Hunyong’s Lab

지난 몇 달 동안 만들고 지속적으로 업데이트하면서 사용하고 있는 스킬 5종을 공개합니다. 사실 이렇게 공개되는 수많은 스킬 가운데 직접 다운받아서 쓰게 되는 스킬이 많지는 않은데요. 그래도 이 스킬들 중 일부라도 사용하시는 스킬에 통합하거나, 아이디어라도 가져다 쓰시면 도움이 되시리라 생각합니다.

일단 먼저 말씀드리면 제가 만든 스킬들은 대체로 무거운 편입니다. 최대한 많은 업무를 절차화하려고 노력했고, 개중에는 의존성 설치와 유료 API 키 입력이 필요한 것들도 있습니다.

이 스킬들은 시각장애로 인한 컴퓨터 업무 제약을 에이전트를 통해 뛰어넘고자 만든 것들이기 때문에 취미나 실험이 아니라, 제 현업에 바로 적용되는 것들입니다. 그래서 비용도 시간도 고려하지 않고, 무조건 최상의 결과만을 목표로 만들고 계속 업그레이드하고 있습니다. 스킬이 고도화되는 것이 곧 저의 업무 성과에 반영되니까요.

다만 공개를 위해서 개인정보 포함된 것들은 모두 삭제하고 스킬도 조금 다이어트하긴 했네요. 그 작업이 만만치 않더라고요.

설치하는 방법은 간단합니다.

Claude Code, Codex, Antigravity 같은 AI 에이전트에게 URL을 주면서 전체 스킬을 설치해 달라고 프롬프팅하는 것입니다.

https://github.com/Engccer/skills-for-the-blind

그게 아니라면 터미널에서 아래 명령어를 입력하여 먼저 skills-for-the-blind 스킬을 설치한 후 AI 에이전트에게 이 스킬에 따라 실제 5종을 설치하고 관리해 달라고 프롬프팅하셔도 됩니다. 이 스킬은 나머지 5개의 실제 스킬을 설치하고 관리할 수 있게 하는 가벼운 오케스트레이터 역할의 스킬입니다.

npx skills add Engccer/skills-for-the-blind -g

덧. 이 스킬들을 돌리는 데 예상보다 많은 토큰이 소모될 수 있습니다.

TIP: 아래 스킬 사용법에서 특정 파일을 지목하며 프롬프팅하라는 말이 몇 번 나오는데, 로컬에서 AI 에이전트 사용할 때 파일을 지목하는 범용적인 팁이 하나 있습니다. 바로 원하는 파일의 경로를 입력하는 것입니다. Windows에서는 Ctrl+Shift+C를, Mac에서는 Command+Option+C를 누르면 포커스되어 있는 파일의 경로가 복사됩니다. 이렇게 복사한 파일 경로를 프롬프트 창에 붙여넣고 프롬프팅하시면 AI 에이전트가 딱 그 파일에 대해서만 작업합니다.

1. agent-cli-tts-summary 스킬

일단 복잡한 작업을 마친 AI 에이전트들은 말이 굉장히 많습니다. 그걸 일일이 스크린 리더로 확인하는 것이 번거로워서 만들었습니다. 초기에는 GitHub에 공개된 다른 TTS 프로그램들을 많이 바꿔 가면서 사용해 봤는데 스크린 리더로 단련된 제 귀의 성에 차는 프로그램이 없었습니다. 최종적으로는 AgentVibes라는 훅 기반 프로그램에서 출발해서 완전히 독자적인 스킬로 만들었고, 기본은 Windows와 Mac에 내장된 TTS 음성을 사용합니다. 원하시면 Gemini나 ElevenLabs API 키를 넣어서 조금 더 자연스러운 음성으로 사용하실 수 있습니다. 물론 그 경우 별도 과금이 발생합니다.

사용 방법은 스킬대로 한 번 설정하는 것으로 끝납니다. 그때 훅과 지침 등을 모두 설정해 주고, 다음부턴 스킬을 호출할 일은 없습니다.

