클로드스킬마트스킬 둘러보기스킬이 뭐예요?
 
← 목록으로

autoskill — 내 작업 패턴에서 스킬 자동 발굴

로컬 screenpipe 기록을 분석해 반복되는 연구 워크플로를 찾아내고, 아직 없는 부분을 새 스킬 초안이나 기존 스킬 조합 레시피로 만들어 줍니다.

자동화·워크플로고급★ 33,030⑂ 3,248AI 점수 8/10마지막 업데이트: 2026. 8. 9.

무엇을 해주나

autoskill은 로컬에서 실행 중인 screenpipe 데몬이 수집한 화면 기록을 읽어, 사용자가 실제로 반복하는 작업 흐름을 찾아냅니다.

  • 수집(Fetch): localhost:3030의 screenpipe HTTP API에서 지정한 시간 구간의 이벤트를 가져옵니다.
  • 비식별화(Redact): 이메일, API 키, 베어러 토큰, 전화번호를 정규식으로 제거합니다.
  • 클러스터링: 유휴 시간(기본 10분) 기준으로 세션을 나누고, 앱 조합이 비슷한 세션을 묶어 반복 패턴을 추출합니다.
  • 매칭: 저장소의 135개 기존 스킬 설명과 로컬 임베딩(sentence-transformers)으로 유사도를 비교합니다.
  • 합성(Synthesize): LLM이 각 패턴을 reuse(기존 스킬로 충분) / compose(기존 스킬 조합) / novel(신규 필요)로 분류하고 SKILL.md 초안을 씁니다.

결과물은 ~/.autoskill/proposed/<타임스탬프>/에 report.md, new-skills/, composition-recipes/로 저장되고, 사람이 검토한 뒤 promote 명령으로 실제 스킬 폴더에 승격합니다. 기본 LLM 백엔드는 LM Studio 로컬 모델이라 데이터가 외부로 나가지 않습니다.

이런 분께 추천

  • 논문 조사·데이터 정리 등 같은 절차를 매주 반복하고 있어 자동화 후보를 찾고 싶은 연구자
  • 팀에서 어떤 스킬을 먼저 만들어야 할지 근거 있는 우선순위가 필요한 스킬 저작자
  • 클라우드에 화면 데이터를 보내지 않고 로컬 LLM으로만 분석하고 싶은 프라이버시 민감 사용자

활용 예시

  1. "지난 4시간 작업을 분석해서 새 스킬을 제안해줘" → run --start ... --end ... 실행 후 report.md에서 Zotero→PubMed→노션 정리 패턴을 발견하고 zotero-pubmed-helper 초안을 받습니다.
  2. --dry-run(계획 모드)으로 LLM 호출 없이 어떤 타임라인이 분석 대상인지 plan.md로 먼저 확인해 민감한 창이 포함됐는지 점검합니다.
  3. 발견된 패턴이 기존 literature-review + citation-management의 조합이면 두 스킬을 순서대로 호출하는 얇은 composition recipe SKILL.md를 받아 바로 재사용합니다.

· · · 설치 가이드 · · ·

Claude 앱에 설치 (터미널 필요 없음)
  1. 아래 버튼으로 ZIP 파일을 받으세요.
  2. Claude 설정 → Capabilities에서 '코드 실행 및 파일 생성'을 켭니다. (한 번만)
  3. Claude에서 Customize → Skills → + → '스킬 업로드'를 누르고 받은 ZIP을 올립니다.
↓ ZIP 내려받기
Claude Code에 설치

Claude에게 맡기기 — 아래 문장을 Claude Code에 붙여넣으세요

클로드스킬마트에서 찾은 스킬을 설치해줘.
GitHub 저장소 K-Dense-AI/scientific-agent-skills 의 skills/autoskill 폴더를 내 ~/.claude/skills/autoskill/ 에 그대로 복사해줘.
설치가 끝나면 이 스킬로 무엇을 할 수 있는지 한 줄로 알려줘.

직접 명령으로 설치하기

git clone --depth 1 https://github.com/K-Dense-AI/scientific-agent-skills.git /tmp/sas && mkdir -p ~/.claude/skills && cp -r /tmp/sas/skills/autoskill ~/.claude/skills/

⚠ 제3자가 만든 스킬입니다. 설치 전 원본 저장소를 한 번 확인하세요.

  1. 저장소를 내려받습니다: git clone --depth 1 https://github.com/K-Dense-AI/scientific-agent-skills.git
  2. 스킬 폴더를 복사합니다: mkdir -p ~/.claude/skills && cp -r scientific-agent-skills/skills/autoskill ~/.claude/skills/
  3. screenpipe 데몬을 설치·실행합니다(소스 빌드 또는 공식 릴리스). macOS는 화면 기록 권한 승인이 필요하며, screenpipe record --disable-audio --use-pii-removal로 시작합니다.
  4. 인증 토큰을 환경변수로 내보냅니다: export SCREENPIPE_TOKEN=$(screenpipe auth token)
  5. 파이썬 의존성을 설치합니다: pipenv install httpx pyyaml sentence-transformers (첫 실행 시 약 80MB 임베딩 모델을 내려받습니다).
  6. 기본 로컬 백엔드를 쓰려면 LM Studio를 설치하고 모델을 로드합니다: lms load gemma-4-31b-it --context-length 131072 --gpu max -y
  7. references/screenpipe-config.yaml의 deny-list를 screenpipe 설정에 복사해 비밀번호 관리자·메신저·뱅킹 앱이 캡처되지 않게 합니다.
  8. 사전 점검: python scripts/autoskill.py doctor --config config.yaml --skills-dir ../
  9. Claude Code에서 "지난 하루 작업을 분석해 스킬을 제안해줘"처럼 요청하거나 run 명령을 직접 실행하고, 결과를 검토한 뒤 promote로 승격합니다.
GitHub에서 원본 보기 ↗라이선스: MIT