SKILL.md 표준 도입을 통한 LLM Knowledge Gap 해소 및 Context 최적화

Context

프레임워크 업데이트 속도가 LLM 학습 데이터 갱신 속도를 상회하는 Knowledge Gap 발생. 범용 모델의 통계적 답변으로 인한 Deprecated 코드 생성 및 Context Window 낭비 문제가 핵심 병목으로 작용.

Technical Solution

• Progressive Disclosure 패턴을 적용하여 초기 구동 시 메타데이터만 로드하고 태스크 매칭 시에만 상세 내용을 로드하는 Deferred Loading 구조 설계
• LLM의 Skill Discovery 확률을 극대화하기 위해 3인칭 시점과 구체적 Trigger Word를 포함한 Description 엔지니어링 수행
• SKILL.md 오픈 표준 포맷(YAML Frontmatter + Markdown)을 채택하여 Claude Code, Codex, Antigravity 등 이기종 에이전트 간 상호운용성 확보
• Main Body를 500라인 이하로 제한하고 심층 내용은 references/ 폴더로 분리하는 계층적 정보 구조 설계
• Anti-patterns 명시와 Checklist Workflow 도입을 통해 LLM의 결정론적 수행 능력 강화