Install any skill in seconds. Free to start, no credit card required.
Get Started Free →한국어 글쓰기 멀티-preset 스킬. 12개 preset 지원 — toss-tech-design (default) / karrot-neighborly / brunch-maker-popular / naver-d2-engineering / biz-formal-report / academic-paper / journalism-broadsheet / kakao-warm-product / line-global-saas / academic-lecture-essay / emotional-brand / legal-disclosure. '한글 글 작성', 'KR rewrite', '토스 톤으로', '당근 톤으로', '브런치 톤으로', '보고서로 써줘', '학술 톤', '신문기사체' 류 트리거.
.claude/skills/kwakseongjae-omd-kr-writer/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-18 | ✗→✓ | ▲ Improved | 341% | 0% |
| case-20 | ✗→✓ | ▲ Improved | 319% | 0% |
| case-22 | ✗→✓ | ▲ Improved | 427% | 0% |
| case-13 | ✓→✗ | ▼ Worse | 182% | 0% |
| case-03 | ✓→✓ | = Same ✓ | 170% | 0% |
<!-- omd:installed-skill — managed by omd install-skills. Do not edit; rerun the command to refresh. -->
oh-my-design의 한국어 본문 작성 스킬. preset_id 인자로 6개 voice 중 선택.
호출 envelope:
yamlagent: omd-kr-writer inputs: preset_id: toss-tech-design # 또는 아래 6개 task: "당근 디자인 분석 글 작성" ...
지원 preset 12개. 각 preset의 핵심 spec은 아래 §9 (preset 요약 spec) 에 self-contained로 수록 — 이 SKILL.md만으로 12개 preset 전부 실행 가능. (풀 9-field spec + verbatim 한국어 examples + 출처는 dev 레포의 data/research/2026-05-18-kr-style-presets.md — npx 배포본에는 미포함.)
| # | preset_id | 종결 | 분량 (한글) | 용도 | |---|---|---|---|---| | 1 | toss-tech-design ⭐ (default) | 해요체 -요 | 5,500~7,000자 | omd 블로그 본문, 디자인 deep-dive | | 2 | karrot-neighborly | 해요체 + 동네 lexicon | 3,000~5,000자 | 마케팅, 커뮤니티 글 | | 3 | brunch-maker-popular | 해요체 80% + 회상 -했다 | 4,000~6,000자 | 회고, 포스트모템, 메이커 에세이 | | 4 | naver-d2-engineering | 해요체 + 격식 mix | 자유 | 엔지니어링 분석 글 | | 5 | biz-formal-report | 하십시오체 -습니다 | 자유 | 보고서·기획서·BRD | | 6 | academic-paper | 해라체 -한다/-이다 | 자유 | 학술 논문, 연구 노트 | | 7 | journalism-broadsheet | 해라체 -다/-했다 | 자유 | 보도자료, 신문기사 | | 8 | kakao-warm-product | 해요체 + 감정 표현 | 자유 | 카카오톡·카카오뱅크 in-app copy | | 9 | line-global-saas | 해요체 + 다국어 친화 | 자유 | 한일 brand voice, 글로벌 SaaS | | 10 | academic-lecture-essay | 해요체 + 학술 lexicon | 자유 | 교양 강연, 지식 에세이 | | 11 | emotional-brand | 해요체 + 외래어 자유 | 자유 | 무신사·29CM 패션 커머스 | | 12 | legal-disclosure | 하십시오체 + 한자어 | 자유 | 법무·약관·고지사항 |
호출 시 preset 미지정 → toss-tech-design 적용.
본 문서의 § 1~8은 default preset (toss-tech-design)의 상세 spec. 다른 preset 선택 시 §9의 해당 preset 요약 spec 룰로 substitution.
같은 콘텐츠를 다른 preset으로 옮길 때 standard rewrite 룰 — 아래 핵심 변환 + §9 spec만으로 수행 가능. (확장 5-step rule은 dev 레포 research doc §14 — 배포본 미포함.)
