Loading skill
Install any skill in seconds. Free to start, no credit card required.
Get Started Free →75개 글로벌 브랜드 디자인 시스템(Claude · ClickHouse · Clay 포함)의 토큰(색·타이포·radius·spacing·컴포넌트)을 단일 파일 HTML 산출물에 적용합니다. 본 스킬은 moai-designer 플러그인의 정본(canonical)을 가리키는 포인터입니다 — 실제 시스템 토큰·컴포넌트 정의·샘플은 `moai-designer:design-system-library`에서 관리합니다(cowork 중복 사본은 경계 계약 "산출물=cowork, 체계=design"에 따라 제거됨). 다음과 같은 요청 시 사용하세요: - "Claude 스타일로 HTML 보고서 만들어줘" / "브랜드 디자인 시스템 골라서 HTML로" - "Claude Design에 올릴 디자인 시스템 자료 정리"
.claude/skills/modu-ai-doc-design-library/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-05 | ✗→✓ | ▲ Improved | -3% | 0% |
| case-06 | ✗→✓ | ▲ Improved | -26% | 0% |
| case-02 | ✗→✓ | ▲ Improved | -24% | 0% |
| case-03 | ✗→✓ | ▲ Improved | 48% | 0% |
| case-04 | ✗→✓ | ▲ Improved | -37% | 0% |
본 스킬(moai-officer:doc-design-library)은 moai-designer 플러그인의 정본을 가리키는 포인터입니다.
디자인 시스템의 체계(systems) 관리는 design 플러그인의 책임입니다(경계 계약: "산출물=cowork, 체계=design"). 따라서 75개 브랜드 토큰의 정본(canonical) SSOT는 moai-designer:design-system-library에 있으며, 본 cowork 스킬은 하위 호환 라우팅/발견성만 담당합니다.
design_system 토큰이 필요하면 moai-designer:design-system-library 스킬을 직접 호출하세요. 토큰의 색·타이포·radius·spacing·컴포넌트 정의와 Tailwind Play CDN config 매핑, getdesign.md 상세 페이지 링크 모두 그곳에 있습니다.
moai-designer:design-system-library (75개 시스템 토큰 SSOT)moai-officer:doc-html-report · moai-officer:doc-html-slide (design_system 파라미터로 토큰 로드)| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-07 | pass→pass | 19,021 | 7,316 | -62% | 1 | 1 | 0% | 2,290 | 1,743 | -24% | 0 | 0 | — |
case-18 | pass→pass | 21,778 | 11,243 | -48% | 1 | 1 | 0% | 2,598 | 1,779 | -32% | 0 | 0 | — |
case-05 | fail→pass | 16,315 | 13,207 | -19% | 1 | 1 | 0% | 2,058 | 1,998 | -3% | 0 | 0 | — |
case-06 | fail→pass | 18,457 | 12,831 | -30% | 1 | 1 | 0% | 2,458 | 1,813 | -26% | 0 | 0 | — |
case-01 | fail→fail | 26,451 | 21,528 | -19% | 1 | 1 | 0% | 4,763 | 3,881 | -19% | 0 | 0 | — |
case-02 | fail→pass | 27,834 | 21,452 | -23% | 1 | 1 | 0% | 4,995 | 3,780 | -24% | 0 | 0 | — |
case-03 | fail→pass | 17,017 | 19,916 | +17% | 1 | 1 | 0% | 2,337 | 3,464 | +48% | 0 | 0 | — |
case-04 | fail→pass | 18,037 | 10,770 | -40% | 1 | 1 | 0% | 2,262 | 1,425 | -37% | 0 | 0 | — |
case-08 | fail→pass | 14,921 | 18,296 | +23% | 1 | 1 | 0% | 2,558 | 2,878 | +13% | 0 | 0 | — |
case-09 | fail→pass | 18,097 | 9,741 | -46% | 1 | 1 | 0% | 2,108 | 1,214 | -42% | 0 | 0 | — |
case-10 | fail→pass | 16,880 | 3,066 | -82% | 1 | 1 | 0% | 2,070 | 930 | -55% | 0 | 0 | — |
case-11 | fail→pass | 17,999 | 8,121 | -55% | 1 | 1 | 0% | 2,580 | 940 | -64% | 0 | 0 | — |
case-12 | fail→pass | 11,122 | 8,250 | -26% | 1 | 1 | 0% | 1,872 | 947 | -49% | 0 | 0 | — |
case-13 | pass→pass | 17,944 | 7,599 | -58% | 1 | 1 | 0% | 2,290 | 1,813 | -21% | 0 | 0 | — |
case-14 | fail→pass | 14,415 | 16,204 | +12% | 1 | 1 | 0% | 1,835 | 2,637 | +44% | 0 | 0 | — |
case-15 | fail→pass | 18,198 | 9,840 | -46% | 1 | 1 | 0% | 3,541 | 1,289 | -64% | 0 | 0 | — |
case-16 | fail→pass | 10,470 | 7,917 | -24% | 1 | 1 | 0% | 1,825 | 801 | -56% | 0 | 0 | — |
case-17 | fail→pass | 23,457 | 19,068 | -19% | 1 | 1 | 0% | 2,942 | 2,872 | -2% | 0 | 0 | — |
case-19 | pass→pass | 16,903 | 23,315 | +38% | 1 | 1 | 0% | 2,839 | 3,439 | +21% | 0 | 0 | — |
case-20 | pass→pass | 17,111 | 19,751 | +15% | 1 | 1 | 0% | 2,109 | 2,726 | +29% | 0 | 0 | — |
case-21 | pass→pass | 12,549 | 10,690 | -15% | 1 | 1 | 0% | 1,476 | 2,181 | +48% | 0 | 0 | — |
case-22 | fail→fail | 9,010 | 11,597 | +29% | 1 | 1 | 0% | 1,701 | 2,553 | +50% | 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 +64 percentage points is the difference between those two pass rates over the 22 comparable cases.
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.