Loading skill
Install any skill in seconds. Free to start, no credit card required.
Get Started Free →공급업체를 평가·선정하고 계약 및 리스크를 관리합니다. "벤더 평가 기준 만들어줘", "공급업체 리스크 레지스터 작성해줘", "계약 관리 체계를 잡아줘"라고 요청할 때 사용하세요. 벤더 선정 기준, 공급업체 평가표, 계약 관리 워크플로우, 리스크 식별 및 대응 계획을 지원합니다.
.claude/skills/modu-ai-vendor-manager/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-04 | ✗→✓ | ▲ Improved | -4% | 0% |
| case-21 | ✗→✓ | ▲ Improved | 84% | 0% |
| case-05 | ✗→✓ | ▲ Improved | 12% | 0% |
| case-15 | ✗→✓ | ▲ Improved | 5% | 0% |
| case-16 | ✗→✓ | ▲ Improved | 12% | 0% |
| ID | 한국명 | 설명 | |----|--------|------| | risk-register | 리스크 레지스터 | 위험 식별, 영향 평가, 대응 계획 |
→ 참조 파일: references/{id}.md
references/{id}.md 로드 → 전략 가이드에 따라 실행--deepthink 또는 복잡 리스크 분석 → sequential-thinking MCP가 설치돼 있으면 mcp__sequential-thinking__sequentialthinking를 활용, 없으면 ultrathink 키워드 기반 심층 추론 또는 일반 단계 추론으로 대체벤더, 공급업체, 리스크, 위험 관리, 계약, 평가, 리스크 레지스터
| 평가 항목 | 배점 | 세부 기준 | |-----------|------|-----------| | 가격 경쟁력 | 20점 | 시장가 대비 견적 수준, 총소유비용(TCO) | | 납기 준수율 | 15점 | 과거 납기 이행률, SLA 이력 | | 품질 수준 | 15점 | 불량률, 인증서(ISO/KS), 샘플 품질 | | 재무 안정성 | 10점 | 신용등급, 부채비율, 매출 규모 |
| 평가 항목 | 배점 | 세부 기준 | |-----------|------|-----------| | 기술 역량 | 15점 | 보유 기술, R&D 투자, 특허 현황 | | 고객 대응력 | 15점 | 응답 속도, 문제 해결 사례, 담당자 전문성 | | ESG 준수 | 10점 | 환경 인증, 노무 이슈 이력, 사회적 책임 |
| 리스크 유형 | 발생 가능성 | 영향도 | 대응 전략 | |------------|------------|--------|-----------| | 납기 지연 | 중 | 상 | 대체 공급업체 사전 확보 | | 품질 불량 | 중 | 상 | 입고 검수 강화, 패널티 조항 | | 가격 급등 | 하 | 중 | 장기 계약 또는 가격 고정 조항 | | 업체 부도/폐업 | 하 | 최상 | 재무 건전성 분기 모니터링 | | 정보 유출 | 하 | 최상 | NDA 체결, 보안 감사 실시 | | 법규 위반 | 하 | 상 | ESG 실사, 컴플라이언스 점검 |
전략 가이드 파일 없이도 다음 단계로 실행 가능합니다:
| 상황 | 해결 방법 | |------|-----------| | 결재 라인 정보 부족 | 조직 내 조달 권한 범위를 알려주시면 결재 단계를 설계해 드립니다 | | 조달 규정 확인 불가 | 공공기관은 국가계약법, 민간기업은 내부 규정 기준으로 초안 작성 후 검토를 권장합니다 | | 벤더 이력 데이터 없음 | 자체 평가 설문지와 레퍼런스 체크 질문지를 작성해 드립니다 | | 해외 벤더 관리 | 무역 조건(Incoterms), 관세, 환율 리스크 항목을 추가 포함합니다 |
리스크 대응 계획, 벤더 위험 요소 설명, 계약 관리 절차 설명 등 서술형 보고 본문은 다음 체인으로 마무리합니다.
