Loading skill
Install any skill in seconds. Free to start, no credit card required.
Get Started Free →강연·강의·세미나 본문 마크다운을 입력받아 (1) NotebookLM Studio에 그대로 붙여 넣을 슬라이드 데크 생성 프롬프트와 (2) 슬라이드별 나노바나나(Gemini 3 Pro Image, a.k.a. Nano Banana Pro) 5-Component 이미지 프롬프트를 동시 산출하는 prompt-builder 스킬. NotebookLM Studio의 공식 4축(Format/Length/Output language/Prompt)을 정확히 매핑하고, 슬라이드별 시각 자료는 Google DeepMind 공식 가이드의 5-Component 구조(Style·Subject·Setting·Action·Composition)에 따라 작성한다. 다음과 같은 요청 시 반드시 이 스킬을 사용하세요: - "NotebookLM 슬라이드 프롬프트", "NotebookLM 프롬프트", "NotebookLM 데크" - "강의 슬라이드 프롬프트", "강연 슬라이드 자료", "세션 슬라이드 프롬프트"
.claude/skills/modu-ai-notebooklm-slide-prompt/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-04 | ✗→✓ | ▲ Improved | 189% | 0% |
| case-07 | ✗→✓ | ▲ Improved | 203% | 0% |
| case-13 | ✗→✓ | ▲ Improved | 131% | 0% |
| case-17 | ✗→✓ | ▲ Improved | 240% | 0% |
| case-06 | ✓→✓ | ＝ Same ✓ | 128% | 0% |
세션 본문 마크다운을 한 번 입력하면, NotebookLM Studio에 붙여 넣는 슬라이드 데크 프롬프트와 각 슬라이드의 시각 자료를 위한 나노바나나(Gemini 3 Pro Image) 이미지 프롬프트를 동시에 산출합니다.
같은 "발표자료"라도 산출물이 다릅니다. 호출 전 아래 표로 구분하세요.
| 구분 | notebooklm-slide-prompt | pptx-designer | |---|---|---| | 산출물 | NotebookLM 소스 정리 + Studio Prompt 텍스트 + 슬라이드별 이미지 프롬프트 | 편집 가능한 .pptx 파일 (pptxgenjs 코드) | | 결과물을 어디서 보나 | NotebookLM Studio가 슬라이드를 생성 | PowerPoint·Keynote에서 바로 열림 | | 입력 | 강연·강의 본문 MD | 보고서·기획 내용 + 디자인 요구 | | 언제 쓰나 | "NotebookLM으로 발표자료 만들 프롬프트가 필요" | "지금 바로 열리는 PPT 파일이 필요" |
요약: NotebookLM에 넣을 준비물(소스·대본·구조·이미지 프롬프트)을 만드는 빌더가 이 스킬입니다. 실제 .pptx 파일이 필요하면 moai-office:pptx-designer를 호출하세요. "PPT 파일로 뽑아줘"는 moai-office:pptx-designer, "NotebookLM 슬라이드 프롬프트 만들어줘"는 이 스킬입니다.
다음 표현이 등장하면 본 스킬을 우선 호출:
.md 파일 또는 본문 직접 첨부. 도입 → 핵심 → 데모 → 정리 4블록 구조면 이상적.Detailed Deck vs Presenter Slides)short / default / long)본문 MD가 첨부되어 있는지 확인. 없으면 한 줄로 요약된 주제·핵심 포인트라도 받는다. 누락된 선택 항목은 AskUserQuestion 한 라운드(3~4질문 이내)로 묶어서 묻는다:
references/slide-style-library.md의 49 스타일 × 8 카테고리 라이브러리에서 발표 키워드에 맞는 카테고리 1~2개를 자동 추천한 뒤 사용자에게 그중 1~3 스타일 후보를 제시 (예: "AI·미래·혁신" 발표라면 카테고리 E의 7·22·43 후보)NotebookLM Studio의 공식 4축에 정확히 매핑한다:
| 축 | 매핑 | |---|---| | Format | Detailed Deck(읽기용·풀텍스트) 또는 Presenter Slides(발표용·키 토킹 포인트) — 인터뷰 답변 기반 | | Length | short / default / long — 슬라이드 매수 목표 기준 자동 매핑 (≤10 = short, 11~18 = default, ≥19 = long) | | Output language | 기본 한국어. 청중이 다국어면 명시 | | Prompt 본문 | 아래 6블록 템플릿 |
[1] 청중 & 사전 지식
- 이 슬라이드를 볼 사람과 그들의 사전 지식 수준을 명시
- 예: "클로드 코드 입문~중급 개발자 + 학생·취준생. 에이전틱 코딩 용어는 처음일 수 있음."
