Nuwa.skill: 한 사람의 사고방식을 실행 가능한 AI 스킬로 증류하기

시중의 "유명인 AI" 대부분은 모방을 합니다. 말투를 배우고, 명언을 외우고, 배역을 연기합니다. Nuwa.skill은 다른 길을 갑니다. 이름 하나를 입력하면 돌아오는 것은 그 사람의 인지 운영체제입니다. 개인 개발자 화수(Huashu)가 오픈소스로 공개한 프로젝트이며, 구조는 단순합니다. 6개의 Agent가 공개 자료를 병렬로 수집하고, 삼중 검증으로 그 사람에게 실제로 속하는 사고 모델만 골라내고, 최종적으로 대화 가능한 SKILL.md를 만들어 냅니다. 누군가를 "되살린다"고 주장하지는 않습니다. 당신의 질문을 그 사람의 프레임에 넣어 돌려 보고, 무엇이 나오는지 보여 줄 뿐입니다.

해결하는 문제

전기를 읽거나 긴 인터뷰를 봐도 손에 남는 것은 대개 결론뿐입니다. 그 결론을 만든 추론 과정은 거의 적혀 있지 않습니다. 누군가의 판단력을 빌리고 싶을 때 정말 필요한 것은 이런 부분입니다. 그 사람은 이 문제를 만나면 무엇을 먼저 보는지, 무엇을 곧바로 배제하는지, 정보가 부족할 때 어떻게 베팅하는지. 이런 조각들은 저서와 긴 대화 기록, 과거 의사결정 자료에 흩어져 있어 손으로 정리하는 비용이 매우 큽니다. 게다가 간접 해석이 끼면 결과가 쉽게 옆으로 샙니다.

Nuwa.skill은 이 정리 작업을 파이프라인으로 만듭니다. 병렬 수집, 명시적이고 엄격한 선별, 구조화된 출력, 그리고 모든 정보원을 디스크에 남겨 직접 경로를 되짚을 수 있게 하는 것까지 포함합니다.

주요 기능

6개 경로 병렬 수집: 6개의 조사 Agent가 동시에 움직이며 각기 다른 측면을 맡습니다. 저서와 장문 글, 심층 인터뷰, 소셜 미디어 활동, 비판적 시각, 핵심 의사결정 기록, 그리고 생애 타임라인입니다. 여섯 갈래로 나누는 이유는 커버리지입니다. 한 번의 탐색만으로는 찾기 쉬운 자료에 지나치게 치우치기 마련입니다.

삼중 검증 증류: 어떤 주장이 정식 사고 모델로 채택되려면 세 가지 기준을 동시에 통과해야 합니다. 영역을 넘는 재현성(활동의 여러 영역에서 나타남), 질문 생성력(결론을 바꿔 말하는 대신 새로운 질문을 만들어 냄), 인지적 배타성(다른 똑똑한 사람이라면 같은 결론에 이르지 않았을 것). 한 장면에서만 등장한 생각, 혹은 누구나 떠올릴 법한 일반론은 여기서 걸러집니다.

스킬 자동 생성: 구조화된 인지 시스템을 출력합니다. 보통 3_{7개의 사고 모델, 5}10개의 의사결정 휴리스틱, 표현 DNA, 핵심 가치관과 안티패턴, 그리고 정직한 한계 선언이 포함됩니다.

품질 검증 루프: 알려진 질문으로 방향의 일관성을 재고, 경계 질문으로 추론이 무너지는 지점을 탐색하며, 스타일 테스트로 표현이 맞는지 확인합니다. 이를 통해 생성된 스킬이 지나친 확신에 빠지거나 반대로 공허한 일반론으로 흐르는 것을 막습니다.

주제 단위 증류: 특정 인물뿐 아니라 한 영역(예: 소셜 플랫폼 운영)에 대해 여러 전문가의 방법론을 통합해 영역 수준의 인지 프레임을 만들 수도 있습니다.

전 구간 투명 감사: 각 스킬의 references/ 디렉터리에 1차·2차 정보원, 조사 파일, 추출 논리가 그대로 남습니다. 생성 과정은 믿어야 하는 것이 아니라 따라가며 검증할 수 있는 것이 됩니다.

품질 평가 동반: 프로젝트에는 Darwin.skill 평가 체계가 함께 제공되며, 8개 차원에서 스킬을 일괄 채점하고 자동 최적화를 수행합니다.