| from | to | 핵심 변환 | |---|---|---| | biz-formal-report | toss-tech-design | -합니다→-해요 · 한자어 풀이 · 50자+ 문장 쪼개기 · 3인칭→1인칭 | | toss-tech-design | biz-formal-report | -요→-니다 · 인사 제거 · 섹션 번호 (1.1) · 한자어 회복 | | academic-paper | toss-tech-design | -한다→-해요 · 우리는→저는 · 인용 형식 인라인 | | karrot-neighborly | toss-tech-design | "동네" lexicon 제거 · 분석 voice 강화 · 5,500자+ | | journalism-broadsheet | toss-tech-design | -다→-요 · OOO 대표 said → 직접 quote · narrative 1인칭 | | legal-disclosure | kakao-warm-product | 한자어 → 우리말 · 수동 → 능동 · 친근 어휘 보강 |
| 단계 | 격식 | 친근 | 종결예 | preset 매핑 | |---|---|---|---|---| | 하십시오체 | ✓ | ✗ | -습니다 | biz-formal / legal | | 하오체 | ✓ | ✗ | -오, -소 | (구식, 거의 안 씀) | | 하게체 | △ | △ | -네, -게 | (구식, 윗사람→아랫사람) | | 해라체 | ✗ | ✗ | -다, -한다 | academic / journalism | | 해요체 ⭐ | △ | ✓ | -요, -아요 | toss / karrot / kakao / brunch / line / lecture / emotional | | 해체 (반말) | ✗ | ✓✓ | -아, -이야 | (사용 안 함 — disrespectful) |
omd 디폴트는 해요체. 격식이 필요하면 하십시오체. 학술/뉴스만 해라체. 그 외 모든 경우 해요체.
oh-my-design 블로그의 한국어 본문을 Toss Tech 디자인 카테고리 수준의 voice로 작성. Brunch와 당근 미디엄도 보조 참고.
안녕하세요. [본인 직무] [본인 이름]이에요.
저는 [구체적인 업무]를 담당하고 있어요.
[배경 1-2 문장 — 어떤 상황에서 어떤 미션을 받았는지].
오늘은 [주제]를 나눠보려고 해요.oh-my-design용 변형:
안녕하세요. oh-my-design을 만드는 [이름]이에요.
100개가 넘는 브랜드의 디자인 시스템을 라이브로 캡쳐해서 카탈로그로 모으고 있어요.
오늘은 그 중 [브랜드]를 들여다본 이야기를 나누려고 해요.| 사용 | 빈도 | |---|---| | -요 | 100% (default) | | -했어요, -있어요, -거예요, -네요 | 자주 | | -아요, -이에요 | 자주 | | -습니다, -는다, -한다 | 금지 (관공서 톤) | | -입니다, -합니다 | 금지 |
~했고, ~했어요. → 가급적 ~했어요. ~했어요. 두 문장으로.그리고/그래서/그런데 남발 금지. 단락 이행은 새 단락으로.~네요, ~죠, ~인가요? 적절히 — 글이 살아남.시작: "안녕하세요. ~이에요."
마무리:
- "여기까지 [주제]에 대해 나눠봤어요."
- "혹시 [관련 질문]이 있다면 댓글로 남겨주세요."
- "다음 글에서는 [다음 주제]를 들고 올게요."영문 식 ## Insight 1 — OKLCH-based perceptual color scaling 같은 무거운 헤더는 금지. 한국어는 짧고 호흡감 있게.
| 영문 패턴 | 한국어 변환 | |---|---| | ## 1. A short history of "the Toss feel" | ## 토스 느낌의 시작 | | ## 2. The atmosphere — calm, confident, deceptively simple | ## 화면을 열면 흰 캔버스 | | ## 3. Insight 1 — OKLCH-based perceptual color scaling | ## 토스는 색을 수학으로 정의해요 | | ## 4. What to steal | ## 가져가도 좋은 것 | | ## 5. What NOT to steal | ## 따라하면 안 되는 것 |
원칙: 헤더는 3~12자. 문장형 OK, 호기심 유발 OK, 결론 spoiler OK.
목표: 5,500자~7,000자 (한국어, 공백 제외).
Toss 글은 단락 2~3개 당 이미지 1개. oh-my-design 본문에서:
이미지가 부족한 경우:
각 인사이트는 다음 4 단락 구조 권장:
-습니다, -한다, -할 것이다 등 격식체~할 수 있다 식 가능형 남발 → ~할 수 있어요이것은 우리가 만든 시스템이다 — X. 우리가 만든 시스템이에요. — O)"trust comes from clarity") → "신뢰는 깊이가 아니라 명확함에서 온다" (한글 번역 + 영문 옆에 작게)## 1. 인사이트 1 — Insight 1: OKLCH-based ~ 식 형식적 헤더**굵게** 강조로 도배 — 시각 노이즈| 어색한 한자어 | 친근한 한국어 | |---|---| | 사용자 | 쓰는 사람 / 사용자 (case-by-case, 사용자도 OK) | | 설계하다 | 설계하다 / 만들다 | | 적용하다 | 적용하다 / 쓰다 | | 결과적으로 | 결국 / 그렇게 | | 비교했을 때 | 비교하면 | | ~에 의하면 | ~에 따르면 | | 또한 | 그리고 / 또 | | 따라서 | 그래서 | | 본인 | 본인 / 자신 / 나 | | 일반적으로 | 보통 |
content/posts/<slug>/index.md의 EN 부분)-요로 통일 삽입 — 인사이트당 1~2개title_ko, subtitle_ko 필드 채움-습니다 / -한다 검사 = 0건toss-tech-design 외 preset 호출 시 아래 요약 spec이 §1 (voice) / §5 (안티패턴) / §6 (어휘) 룰을 대체한다. 분량은 §0 표의 분량 컬럼, 구조(§2~4)는 preset 성격에 맞게 준용.
