무리

클로드스킬 하나는 작습니다. 하지만 연결하면 업무 자동화가 됩니다.

기억하세요.

입력 — 어떤 재료를 읽을 것인가.
처리 — 그 재료로 무엇을 할 것인가.
출력 — 결과를 어떤 파일로 만들 것인가.

그리고 그 출력 파일이 다음 작업의 입력이 됩니다.

저는 20년간 개발을 하면서 다양한 자동화 시스템을 만들어왔습니다. 그런데 지금 AI로 만드는 자동화는 차원이 다릅니다. 코드 한 줄 없이, 자연어만으로 업무 파이프라인을 설계할 수 있다는 것은 정말 혁명적인 변화입니다.

이 공식 하나면 어떤 자동화든 만들 수 있습니다. 지금 바로 여러분의 반복 업무 하나를 골라서, 입력-처리-출력을 정의해보세요. 그 하나가 시작입니다.