Install any skill in seconds. Free to start, no credit card required.
Get Started Free →Claude Design에서 생성된 결과 카피(헤드라인·서브헤드·CTA·feature·푸터)를 AI 슬롭 패턴으로 검수합니다. 영문(Reimagine your·Unleash your potential 등)과 한국어(혁신적인·차세대·재정의하는 등) 진부 표현을 검출하고 수정안을 제안합니다. 후속으로 moai-content:humanize-korean 체이닝을 권장합니다. 다음과 같은 요청 시 반드시 이 스킬을 사용하세요: - "Claude Design 카피 검수" - "AI 슬롭 점검" - "AI 티 나는 카피 확인" - "디자인 카피 후처리" - "humanize 직전 검수"
.claude/skills/modu-ai-claude-design-slop-check/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-07 | ✗→✓ | ▲ Improved | 103% | 0% |
| case-09 | ✗→✓ | ▲ Improved | 85% | 0% |
| case-11 | ✗→✓ | ▲ Improved | 85% | 0% |
| case-17 | ✗→✓ | ▲ Improved | 109% | 0% |
| case-19 | ✗→✓ | ▲ Improved | 165% | 0% |
Claude Design은 카피도 생성합니다. 디자인 시스템에 voice가 잘 등록되어 있어도, 영문·한국어 모두에서 AI 티가 나는 진부 표현이 슬쩍 섞이는 경우가 많습니다. 이 스킬은 패턴 사전 + 컨텍스트 추론으로 그런 표현을 짚어내고, 자연스러운 대안을 제안합니다.
Claude Design 카피, AI 슬롭, AI 티, 진부 표현, humanize 직전, 디자인 카피 검수, slop check
다음 텍스트를 입력으로 받습니다.
| 입력 형태 | 예시 | |---|---| | 단일 카피 텍스트 | "Reimagine your workflow with AI" | | 카피 모음 | Hero·Feature·CTA·Footer를 묶어 한 번에 | | Claude Design 결과물 전체 | PDF·HTML에서 추출한 텍스트 일괄 | | Claude Design 채팅 캡처 | 사용자가 카피만 골라 붙여넣은 것 |
사용자가 검수할 카피를 입력합니다.
입력 옵션:
- 단일 텍스트 붙여넣기
- 파일 경로 (HTML·PDF·Markdown·텍스트)
- Claude Design URL (Export 후 공유 URL이 있다면)영문·한국어·혼합 중 자동 판별. 각 언어의 사전을 적용합니다.
| 처리 단계 | 결과 | |---|---| | Tier 1 정규식 매칭 | 거의 확실한 슬롭 — 자동 플래그 | | Tier 2 정규식 매칭 | 문맥 확인 필요 — 후속 추론 | | 카피 구조 분석 | A B C D 나열, 콜론 강조 패턴 검출 | | 통계 주장 검출 | 숫자 근거 없는 "수천", "수만" 등 | | 자가 칭찬 검출 | "혁신적", "최고의" 등 자기 주장 표현 |
Tier 2 표현은 문맥에 따라 슬롭 여부가 달라집니다. 다음을 고려합니다.
가능하면 사용자에게 산업·브랜드 톤을 묻습니다 (AskUserQuestion).
각 검출 항목마다:
원본: "Reimagine your workflow with AI-powered automation"
이유: "Reimagine your"는 거의 모든 AI 도구가 쓰는 진부 표현
대안 3개:
1. "[제품명]은 매일 반복하는 [구체적 작업]을 자동화합니다"
2. "[구체적 작업]에 쓰는 시간을 [숫자] 줄이는 자동화 도구"
3. "[페르소나]를 위한 [핵심 가치] 자동화"
선호: 1번 — 동사로 시작 + 구체적 작업 명시markdown# Claude Design 카피 슬롭 검수 ## 한눈에 보기 | 항목 | 결과 | |---|---| | 검수한 카피 수 | N | | Tier 1 슬롭 발견 | N건 | | Tier 2 의심 표현 | N건 | | 구조 안티패턴 | N건 | | 총 권장 수정 | N건 | ## Tier 1 슬롭 (필수 수정) ### Hero 헤드라인 - 원본: [원본 카피] - 문제: [패턴] - 대안: [3개] - 추천: [1개] ### CTA - 원본: ... ## Tier 2 의심 표현 (문맥 확인) - 원본: ... - 문제: ... - 결정 요청: [컨텍스트 묻기] ## 구조 안티패턴 - 패턴: A B C D 나열 - 위치: Feature 섹션 3번째 카드 - 원본: "Faster. Smarter. Better. Simpler." - 문제: 의미 없는 형용사 4개 나열 - 대안: 1개 구체적 결과로 — "고객 응답 시간을 12시간에서 30분으로 단축" ## 후속 처리 추천 1. 위 수정을 Claude Design 채팅에 다시 요청 2. 한국어 카피 자연화 → moai-content:humanize-korean 3. 영문 카피 후속 검수 → 영문 카피 베스트 프랙티스 가이드
검수 결과는 위 마크다운 리포트로. 사용자가 그대로 Claude Design 채팅에 붙여 넣어 수정 요청할 수 있습니다.
