Progressive Disclosure 기반 Skill 도입으로 Token 낭비 제거 및 모델 정밀도 향상

Your CLAUDE.md Is Wasting Tokens (And It's Probably Not Helping)

AbdlrahmanSaber2026년 5월 15일8분intermediate

AI 요약

Context

모든 대화 턴마다 CLAUDE.md 전체 내용을 Context Window에 주입하는 기존 방식의 비효율성 분석. 코드베이스에서 추론 가능한 정보를 중복 제공함으로써 불필요한 Token 소모와 모델의 추론 능력 저하가 발생하는 한계점 노출.

상시 주입 방식의 CLAUDE.md를 대체하는 Progressive Disclosure 기반의 Skill 구조 설계
Skill 파일의 Name과 Description만 기본 Context에 포함하여 Token 점유율 최소화
Agent가 특정 Task의 필요성을 판단할 때만 Disk에서 Skill Body를 로드하는 On-demand 메커니즘 적용
단순 명세 작성이 아닌, 대화형 성공 사례(Successful Run)를 기반으로 Skill을 생성하는 Recursive Iteration 프로세스 구축
추론 가능한 정적 정보는 배제하고 도메인 특화 컨벤션 등 고유 정보만 선별적으로 유지하는 Context Lean 전략 채택

실천 포인트

1. CLAUDE.md 내 코드베이스로 추론 가능한 정보(Framework, Language 등) 제거 여부 검토

2. 반복적인 워크플로우를 단순 명세가 아닌 실제 성공한 대화 로그 기반의 Skill 파일로 전환

3. Skill 생성 전 '워크플로우 식별 → 대화형 실행 → 성공 사례 확보 → Skill 코딩' 순의 프로세스 준수

4. Skill 실패 시 이를 데이터로 활용하여 Specification을 정교화하는 반복 개선 루프 적용

태그