content-digest

仓库: ai-native-camp/camp-2
安装量: 193
排名: #4448

安装

npx skills add https://github.com/ai-native-camp/camp-2 --skill content-digest
Content Digest
콘텐츠 → Quiz-First 학습 → 선택적 깊이 탐색 → 근본 개념 확장.
Task Agent 기반 설계
긴 컨텍스트는 subagent가 처리하고, 메인 세션은 최종 결론만 소비
아키텍처 원칙
Context Separation
긴 자막/본문은 Task agent가 처리, 메인 세션은 가벼운 md 파일만 Read
Clean Transcript
자막에서 번호, 시간 제거 → 순수 영어 텍스트만 추출
Web Research Integration
추출된 키워드로 자동 웹 리서치
Single Output
모든 처리 결과는 단일 md 파일로 저장
지원 콘텐츠
타입
추출 방법
저장 경로
YouTube
Task agent (yt-dlp + 정제)
research/digests/youtube/
X/Twitter
fetch-tweet 스킬 (api.fxtwitter.com)
research/digests/tweet/
Webpage
Task agent (browser + 정제)
research/digests/web/
PDF
Task agent (Read + 정제)
research/digests/pdf/
핵심 원칙
Quiz-First
요약 보기 전에 퀴즈부터 (Pretesting Effect → 9-12% 향상)
Knowledge Gap
틀린 문제가 호기심을 만들고, 호기심이 기억을 강화
선택적 깊이
사용자가 더 알고 싶은 부분만 깊게
근본 확장
콘텐츠 너머의 기초 개념까지 웹 검색으로 확장 워크플로우 개요 (Task Agent 기반) Phase 1: 콘텐츠 타입 감지 Phase 2: Task Agent 실행 (콘텐츠 추출 + 정제 + 웹 리서치 + md 저장) Phase 3: 메인 세션에서 결과 md Read Phase 4: Pre-Quiz (3문제) Phase 5: 선택적 콘텐츠 제공 Phase 6: 본 퀴즈 (9문제) Phase 7: Elaborative Interrogation Phase 8: Foundation Expansion Phase 9: 스키마 연결 Phase 10: 문서 업데이트 (퀴즈 결과 반영) Phase 11: 후속 선택 Phase 1: 콘텐츠 타입 감지 입력 패턴에 따라 콘텐츠 타입 자동 결정: 패턴 타입 youtube.com , youtu.be YouTube x.com , twitter.com X/Twitter http:// , https:// (기타) Webpage .pdf 파일 경로 PDF 명확하지 않으면 사용자에게 확인: AskUserQuestion: questions: - question: "어떤 콘텐츠를 분석할까요?" header: "Type" options: - label: "YouTube 영상" description: "URL을 알려주세요" - label: "웹페이지/아티클" description: "URL을 알려주세요" - label: "PDF 문서" description: "파일 경로를 알려주세요" Phase 2: Task Agent 실행 (핵심) 메인 세션의 context를 보호하면서 긴 콘텐츠를 처리 2-1. Task Agent 호출 패턴 Task: subagent_type: "general-purpose" description: "콘텐츠 추출 및 분석" prompt: |

목표

{URL/파일경로}에서 콘텐츠를 추출하고 분석하여 md 파일로 저장

단계 (순서 중요)

  1. 콘텐츠 추출 (타입별 방법 적용)
  2. 텍스트 정제 (번호, 시간 제거 → 영어만 추출)
  3. 핵심 키워드 추출 (5-10개)
  4. 웹 리서치 (키워드별 WebSearch)
  5. 핵심 요약 생성 (3-5문장)
  6. 주요 인사이트 도출 (3개)
  7. 퀴즈 재료 생성 (요약/인사이트 기반으로 핵심 주제만)
  8. md 파일 저장

출력 경로

research/digests/{type}/{YYYY-MM-DD}-{sanitized-title}.md 2-2. X/Twitter 추출 (fetch-tweet 스킬 활용) Task Agent 불필요 - fetch-tweet 스크립트로 직접 추출 (짧은 콘텐츠)

트윗 원문 + 인게이지먼트 데이터 추출

python3 .claude/skills/fetch-tweet/scripts/fetch_tweet.py
"{URL}"
--json
JSON 응답에서 활용할 필드:
tweet.text
트윗 본문
tweet.author
작성자 정보 (name, bio, followers)
tweet.likes/retweets/views
인게이지먼트
tweet.quote
인용 트윗 (있을 경우 동일 구조)
tweet.media
첨부 이미지/영상 트윗은 짧으므로 Task Agent 없이 메인 세션에서 직접 처리. 인용 트윗이 있으면 함께 포함하여 분석. 저장 경로: research/digests/tweet/{YYYY-MM-DD}-{author}-{short-topic}.md 2-3. YouTube 추출 (Task Agent 내부)

1. 자막 추출

yt-dlp --write-auto-sub --sub-lang "en" --skip-download \ --convert-subs vtt -o "%(title)s" "{URL}"

