Progressive disclosure를 활용하여 AI 스킬 파일을 모듈화하고 키워드 조건부 로딩으로 토큰 사용량을 최적화하는 기법

Context

AI 스킬 파일이 20개 이상의 연관 파일을 포함하면 모든 파일이 한 번에 컨텍스트 윈도우에 로드됨. 컨텍스트 윈도우가 즉시 고갈되고 관련 없는 규칙까지 읽어 불필요한 토큰을 소비함. AI가 잘못된 파일이나 규칙을 선택하여 정밀도가 저하됨.

Technical Solution

• 스킬을 Concern(선언, 배열, 중첩 배열, 함수 호출)별로 파일 분리
• 메인 SKILL.md에 키워드 감지 시 파일 로딩 규칙 정의
• 키워드 패턴으로 조건부 로딩 구현
• 응답 템플릿 포함하여 일관된 출력 보장
• 파일 참조는 필요한 경우에만 중첩 포함

Impact

토큰 사용량 90% 절감 효과 확인됨. 기존 15,000 토큰 monolithic 방식 대비 modular 방식에서 2,000 토큰만 로드됨.

Key Takeaway

키워드 기반 조건부 로딩으로 AI가 현재 작업에 필요한 파일만 요청하여 컨텍스트 윈도우를 효율적으로 관리한다.