[2] 1순위 메시지 (The Single Takeaway)
- 발표가 끝났을 때 청중이 한 줄로 기억할 메시지
- 예: "하네스가 있어야 에이전트가 통제된 작품을 만든다."
[3] 슬라이드 구조 지침
- 표지·도입·핵심·데모·정리·Q&A·다음 단계 — 어떤 흐름으로 배치할지
- 매수 가이드 (예: "총 15장 ± 2장. 핵심 개념은 1슬라이드 1메시지.")
[4] 톤 & 스타일
- 어조(예: "솔직한 실무 회고체, 클리셰 금지")
- 시각 톤(예: "다이어그램 위주, 텍스트 60% 이내, 표지·섹션 구분만 풀이미지")
[5] 강조 슬라이드 (Must-Have Slides)
- 절대 빠지면 안 되는 슬라이드와 그 슬라이드가 답해야 하는 질문
[6] 금지 / 제약
- 다루지 말 것 · 피해야 할 표현 · 출처 표기 규칙
- 예: "혁신적·차세대·재정의하는 같은 클리셰 금지. 코드 인용은 모노스페이스."`markdown## NotebookLM Studio 입력값 - Format: Presenter Slides - Length: default - Output language: 한국어 ## NotebookLM Prompt (이 블록 전체를 Studio의 'Prompt' 칸에 그대로 붙여 넣으세요)
1] 청중 & 사전 지식 …
2] 1순위 메시지 …
3] 슬라이드 구조 지침 …
4] 톤 & 스타일 …
5] 강조 슬라이드
…
6] 금지 / 제약 …
> 공식 출처 사용 시 주의 — NotebookLM은 노트북에 업로드된 소스만 활용한다. 본문 MD를 노트북 소스로 먼저 업로드한 뒤, 위 Prompt를 Studio의 슬라이드 데크 Prompt 칸에 입력한다. Prompt 칸에 본문을 통째로 붙여 넣지 않는다.
본문 MD에서 핵심 슬라이드를 추출한다. 기본 추출 대상:
총 5~8개 슬라이드가 일반적이며, 각 슬라이드에 대해 DeepMind 공식 5-Component 구조를 채운 프롬프트를 생성한다.