이 스킬은 oh-my-design 블로그 한국어 본문의 단일 source of truth voice guide. 모든 KR 글은 이 guide를 따른다.
| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-01 | fail→fail | 22,992 | 25,485 | +11% | 1 | 1 | 0% | 3,491 | 9,265 | +165% | 0 | 0 | — |
case-02 | fail→fail | 14,231 | 9,330 | -34% | 1 | 1 | 0% | 2,150 | 6,872 | +220% | 0 | 0 | — |
case-03 | pass→pass | 13,481 | 10,206 | -24% | 1 | 1 | 0% | 2,750 | 7,428 | +170% | 0 | 0 | — |
case-04 | pass→pass | 13,997 | 13,310 | -5% | 1 | 1 | 0% | 2,647 | 8,258 | +212% | 0 | 0 | — |
case-05 | pass→pass | 21,811 | 22,502 | +3% | 1 | 1 | 0% | 4,572 | 10,426 | +128% | 0 | 0 | — |
case-06 | pass→pass | 15,703 | 17,260 | +10% | 1 | 1 | 0% | 2,557 | 8,318 | +225% | 0 | 0 | — |
case-07 | pass→pass | 17,972 | 17,851 | -1% | 1 | 1 | 0% | 2,967 | 8,262 | +178% | 0 | 0 | — |
case-08 | pass→pass | 11,886 | 10,323 | -13% | 1 | 1 | 0% | 2,040 | 7,100 | +248% | 0 | 0 | — |
case-09 | pass→pass | 14,208 | 9,340 | -34% | 1 | 1 | 0% | 2,197 | 7,003 | +219% | 0 | 0 | — |
case-10 | pass→pass | 11,440 | 14,296 | +25% | 1 | 1 | 0% | 2,151 | 8,044 | +274% | 0 | 0 | — |
case-11 | pass→pass | 10,063 | 12,869 | +28% | 1 | 1 | 0% | 1,651 | 7,563 | +358% | 0 | 0 | — |
case-12 | pass→pass | 16,338 | 10,710 | -34% | 1 | 1 | 0% | 2,670 | 7,150 | +168% | 0 | 0 | — |
case-13 | pass→fail | 23,886 | 24,558 | +3% | 1 | 1 | 0% | 3,081 | 8,678 | +182% | 0 | 0 | — |
case-14 | pass→pass | 37,091 | 26,110 | -30% | 1 | 1 | 0% | 5,750 | 9,744 | +69% | 0 | 0 | — |
case-15 | pass→pass | 24,369 | 22,884 | -6% | 1 | 1 | 0% | 3,533 | 8,891 | +152% | 0 | 0 | — |
case-16 | fail→fail | 9,867 | 8,834 | -10% | 1 | 1 | 0% | 1,642 | 6,937 | +322% | 0 | 0 | — |
case-17 | pass→pass | 8,188 | 5,336 | -35% | 1 | 1 | 0% | 1,230 | 6,334 | +415% | 0 | 0 | — |
case-18 | fail→pass | 8,566 | 6,139 | -28% | 1 | 1 | 0% | 1,493 | 6,582 | +341% | 0 | 0 | — |
case-19 | pass→pass | 14,609 | 11,087 | -24% | 1 | 1 | 0% | 1,927 | 7,182 | +273% | 0 | 0 | — |
case-20 | fail→pass | 10,762 | 8,166 | -24% | 1 | 1 | 0% | 1,610 | 6,740 | +319% | 0 | 0 | — |
case-21 | pass→pass | 8,829 | 6,225 | -29% | 1 | 1 | 0% | 1,361 | 6,525 | +379% | 0 | 0 | — |
case-22 | fail→pass | 7,983 | 5,661 | -29% | 1 | 1 | 0% | 1,216 | 6,407 | +427% | 0 | 0 | — |
DecimalAI ran this skill against gemini-3.6-flash twice over the same eval suite — once with the skill loaded and once without — and compared the two runs case by case. 22 cases were attempted. The headline lift of +9 percentage points is the difference between those two pass rates over the 22 comparable cases. 1 case got worse with the skill loaded, and it is included in that figure.
Without the skill loaded, the model failed this case. With it loaded, the same prompt on the same model passed. This is one improved case from the latest verified run; every case, including any that regressed, is in the table above.
Other measured skills in the registry, with their headline benchmark lift.