입력:
- Hero: "Reimagine the way your team collaborates"
- CTA: "Get started for free"
결과:
- Hero: Tier 1 슬롭 — "Reimagine the way" 패턴
대안:
1. "팀이 매일 쓰는 N개 도구를 하나로 합칩니다"
2. "회의를 [숫자] 줄이는 협업 도구"
3. "[페르소나]를 위한 협업 워크플로우"
- CTA: 평범 — "Get started for free"는 슬롭 아님, 유지
권장 수정:
- Hero를 1번으로 교체 → 다시 Claude Design에서 시안 갱신입력:
- Hero: "혁신적인 AI 기반의 차세대 마케팅 자동화"
- 서브: "당신의 마케팅을 한 차원 높여 줄 솔루션"
- Feature: ["빠르게", "쉽게", "정확하게", "강력하게"]
결과:
- Hero: Tier 1 슬롭 3개 ("혁신적인", "AI 기반의", "차세대") 동시 사용
대안:
1. "주간 보고서 자동 생성·발송 — 30분 작업이 0분"
2. "[고객 사례] 처럼 채널 광고 운영 시간 [N시간 → M시간]"
3. "마케팅 자동화로 [구체적 결과]"
- 서브: Tier 1 슬롭 ("한 차원 높여")
- Feature: 구조 안티패턴 — A B C D 부사 나열
대안: 각각 구체적 결과·수치로 교체입력:
- 영문 Hero + 한국어 서브
- 영문 CTA + 한국어 푸터
결과: 언어별 사전 적용, 각각 분석| 스킬 | 사용 시점 | |---|---| | moai-content:humanize-korean | 후속: 한국어 카피 자연화 (10대 카테고리 × 40+ AI 티 패턴 SSOT) | | moai-core:ai-slop-reviewer | 후속: 모든 텍스트 산출물의 일반 AI 슬롭 검수 | | moai-design:claude-design-brief | 선행: 더 좋은 카피가 나오도록 브리프 정돈 | | moai-marketing:campaign-planner | 보조: 캠페인 카피의 톤·메시지 일관성 검토 | | moai-content:copywriting | 대안: Claude Design 외부에서 카피 직접 생성 |
| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-01 | fail→fail | 16,097 | 23,889 | +48% | 1 | 1 | 0% | 2,716 | 4,719 | +74% | 0 | 0 | — |
case-02 | fail→fail | 17,326 | 11,990 | -31% | 1 | 1 | 0% | 3,064 | 4,849 | +58% | 0 | 0 | — |
case-03 | fail→fail | 15,546 | 10,598 | -32% | 1 | 1 | 0% | 2,635 | 4,383 | +66% | 0 | 0 | — |
case-04 | pass→fail | 13,836 | 10,804 | -22% | 1 | 1 | 0% | 2,192 | 4,242 | +94% | 0 | 0 | — |
case-05 | pass→pass | 6,804 | 3,794 | -44% | 1 | 1 | 0% | 1,402 | 3,197 | +128% | 0 | 0 | — |
case-06 | pass→pass | 17,463 | 13,621 | -22% | 1 | 1 | 0% | 3,462 | 5,078 | +47% | 0 | 0 | — |
case-07 | fail→pass | 13,161 | 10,309 | -22% | 1 | 1 | 0% | 2,004 | 4,076 | +103% | 0 | 0 | — |
case-08 | pass→pass | 13,712 | 9,344 | -32% | 1 | 1 | 0% | 2,107 | 3,910 | +86% | 0 | 0 | — |
case-09 | fail→pass | 13,919 | 8,595 | -38% | 1 | 1 | 0% | 2,134 | 3,944 | +85% | 0 | 0 | — |
case-10 | pass→pass | 16,514 | 14,047 | -15% | 1 | 1 | 0% | 2,547 | 4,673 | +83% | 0 | 0 | — |
case-11 | fail→pass | 14,125 | 11,470 | -19% | 1 | 1 | 0% | 2,310 | 4,266 | +85% | 0 | 0 | — |
case-12 | pass→pass | 14,111 | 8,741 | -38% | 1 | 1 | 0% | 2,179 | 3,885 | +78% | 0 | 0 | — |
case-13 | pass→pass | 10,398 | 11,305 | +9% | 1 | 1 | 0% | 1,694 | 4,279 | +153% | 0 | 0 | — |
case-14 | pass→pass | 14,742 | 9,800 | -34% | 1 | 1 | 0% | 2,298 | 4,102 | +79% | 0 | 0 | — |
case-15 | pass→pass | 10,267 | 10,317 | +0% | 1 | 1 | 0% | 1,566 | 4,033 | +158% | 0 | 0 | — |
case-16 | pass→pass | 15,378 | 9,904 | -36% | 1 | 1 | 0% | 2,434 | 4,099 | +68% | 0 | 0 | — |
case-17 | fail→pass | 13,056 | 10,920 | -16% | 1 | 1 | 0% | 2,033 | 4,253 | +109% | 0 | 0 | — |
case-18 | pass→pass | 13,877 | 9,064 | -35% | 1 | 1 | 0% | 2,183 | 3,887 | +78% | 0 | 0 | — |
case-19 | fail→pass | 9,900 | 9,091 | -8% | 1 | 1 | 0% | 1,494 | 3,959 | +165% | 0 | 0 | — |
case-20 | fail→pass | 13,161 | 4,385 | -67% | 1 | 1 | 0% | 1,944 | 3,260 | +68% | 0 | 0 | — |
case-21 | fail→pass | 10,458 | 9,445 | -10% | 1 | 1 | 0% | 1,670 | 4,057 | +143% | 0 | 0 | — |
case-22 | pass→pass | 16,816 | 10,112 | -40% | 1 | 1 | 0% | 2,718 | 4,254 | +57% | 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 +27 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.