| Component | 정의 | 작성 가이드 | |---|---|---| | Style | 일러스트/사진/수채화/시네마틱/플랫 다이어그램 등 | references/slide-style-library.md의 49 스타일 카탈로그에서 1개 선택해 영문 프롬프트 키워드를 그대로 사용 — "미니멀 등각 다이어그램(#39)", "시네마틱 우주 SF(#22)" 등 | | Subject | 누가/무엇이 — 외모·복장·포즈까지 구체적으로 | 추상 개념은 의인화·오브제화 — 예: "에이전트는 헬멧을 쓴 작은 로봇" | | Setting | 배경·시간대·분위기 | 강의 주제와 의미적으로 연결 — 예: "터미널 빛이 비치는 어두운 작업실" | | Action | 어떤 동작이 일어나고 있나 | 정지 컷이라도 한 장면의 순간을 명시 — "키보드 위에 손이 올라가는 순간" | | Composition | 앵글·프레이밍·종횡비 | 슬라이드용은 16:9, 표지는 wide cinematic, 섹션 구분은 center-weighted |
the words "하네스 엔지니어링" rendered in a bold sans-serif fonta clean isometric diagram of an orchestrator-worker pattern, labeled arrows 같이 정보 시각화 명시16:9 widescreen, upscale to 2K 권장 (강연 슬라이드 기본 16:9)Style + palette + lighting을 강제. 캐릭터 등장 시 고정 이름 부여 (예: the agent named "Trust-5")markdown## 슬라이드별 나노바나나 이미지 프롬프트 ### 슬라이드 1 — 표지: "클로드 코드로 시작하는 실전 에이전틱 코딩" Style: cinematic minimal, dark teal palette with warm amber accents, soft volumetric light Subject: a small humanoid agent figure made of brushed metal, mid-stride, holding a glowing harness in one hand Setting: a dimly lit late-night workshop with terminal-blue holographic interface panels floating around Action: the agent fastening the harness around a translucent code construct that hovers above the desk Composition: 16:9 widescreen, low-angle hero shot, center-weighted, generous negative space on the right for the title overlay Text render: the words "하네스 엔지니어링" in a bold sans-serif font, lower-right, no other on-image text Aspect ratio: 16:9, upscale to 2K Consistency tag: series="harness-lecture", palette="teal-amber-dim", lighting="volumetric-warm" ### 슬라이드 3 — "왜 하네스가 필요한가?" … ### (이하 슬라이드별 반복)
다음 단일 마크다운 파일 1개로 묶어서 산출한다:
prompts/S{n}-notebooklm-prompt.md (사용자 프로젝트 경로 기준)체인 종료 직전 moai-core:ai-slop-reviewer를 호출해 클리셰·번역투를 제거한다.
사용자: "S0 도입 본문을 NotebookLM 슬라이드 프롬프트로 만들어줘"→ 본문 MD를 읽고 매수·포맷·시각 톤·강조 슬라이드 4가지를 AskUserQuestion 한 라운드로 묻는다. → 답변 수신 후 Part A + Part B를 한 마크다운 파일로 산출.
사용자: "본문을 15장 Presenter Slides로, 시각은 미니멀 등각 다이어그램으로 가자"→ 인터뷰 건너뛰고 즉시 산출. 표지·섹션 구분 슬라이드만 시네마틱, 나머지 다이어그램.
사용자: "S2 슬라이드 7번(TRUST-5 다이어그램) 이미지 프롬프트만 다시"→ Part B의 해당 슬라이드 블록만 재생성.
notebooklm-slide-prompt
↓
moai-core:ai-slop-reviewer본 스킬은 텍스트 산출물이므로 체인 종료 직전 moai-core:ai-slop-reviewer로 후처리한다.
실제 이미지 생성은 별도 단계로 분리되어 있다. 사용자는 산출된 5-Component 프롬프트를 다음 도구 중 하나로 실행한다:
moai-media:higgsfield-image 스킬에 그대로 전달본 스킬은 본문에 모든 가이드를 담는 대신, 시각 스타일 라이브러리를 별도 reference 파일로 분리해 필요할 때만 로드합니다.
