Loading skill
Install any skill in seconds. Free to start, no credit card required.
Get Started Free →재테크를 어디서부터 시작할지 막막할 때 나만의 자산 관리 로드맵을 짜주는 스킬입니다. '재테크 어떻게 시작해', '종잣돈 모으는 법', '내 자산 관리 계획 세워줘', '월급으로 1억 모으기'처럼 말하면 됩니다. 재무 현황 진단 → 목표 설정 → 종잣돈 단계 → 자산 배분 → 자동화·점검의 5단계로 개인 맞춤 재테크 로드맵을 설계합니다.
.claude/skills/modu-ai-wealth-roadmap/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-08 | ✗→✓ | ▲ Improved | 26% | 0% |
| case-09 | ✓→✓ | ＝ Same ✓ | 43% | 0% |
| case-07 | ✓→✓ | ＝ Same ✓ | 73% | 0% |
| case-10 | ✓→✓ | ＝ Same ✓ | 60% | 0% |
| case-12 | ✓→✓ | ＝ Same ✓ | 56% | 0% |
재테크를 처음 시작하거나 방향을 다시 잡고 싶은 사람을 위해, 현재 재무 상태를 진단하고 단계별 자산 목표와 실행 계획을 설계한다. 막연한 "돈 모으기"를 비상금 → 종잣돈 → 투자 자산으로 이어지는 구체적 로드맵으로 바꾼다.
면책 고지: 일반적인 재무 교육 정보이며 개인 맞춤 투자 자문이 아닙니다. 구체적 투자 결정은 본인 책임이며 필요 시 공인 전문가와 상담하세요.
재테크, 재테크 시작, 종잣돈, 1억 모으기, 자산 관리, 돈 관리 계획, 재무 목표, 자산 배분, 짠테크, 사회초년생 재테크
먼저 현재 상태를 4가지로 파악한다.
→ 순자산 = 자산 − 부채, 월 저축 가능액 = 소득 − 지출 − 상환액을 산출한다.
| 기간 | 예시 목표 | 성격 | |------|----------|------| | 단기(1년 내) | 비상금 3~6개월치, 부채 정리 | 안정 | | 중기(1~5년) | 종잣돈 1천만~1억, 전세·내 집 마련 시드 | 축적 | | 장기(5년+) | 은퇴 자산, 연금, 투자 자산 키우기 | 성장 |
→ 목표는 금액 + 기한 + 용도를 명시한다. "막연히 많이"가 아니라 "3년 안에 3천만 원, 전세 보증금용".
순서대로 쌓는다. 앞 단계가 채워지기 전에 다음으로 넘어가지 않는다.
invest-primer 연계나이·성향에 따라 비중을 정한다(예시 가이드, 절대 공식 아님).
→ 연금(연금저축·IRP)은 세액공제까지 받으니 빠뜨리지 않는다 → personal-tax-saver 연계.
household-budget 연계예시 1: "27살 직장인이고 월 실수령 270만 원인데 재테크 어떻게 시작해?" → 현황 진단 → 비상금 목표(약 1,000만 원) → 자동저축 → 종잣돈 1천만 → 연금저축 시작 순으로 로드맵 제시
예시 2: "종잣돈 3천만 원 모았는데 다음 단계 뭐야?" → 비상금·부채 점검 → 자산 배분안 → 투자 시드 전환(invest-primer) + 연금 세액공제 안내
예시 3: "1억 모으기 목표인데 현실적인 계획 짜줘" → 월 저축 가능액 기반 기간 산출 → 예적금+투자 혼합 시나리오 → 분기 점검 체크리스트
moai-finance 계열을 사용한다.개인 재무 설계 일반 프레임워크 + 사용자 vault(실무 지식데이터) 재테크 노트 참고. 구체 수치·세제는 2026년 한국 기준으로 자체 구성.
| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-09 | pass→pass | 18,684 | 17,151 | -8% | 1 | 1 | 0% | 2,965 | 4,254 | +43% | 0 | 0 | — |
case-01 | fail→fail | 20,665 | 19,536 | -5% | 1 | 1 | 0% | 3,780 | 5,075 | +34% | 0 | 0 | — |
case-02 | fail→fail | 22,255 | 22,588 | +1% | 1 | 1 | 0% | 3,859 | 5,498 | +42% | 0 | 0 | — |
case-03 | fail→fail | 20,780 | 21,400 | +3% | 1 | 1 | 0% | 3,596 | 5,119 | +42% | 0 | 0 | — |
case-04 | fail→fail | 17,127 | 14,056 | -18% | 1 | 1 | 0% | 2,740 | 3,632 | +33% | 0 | 0 | — |
case-05 | fail→fail | 23,614 | 22,170 | -6% | 1 | 1 | 0% | 3,686 | 5,035 | +37% | 0 | 0 | — |
case-06 | fail→fail | 20,907 | 17,860 | -15% | 1 | 1 | 0% | 3,228 | 4,483 | +39% | 0 | 0 | — |
case-07 | pass→pass | 15,932 | 16,708 | +5% | 1 | 1 | 0% | 2,461 | 4,254 | +73% | 0 | 0 | — |
case-08 | fail→pass | 17,752 | 13,412 | -24% | 1 | 1 | 0% | 3,013 | 3,806 | +26% | 0 | 0 | — |
case-10 | pass→pass | 11,772 | 10,348 | -12% | 1 | 1 | 0% | 1,959 | 3,136 | +60% | 0 | 0 | — |
case-11 | fail→fail | 7,667 | 7,981 | +4% | 1 | 1 | 0% | 1,598 | 3,108 | +94% | 0 | 0 | — |
case-12 | pass→pass | 16,351 | 15,779 | -3% | 1 | 1 | 0% | 2,600 | 4,066 | +56% | 0 | 0 | — |
case-13 | pass→pass | 10,800 | 13,003 | +20% | 1 | 1 | 0% | 1,644 | 3,378 | +105% | 0 | 0 | — |
case-14 | pass→pass | 18,894 | 13,127 | -31% | 1 | 1 | 0% | 3,155 | 3,832 | +21% | 0 | 0 | — |
case-15 | pass→pass | 14,797 | 14,214 | -4% | 1 | 1 | 0% | 2,398 | 3,764 | +57% | 0 | 0 | — |
case-16 | pass→pass | 16,258 | 13,581 | -16% | 1 | 1 | 0% | 2,601 | 3,665 | +41% | 0 | 0 | — |
case-17 | pass→pass | 20,553 | 19,958 | -3% | 1 | 1 | 0% | 3,450 | 5,030 | +46% | 0 | 0 | — |
case-18 | pass→pass | 14,462 | 13,224 | -9% | 1 | 1 | 0% | 2,376 | 3,642 | +53% | 0 | 0 | — |
case-19 | pass→pass | 14,785 | 12,151 | -18% | 1 | 1 | 0% | 2,202 | 3,442 | +56% | 0 | 0 | — |
case-20 | pass→pass | 15,986 | 13,621 | -15% | 1 | 1 | 0% | 2,640 | 3,733 | +41% | 0 | 0 | — |
case-21 | pass→pass | 12,042 | 6,326 | -47% | 1 | 1 | 0% | 1,937 | 2,500 | +29% | 0 | 0 | — |
case-22 | pass→pass | 8,380 | 4,992 | -40% | 1 | 1 | 0% | 1,435 | 2,380 | +66% | 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 +5 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.