사용 방법

1. 실행 환경을 준비합니다. Claude Code를 설치하거나 skills.sh 프로토콜을 지원하는 서드파티 환경을 사용합니다.
2. 터미널에서 npx skills add alchaincyf/nuwa-skill을 실행해 Nuwa를 스킬 라이브러리에 추가합니다.
3. 대화에서 "XXX를 증류해 줘" 또는 "XXX에 관한 skill을 만들어 줘"라고 입력합니다. XXX에는 대상 인물이나 영역 주제를 넣습니다.
4. 자동 실행이 끝날 때까지 기다립니다. 6개의 Agent가 수집·증류·검증·생성을 거쳐 SKILL.md를 출력하며, 1회에 보통 2~3시간이 걸리고 중간에 사람이 개입할 필요는 없습니다.
5. 생성 후에는 대화에서 해당 스킬을 바로 호출합니다. 예를 들어 "어떤 프로덕트 담당자의 시각으로 이 기능을 평가해 줘" 같은 방식입니다.
6. 선택 사항: Darwin.skill로 8개 차원 점수를 매기고, 점수가 낮은 차원의 자료를 보강한 뒤 다시 증류합니다.
7. 결론을 확인해야 할 때는 references/ 디렉터리로 돌아가 원래 정보원과 추출 논리를 봅니다.

적합한 상황

• 제품 의사결정과 창업 판단: 제품 직관이나 제1원리 프레임을 불러와 기능 방향, 비즈니스 모델의 실현 가능성, 경험 설계를 평가합니다.
• 투자와 리스크 관리: 다중 사고 모델로 교차 검증하고, 테일 리스크를 식별하며, 안티프래질 전략을 검토합니다.
• 콘텐츠 제작과 확산 최적화: 히트 구조, 유추 표현, 플랫폼 알고리즘 논리 같은 각도에서 주제와 스크립트를 다듬습니다.
• 교육과 커리어 설계: 실전형 진학·취업 의사결정 프레임을 꺼내 자신의 조건에 대입해 경로를 시뮬레이션합니다.
• 기술 트렌드 분석: 기술 진화, 코딩 패러다임, 연산 자원 병목 같은 관점에서 업계의 방향을 읽습니다.
• 협상과 사업 전략: 비즈니스 협상, 지분 배분, 경쟁 전략에서 권력 분석과 게임 이론적 사고를 빌려 씁니다.

한계와 주의 사항

증류 품질은 공개 자료의 밀도에 크게 좌우됩니다. 자료가 희박한 인물은 결과 프레임이 눈에 띄게 얇아지고, 심하면 상식을 포장만 바꾼 수준으로 퇴화합니다. 또한 스킬은 조사한 시점의 정적인 스냅숏입니다. 본인의 핵심 사상이 나중에 크게 바뀌었다면 같은 과정을 다시 실행해 갱신해야 합니다. 지켜야 할 경계도 두 가지입니다. 사적인 이메일이나 채팅 기록, 내부 문서로 증류해서는 안 되며, 비공개 정보를 다룰 때는 당사자의 명확한 동의가 전제되어야 합니다. 그리고 결과물을 본인의 대변으로 취급하지 마십시오. 작동하는 것은 추출된 프레임이며, 그 사람 자신의 판단이 아닙니다.

자주 묻는 질문

Nuwa.skill은 롤플레이형 AI와 무엇이 다른가요?

롤플레이는 말하는 방식을 모방하고, Nuwa는 판단하는 방식을 증류합니다. "그 사람이 무엇을 말했는가"가 아니라 "그 사람이 어떻게 생각하는가"를 포착하며, 자신이 못 하는 일도 분명히 밝힙니다.

스킬 하나를 만드는 데 얼마나 걸리나요?

1회 증류에 보통 2~3시간이 걸립니다. 그동안 6개의 Agent가 수집·증류·검증·생성을 자동으로 처리하므로 지켜볼 필요는 없습니다.

어떤 실행 환경이 필요한가요?

Claude Code, 또는 skills.sh 프로토콜을 지원하는 서드파티 환경입니다. 설치는 npx 명령 한 줄로 끝납니다.

살아 있는 사람도 증류할 수 있나요?

가능합니다. 다만 공개 자료만 사용하고 사적 데이터는 다루지 않습니다. 외부에 공개할 때는 공개 정보에 기반한 사고 프레임 시뮬레이션이며 본인의 실제 견해가 아니라는 점을 밝혀야 합니다.

자세한 내용은 공식 사이트에서 확인할 수 있습니다: https://nv-wa-skill.lol/zh