Loading skill
Install any skill in seconds. Free to start, no credit card required.
Get Started Free →피드백을 건설적으로 주고, 받은 피드백을 감정 상하지 않게 소화하도록 도와주는 스킬입니다. '피드백 어떻게 줘야 해', '부정적 피드백 받았는데 속상해', '피드백 전달하는 법', '중간 점검 요청하고 싶어'처럼 말하면 됩니다. SBI 구조로 건설적 피드백을 설계하고, 받은 피드백을 사실과 감정으로 분리해 소화하며, 먼저 피드백을 요청하는 법까지 다룹니다.
.claude/skills/modu-ai-feedback-loop/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-14 | ✗→✓ | ▲ Improved | 80% | 0% |
| case-15 | ✗→✓ | ▲ Improved | 84% | 0% |
| case-01 | ✓→✓ | ＝ Same ✓ | 93% | 0% |
| case-02 | ✓→✓ | ＝ Same ✓ | 162% | 0% |
| case-03 | ✓→✓ | ＝ Same ✓ | 100% | 0% |
피드백은 어렵다. 주는 사람은 관계가 상할까 봐 돌려 말하다 메시지가 흐려지고, 받는 사람은 인격 공격으로 받아들여 방어부터 한다. 이 스킬은 피드백을 사람이 아니라 행동·사안에 고정하는 구조(SBI)를 제공하고, 받은 피드백에서 감정과 사실을 분리해 배울 것만 건지는 법을 돕는다. 회피하지 않고, 깨지지도 않게.
피드백, 피드백 주는 법, 피드백 받기, 부정적 피드백, 건설적 피드백, 쓴소리, 피드백 회피, 중간 보고, 중간 피드백, SBI, 피드백 소화
비난과 피드백은 다르다. 피드백은 상대가 더 잘하도록 돕는 것이지 화풀이가 아니다.
행동을 사람에서 떼어내는 3단 구조다.
| 단계 | 내용 | 예시 | |------|------|------| | S (상황) | 언제·어디서 | "어제 고객 미팅에서" | | B (행동) | 관찰한 사실(해석 빼고) | "발표 중 자료를 미리 안 띄워서 5분 지연됐어요" | | I (영향) | 그 행동이 미친 결과 | "고객이 준비가 덜 됐다고 느낀 것 같아요" |
→ "당신은 항상 준비가 부족해" 같은 인격·일반화는 금지. 사실 → 영향만 말하고, 개선은 함께 찾는다.
부정적 피드백이 오면 본능은 방어다. 그 사이에 한 박자를 둔다.
→ 피드백은 나에 대한 최종 판결이 아니라 한 시점의 한 관점이다.
피드백을 기다리지 말고 먼저 구하면 작게·자주 받을 수 있다(중간 보고).
받았으면 닫아야 다음 피드백이 온다.
예시 1: "후배가 자꾸 마감을 놓치는데 어떻게 말해야 기분 안 상하게 전달할까?" → SBI 구조(상황·행동·영향) → 인격 표현 제거 → 개선책을 함께 찾는 질문형 마무리
예시 2: "상사한테 일 못한다는 피드백 받고 너무 속상해" → 감정·사실 분리 → 반복·신뢰 출처인지 가중치 판단 → 쓸 수 있는 1조각 + 행동 전환안
예시 3: "프로젝트 중간에 피드백을 미리 받고 싶은데 어떻게 요청하지?" → 구체적 질문 설계 → 초안 단계 타이밍 → 중간 보고 메시지 템플릿
moai-hr:performance-review를 사용한다.moai-productivity를 쓴다.피드백 일반 프레임워크(SBI 모델·감정/사실 분리·중간 보고) + 사용자 vault 노트 참고. 표현·예시는 2026년 한국 기준 자체 구성.
| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-10 | fail→fail | 3,665 | 8,282 | +126% | 1 | 1 | 0% | 532 | 2,741 | +415% | 0 | 0 | — |
case-01 | pass→pass | 10,261 | 10,609 | +3% | 1 | 1 | 0% | 1,611 | 3,108 | +93% | 0 | 0 | — |
case-02 | pass→pass | 7,936 | 12,998 | +64% | 1 | 1 | 0% | 1,319 | 3,455 | +162% | 0 | 0 | — |
case-03 | pass→pass | 11,552 | 13,045 | +13% | 1 | 1 | 0% | 1,824 | 3,643 | +100% | 0 | 0 | — |
case-04 | pass→pass | 13,199 | 14,336 | +9% | 1 | 1 | 0% | 1,950 | 3,726 | +91% | 0 | 0 | — |
case-05 | pass→pass | 8,938 | 9,673 | +8% | 1 | 1 | 0% | 1,296 | 2,867 | +121% | 0 | 0 | — |
case-06 | pass→pass | 14,269 | 16,546 | +16% | 1 | 1 | 0% | 2,100 | 3,849 | +83% | 0 | 0 | — |
case-07 | pass→pass | 14,224 | 17,507 | +23% | 1 | 1 | 0% | 2,081 | 4,111 | +98% | 0 | 0 | — |
case-08 | pass→pass | 11,676 | 13,523 | +16% | 1 | 1 | 0% | 1,750 | 3,507 | +100% | 0 | 0 | — |
case-09 | pass→pass | 10,328 | 13,475 | +30% | 1 | 1 | 0% | 1,577 | 3,529 | +124% | 0 | 0 | — |
case-11 | pass→pass | 10,101 | 13,806 | +37% | 1 | 1 | 0% | 1,541 | 3,490 | +126% | 0 | 0 | — |
case-12 | pass→pass | 11,674 | 10,905 | -7% | 1 | 1 | 0% | 1,716 | 3,197 | +86% | 0 | 0 | — |
case-13 | pass→pass | 12,560 | 11,319 | -10% | 1 | 1 | 0% | 1,839 | 3,242 | +76% | 0 | 0 | — |
case-14 | fail→pass | 14,236 | 16,317 | +15% | 1 | 1 | 0% | 2,178 | 3,925 | +80% | 0 | 0 | — |
case-15 | fail→pass | 13,611 | 14,574 | +7% | 1 | 1 | 0% | 2,059 | 3,786 | +84% | 0 | 0 | — |
case-16 | pass→pass | 4,591 | 5,474 | +19% | 1 | 1 | 0% | 803 | 2,450 | +205% | 0 | 0 | — |
case-17 | pass→pass | 7,844 | 11,951 | +52% | 1 | 1 | 0% | 1,167 | 3,337 | +186% | 0 | 0 | — |
case-18 | pass→pass | 8,421 | 7,546 | -10% | 1 | 1 | 0% | 1,232 | 2,635 | +114% | 0 | 0 | — |
case-19 | pass→pass | 15,444 | 14,205 | -8% | 1 | 1 | 0% | 2,299 | 3,604 | +57% | 0 | 0 | — |
case-20 | pass→pass | 9,740 | 6,931 | -29% | 1 | 1 | 0% | 1,558 | 2,702 | +73% | 0 | 0 | — |
case-21 | pass→pass | 13,556 | 5,417 | -60% | 1 | 1 | 0% | 2,058 | 2,368 | +15% | 0 | 0 | — |
case-22 | pass→pass | 10,099 | 12,041 | +19% | 1 | 1 | 0% | 1,598 | 3,425 | +114% | 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.
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.