2. hwpx-automation 스킬

만드는 데 가장 공을 들인 스킬입니다. 한글문서와 관련해서는 다양한 프로젝트들이 공개돼 있고 스킬들도 나와 있는데요. 아마 제가 만든 스킬이 가장 무거울 것입니다.

무거운 것이 꼭 좋은 것은 아니지만 저는 이 스킬 하나로 한글문서 읽기부터 편집, 생성까지 모든 걸 다 하고 싶었습니다. 한글 문서를 마크다운으로 안정적으로 파싱하여 AI 에이전트들이 내용을 빠짐 없이 파악하게 하는 것이 첫 번째 역할이고, 남이 준 한글 문서에 내 정보를 넣어서 편집하는 일, 마크다운 문서를 HWPX 문서로 변환하는 일, 동의서 같은 문서에 서명 이미지를 삽입하는 일 등도 수행할 수 있습니다. 학교 업무를 하면서 꽤나 복잡한 다단 문서까지도 안정적으로 생성하는 것을 확인했습니다.

참고로 HWP는 일단 HWPX로 변환한 후에 처리하도록 해 놓았습니다. 시중에 HWP를 바로 파싱하는 MCP도 공개되어 있는데 제가 써 보니 복잡한 표에서 파싱 오류가 생기더라고요. 그래서 제 스킬은 무조건 HWPX로 변환 후에 작업하도록 설정되어 있습니다.

다만 한글문서 특성상 아무리 고도화하더라도 자잘한 오류는 생길 수밖에 없습니다. 작업 후에는 반드시 비장애인 동료의 검토를 거쳐 주세요.

사용법은 한글문서 관련 작업 때마다 스킬을 호출해서 사용하시면 됩니다. API 키는 필요 없으며, 대신 미리 설치해 주어야 하는 의존성 패키지들이 여러 개 있는데 스킬 첫 실행 시 자동으로 안내됩니다.

3. docparse 스킬

이 스킬은 hwpx-automation 스킬보다도 더 오랫동안 구축해 온 스킬입니다. PDF, 이미지, 한글문서 등을 마크다운으로 파싱하는 스킬입니다.

시중에 나온 웬만한 오픈소스 및 상용 OCR 도구와 문서 파서들은 다 써 본 것 같은데요, 그 어느 파서도 완벽한 것은 없었습니다. 그래서 이렇게는 안 되겠다 싶어서, 아예 다종 파서를 교차 검증하는 스킬로 만들었습니다.

일단 특정 파일을 이 스킬을 사용해서 파싱하라고 하면 스크립트로 검사부터 합니다. 어떤 파서 조합으로 처리하는 것이 가장 적합한지 진단하는 것이죠. 스킬에 넣어둔 주요 파서는 Upstage, Gemini, LlamaParse, opendataloader-pdf, Mistral, 5종이고 OCR 도구로는 Google Vision이 있는데요. 이미지 스캔 파일이면 Upstage와 LlamaParse로, 텍스트 기반이면 ODL과 Upstage로, 길이가 짧으면 Gemini로 길면 LlamaParse로, 외국어가 있으면 Mistral로 교차 검증하고요, 만약 오타까지 보존해야 하는 손글씨면 Google Vision으로 초벌하고 에이전트가 직접 보면서 감수하는 식으로 파싱을 합니다.

짧은 손글씨 문서부터 수백 쪽에 이르는 의료 문서까지 수없이 많은 문서를 여러 번 파싱하면서 계속해서 최적의 조합을 찾으려고 노력했고 그 때문에 돈도 많이 썼습니다. 현재 시점에서는 그래도 어느 정도 안정이 되었고, 일단 교차 검증을 해 주니 한 파서에 의존할 때보다는 훨씬 높은 품질의 마크다운 문서가 나옵니다.

