06 clone coding

AI Skills — 클론 코딩 가이드

이 가이드는 AI Skills와 유사한 구조의 AI 에이전트 스킬 저장소를 처음부터 만드는 방법을 설명합니다.

Phase 1: 기본 구조 설정

1.1 저장소 초기화

mkdir my-ai-skills && cd my-ai-skills
git init

1.2 핵심 파일 생성

VERSION.txt          → 0.1.0
CHANGELOG.md         → 릴리스 노트
CLAUDE.md            → 개발 가이드
LICENSE              → MIT
.gitignore           → __pycache__/, .analysis/sessions/

Phase 2: 첫 번째 Codex 스킬

2.1 스킬 디렉토리 생성

codex/skills/my-skill/
  SKILL.md
  agents/openai.yaml
  shared/references/

2.2 SKILL.md 작성

---
name: my-skill
description: "My first AI skill"
---

# My Skill

## Language policy
- Respond in the same language the user writes in.

## Workflow
1. ...
2. ...

## Output
- ...

2.3 에이전트 설정

# agents/openai.yaml
display_name: "My Skill"

Phase 3: Claude Code 플러그인 추가

3.1 플러그인 구조

claude-code/plugin/
  .claude-plugin/plugin.json
  skills/my-skill/SKILL.md
  references/

3.2 마켓플레이스 매니페스트

// .claude-plugin/marketplace.json
{
  "name": "my-skills",
  "owner": {"name": "your-name"},
  "plugins": [{
    "name": "my-plugin",
    "source": "./claude-code/plugin"
  }]
}

Phase 4: 설치 스크립트

4.1 Codex 인스톨러

scripts/install_codex_skill.sh 구현:

• 스킬 이름 검증 (path traversal 방어)
• SKILL.md + agents/ + shared/ 복사
• $CODEX_HOME/skills/<name>/에 설치

Phase 5: source-analyzer 추가 (고급)

가장 복잡한 스킬. 다음 컴포넌트가 필요합니다:

1. checkpoint_manager.py: 세션 init/sync/checkpoint/publish CLI
2. source_analyzer_search.py: 검색 인덱스 빌더
3. SKILL.md: BFS 워크플로, 3개 모드 정의
4. 레퍼런스 템플릿: refactor-template, overhaul-template 등

핵심 구현 순서

1. init_session() / load_state() / save_state()
2. add_checkpoint() with markdown 생성
3. sync_session() with git diff 연동
4. publish_outputs() — session → published 복사
5. generate_search_index() — JSONL 문서 생성
6. CLI parse_args() + cli() 함수

Phase 6: 테스트

최소 3개 테스트 스위트:

• 구조 계약 테스트: 모든 스킬이 올바른 구조를 따르는지 검증
• 릴리스 계약 테스트: 버전 일관성, 인스톨러 작동
• 기능 테스트: checkpoint_manager 세션 라이프사이클

Phase 7: 배포 동기화

공유 스크립트를 여러 배포판에 복사해야 하는 경우:

• 정식 소스(canonical) 위치를 하나 정하고
• 동기화 스크립트로 다른 위치에 복사
• 테스트에서 동기화 상태를 검증

핵심 설계 원칙

1. 스킬은 지침서: 코드가 아닌 워크플로 설명
2. 듀얼 배포: 하나의 소스에서 Codex + Claude Code 모두 지원
3. 점진적 분석: 대규모 코드베이스를 청크 단위로 분석하고 재개 가능
4. zero 외부 의존성: Python 표준 라이브러리만 사용