references/slide-style-library.md — 49가지 시각 스타일 × 8 카테고리 라이브러리. Phase 1의 톤 결정 단계와 Phase 3의 5-Component Style 필드 작성 시 참조. 발표 키워드 → 스타일 자동 매칭 규칙, 시리즈 일관성 가드(Style·Palette·Lighting·Consistency tag), 안티패턴 카탈로그 내장.스타일 선택 워크플로우:
[Phase 1 인터뷰] 사용자 발화에서 키워드 추출
↓
[references/slide-style-library.md "스타일 매칭 가이드"] 카테고리 매핑
↓
[AskUserQuestion] 카테고리 내 1~3 스타일 후보 제시 (영문 프롬프트 + 추천 상황 동봉)
↓
[Phase 3] 선택된 스타일의 영문 프롬프트 키워드를 모든 슬라이드 `Style:` 필드에 동일 적용<https://support.google.com/notebooklm/answer/16757456>
<https://deepmind.google/models/gemini-image/prompt-guide/>
<https://blog.google/innovation-and-ai/products/higgsfield-image-pro/>
<https://ai.google.dev/gemini-api/docs/image-generation>
references/slide-style-library.md)는 공개된 옵시디언 publish 자료 "노트북 LM 슬라이드 가이드북"(이커머스 클래스, datawave)을 참고해 카테고리·매칭 규칙·일관성 가드를 재구성한 자료입니다.| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-01 | fail→fail | 20,689 | 6,843 | -67% | 1 | 1 | 0% | 3,396 | 5,421 | +60% | 0 | 0 | — |
case-02 | fail→fail | 17,682 | 7,718 | -56% | 1 | 1 | 0% | 2,914 | 5,564 | +91% | 0 | 0 | — |
case-03 | fail→fail | 17,176 | 7,159 | -58% | 1 | 1 | 0% | 2,908 | 5,437 | +87% | 0 | 0 | — |
case-04 | fail→pass | 12,729 | 7,188 | -44% | 1 | 1 | 0% | 1,915 | 5,542 | +189% | 0 | 0 | — |
case-05 | fail→fail | 15,358 | 13,762 | -10% | 1 | 1 | 0% | 2,321 | 6,480 | +179% | 0 | 0 | — |
case-06 | pass→pass | 15,532 | 11,412 | -27% | 1 | 1 | 0% | 2,868 | 6,553 | +128% | 0 | 0 | — |
case-07 | fail→pass | 17,332 | 21,733 | +25% | 1 | 1 | 0% | 2,745 | 8,304 | +203% | 0 | 0 | — |
case-08 | pass→pass | 38,414 | 37,158 | -3% | 1 | 1 | 0% | 6,211 | 8,542 | +38% | 0 | 0 | — |
case-09 | pass→pass | 38,355 | 19,978 | -48% | 1 | 1 | 0% | 6,205 | 7,909 | +27% | 0 | 0 | — |
case-10 | pass→pass | 15,489 | 11,747 | -24% | 1 | 1 | 0% | 2,549 | 6,210 | +144% | 0 | 0 | — |
case-15 | pass→pass | 13,539 | 17,407 | +29% | 1 | 1 | 0% | 2,192 | 7,362 | +236% | 0 | 0 | — |
case-11 | fail→fail | 12,963 | 8,008 | -38% | 1 | 1 | 0% | 2,237 | 5,681 | +154% | 0 | 0 | — |
case-12 | fail→fail | 18,387 | 6,078 | -67% | 1 | 1 | 0% | 2,808 | 5,268 | +88% | 0 | 0 | — |
case-13 | fail→pass | 22,801 | 22,228 | -3% | 1 | 1 | 0% | 3,510 | 8,112 | +131% | 0 | 0 | — |
case-14 | fail→fail | 31,987 | 7,098 | -78% | 1 | 1 | 0% | 6,045 | 5,414 | -10% | 0 | 0 | — |
case-16 | fail→fail | 15,136 | 9,795 | -35% | 1 | 1 | 0% | 2,395 | 5,936 | +148% | 0 | 0 | — |
case-17 | fail→pass | 11,825 | 14,708 | +24% | 1 | 1 | 0% | 1,989 | 6,762 | +240% | 0 | 0 | — |
case-18 | fail→fail | 11,189 | 9,077 | -19% | 1 | 1 | 0% | 1,648 | 5,771 | +250% | 0 | 0 | — |
case-19 | fail→fail | 20,160 | 7,440 | -63% | 1 | 1 | 0% | 3,184 | 5,549 | +74% | 0 | 0 | — |
case-20 | fail→fail | 16,250 | 10,029 | -38% | 1 | 1 | 0% | 2,324 | 5,893 | +154% | 0 | 0 | — |
case-21 | fail→fail | 16,460 | 9,666 | -41% | 1 | 1 | 0% | 2,390 | 5,789 | +142% | 0 | 0 | — |
case-22 | fail→fail | 15,690 | 7,861 | -50% | 1 | 1 | 0% | 2,382 | 5,614 | +136% | 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 +18 percentage points is the difference between those two pass rates over the 22 comparable cases. 3 cases got worse with the skill loaded, and they are 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.