사용법은 이 스킬이 사용하는 API 키들을 먼저 준비해 주셔야 합니다. ODL을 제외하면 모두 상용 파서들이므로 API 사용 요금이 발생할 수 있습니다. 특히 한국어 품질이 우수해서 가장 자주 쓰게 되는 Upstage 요금이 조금 센 편이니 유의하시기 바랍니다. 한편 LlamaParse가 월 1만 크레딧까지 무료인데 품질이 매우 좋아서 딱 하나만 쓰라면 저는 LlamaParse를 추천합니다. 이 외에도 Google Vision도 월 1,000페이지까지는 무료이고, Gemini와 Mistral도 무료 티어가 넉넉해서 꼭 API 키를 발급하시길 추천합니다.

스킬을 실행하면 API 키 설정을 포함해서 필요한 것들을 안내해 주도록 되어 있습니다. 그 후에는 문서를 지목하면서 docparse 스킬 사용해서 파싱해 달라고 프롬프팅하시면 됩니다.

4. speech-toolkit 스킬

TTS(텍스트를 음성으로), STT(음성을 텍스트로) 변환해 주는 스크립트 모음입니다. TTS는 Gemini/ElevenLabs/OpenAI/Speechify 4종, STT는 Daglo/Deepgram/ElevenLabs/Gemini/Mistral 5종입니다.

앞선 docparse 스킬처럼 최적의 스크립트를 추천해 주는 방식은 아니고 원하시는 TTS/STT 모델을 지목하면서 변환해 달라고 하면 됩니다. 예를 들어, 이 문서를 Gemini 음성으로 변환해 달라고 하거나, 이 오디오 파일을 ElevenLabs를 사용해서 전사해 달라고 프롬프팅하시면 됩니다. 각자 가지고 계신 API 키를 사용하시면 됩니다.

한국어 전사 도구로는 클로바노트가 품질이 좋은데 API 키를 제공하지 않기 때문에 Daglo를 넣어두었습니다. 하지만 이건 설정이 복잡해서 비추천하고, 경험상 ElevenLabs STT가 비용은 조금 비싸도 품질이 가장 좋았습니다. 대량 전사에는 Deepgram도 괜찮았고요. 짧은 글 음성으로 바꿀 때는 Gemini가 품질이 가장 좋은데 텍스트가 길어지면 조금 부자연스럽더라도 ElevenLabs가 안정적입니다.

5. abridge 스킬

이건 가장 최근에 만든 스킬인데 이번에 배포하는 스킬 중 가장 가볍고, 만족도가 상당히 좋습니다. 긴 문서를 짧게 요약해 주는 스킬인데 원문의 구조와 톤을 살려서 요약해 주는 스킬입니다. 원문의 문장들을 최대한 그대로 살려서 요약하기 때문에 AI 방식으로 요약한 게 아니라, 원문의 흐름과 느낌을 그대로 느낄 수 있습니다.

요약본을 음성으로 변환하는 단계도 선택할 수 있는데, 그러면 일종의 축약 버전 오디오북이 됩니다. 긴 문서를 원문 느낌을 살리면서 들을 수 있습니다. 이 스킬에서 사용하는 TTS 스크립트는 제가 가장 만족하는 ElevenLabs로 설정해 두었습니다. 따라서 음성 변환까지 원하시는 경우에는 ElevenLabs API 키가 필요합니다.

사용 방법은 요약하고자 하는 문서를 지목하면서 abridge 스킬로 요약해 달라고 프롬프팅하시면 됩니다. 다만 지목하는 문서가 PDF나 HWPX 같은 파일들인 경우에 앞선 docparse 스킬이나 hwpx-automation 스킬로 먼저 파싱한 후 작업하도록 되어 있습니다.

혹시 사용하시면서 개선할 사항을 발견하시면 GitHub에 이슈로 남겨 주세요. 개인적으로 연락 주셔도 좋습니다~ 저는 늘상 사용하는 스킬들이니 앞으로도 계속 고도화해 나갈 예정입니다 :)