vendor-manager → moai-core:ai-slop-reviewer → moai-content:humanize-koreanmoai-core:ai-slop-reviewer — 서술형 본문의 AI 티 패턴을 검수·수정합니다.moai-content:humanize-korean — 검수된 본문을 자연스러운 한국어 보고체로 다듬습니다.벤더 평가표, 리스크 평가 매트릭스 등 점수·표 산출물은 산문 후처리 대상이 아니며 moai-office:xlsx-creator 또는 moai-data:data-visualizer로 라우팅합니다.
| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-01 | fail→fail | 20,715 | 21,978 | +6% | 1 | 1 | 0% | 3,320 | 4,434 | +34% | 0 | 0 | — |
case-02 | fail→fail | 19,062 | 18,656 | -2% | 1 | 1 | 0% | 2,724 | 4,214 | +55% | 0 | 0 | — |
case-03 | fail→fail | 24,377 | 20,998 | -14% | 1 | 1 | 0% | 3,579 | 4,566 | +28% | 0 | 0 | — |
case-04 | fail→pass | 23,853 | 13,314 | -44% | 1 | 1 | 0% | 3,419 | 3,295 | -4% | 0 | 0 | — |
case-21 | fail→pass | 12,468 | 11,887 | -5% | 1 | 1 | 0% | 1,681 | 3,100 | +84% | 0 | 0 | — |
case-05 | fail→pass | 13,522 | 6,035 | -55% | 1 | 1 | 0% | 2,005 | 2,254 | +12% | 0 | 0 | — |
case-06 | fail→fail | 22,304 | 22,852 | +2% | 1 | 1 | 0% | 3,267 | 4,946 | +51% | 0 | 0 | — |
case-07 | fail→fail | 16,338 | 12,656 | -23% | 1 | 1 | 0% | 2,690 | 3,348 | +24% | 0 | 0 | — |
case-08 | pass→pass | 18,526 | 18,815 | +2% | 1 | 1 | 0% | 2,596 | 4,105 | +58% | 0 | 0 | — |
case-09 | fail→fail | 17,172 | 11,995 | -30% | 1 | 1 | 0% | 2,477 | 3,003 | +21% | 0 | 0 | — |
case-10 | pass→pass | 19,795 | 16,465 | -17% | 1 | 1 | 0% | 2,886 | 4,001 | +39% | 0 | 0 | — |
case-11 | pass→pass | 18,337 | 12,598 | -31% | 1 | 1 | 0% | 2,876 | 3,298 | +15% | 0 | 0 | — |
case-12 | pass→pass | 19,003 | 21,289 | +12% | 1 | 1 | 0% | 2,683 | 4,507 | +68% | 0 | 0 | — |
case-13 | pass→pass | 18,245 | 18,481 | +1% | 1 | 1 | 0% | 2,597 | 4,112 | +58% | 0 | 0 | — |
case-14 | pass→pass | 16,805 | 19,659 | +17% | 1 | 1 | 0% | 2,307 | 4,011 | +74% | 0 | 0 | — |
case-15 | fail→pass | 26,192 | 16,706 | -36% | 1 | 1 | 0% | 3,745 | 3,924 | +5% | 0 | 0 | — |
case-16 | fail→pass | 13,567 | 5,542 | -59% | 1 | 1 | 0% | 2,025 | 2,265 | +12% | 0 | 0 | — |
case-17 | fail→pass | 15,897 | 2,697 | -83% | 1 | 1 | 0% | 2,423 | 1,811 | -25% | 0 | 0 | — |
case-18 | fail→pass | 12,562 | 2,562 | -80% | 1 | 1 | 0% | 2,301 | 1,788 | -22% | 0 | 0 | — |
case-19 | fail→pass | 14,205 | 8,584 | -40% | 1 | 1 | 0% | 2,099 | 2,877 | +37% | 0 | 0 | — |
case-20 | pass→pass | 16,738 | 21,444 | +28% | 1 | 1 | 0% | 2,304 | 4,707 | +104% | 0 | 0 | — |
case-22 | pass→pass | 23,574 | 21,153 | -10% | 1 | 1 | 0% | 3,270 | 4,654 | +42% | 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 +36 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.