2. VTT → 순수 텍스트 변환

sed -E 's/^[0-9]+$//' | \

번호 제거

sed -E 's/[0-9]{2}:[0-9]{2}:[0-9]{2}.*//g' | \

타임스탬프 제거

sed -E 's/<[^>]+>//g' | \

HTML 태그 제거

tr -s '\n' | \

빈 줄 정리

grep -v '^$'

빈 줄 삭제

정제 결과: 순수 영어 텍스트만 남음 (시간, 번호, 중복 없음) 2-4. Webpage 추출 (Task Agent 내부) 1. mcp__claude-in-chrome__tabs_context_mcp 2. mcp__claude-in-chrome__tabs_create_mcp 3. mcp__claude-in-chrome__navigate: url="{URL}" 4. mcp__claude-in-chrome__get_page_text: tabId={tabId} 5. 스크롤 후 추가 콘텐츠 확인 2-5. PDF 추출 (Task Agent 내부) Read: file_path="{PDF 경로}" 2-6. 웹 리서치 (Task Agent 내부) 추출된 텍스트에서 핵심 키워드 5-10개 식별 후: WebSearch (병렬 실행): - "{키워드1} explained" - "{키워드2} research" - "{저자/발표자} {주제}" - "{핵심개념} fundamentals" 2-7. 최종 md 파일 저장 (Task Agent 내부) 경로: research/digests/{type}/{YYYY-MM-DD}-{sanitized-title}.md

title : { 콘텐츠 제목 } type : { youtube | web | pdf } url : { URL 또는 파일경로 } author : { 저자/채널명 } date : { 발행 날짜 } processed_at : { 처리 일시 } keywords : [ { 키워드1 } , { 키워드2 } , ... ]

{콘텐츠 제목}

핵심 요약

주요 인사이트
1.
**
{인사이트1}
**
설명
2.
**
{인사이트2}
**
설명
3.
**
{인사이트3}
**
설명

웹 리서치 결과

{키워드1}

발견 내용 요약

출처: {URL}

{키워드2}

발견 내용 요약

출처: {URL}

원문 (정제됨)

Quiz 재료 (Pre-Quiz + 본 Quiz용)
>
**
생성 순서
**
반드시 위의 "핵심 요약"과 "주요 인사이트"를 먼저 작성한 후, 이를 기반으로 퀴즈 생성
>
**
출제 원칙
**
핵심 주제만 출제. 날짜, 통계, 지엽적 세부사항 제외.

기본 레벨 (3문제 후보)

Q1:

Q2:

Q3: {저자 핵심 주장 관련}

중급 레벨 (3문제 후보)

Q4:

Q5:

Q6: {핵심 아이디어 비교}

심화 레벨 (3문제 후보)

Q7:

Q8:

Q9:
Phase 3: 메인 세션에서 결과 Read
Task Agent 완료 후:
Read: file_path="research/digests/{type}/{YYYY-MM-DD}-{sanitized-title}.md"
메인 세션은 정제된 md 파일만 읽음
→ context 효율 극대화
Phase 4: Pre-Quiz (핵심)
목적
정보 갭 생성 → 주의력 프라이밍 → 능동적 학습 유도
퀴즈 출제 원칙
핵심 주제만 질문
사소한 세부사항이나 숫자가 아닌, 콘텐츠의 핵심 메시지와 직결되는 내용만 출제
✅ 핵심 개념, 주요 원칙, 저자의 핵심 주장
❌ 날짜, 통계 수치, 부수적 예시, 지엽적 세부사항
결과 md 파일의 "Quiz 재료" 섹션을 활용하여 3문제 출제:
AskUserQuestion:
questions:
- question: "[Pre-Quiz] 이 콘텐츠에서 다룰 것 같은 핵심 개념은?"
header: "PQ1"
options: [4개 선택지]
- question: "[Pre-Quiz] 저자가 강조할 것 같은 메시지는?"
header: "PQ2"
options: [4개 선택지]
- question: "[Pre-Quiz] 이 주제에서 가장 중요한 원칙은?"
header: "PQ3"
options: [4개 선택지]
결과 처리
:
정답/오답 즉시 표시
틀린 문제 → "이 부분을 콘텐츠에서 확인해보세요" 안내
Knowledge Gap 생성
"이제 콘텐츠를 보면 답을 찾고 싶어질 것입니다" Phase 5: 선택적 콘텐츠 제공 Pre-Quiz 결과에 따라 사용자에게 선택지 제공: AskUserQuestion: questions: - question: "어떤 콘텐츠를 먼저 보시겠습니까?" header: "Content" options: - label: "틀린 문제 관련 섹션만" description: "Pre-Quiz에서 틀린 부분의 답을 찾아보기" - label: "핵심 인사이트 3개" description: "콘텐츠의 가장 중요한 포인트만" - label: "전체 요약 + 인사이트" description: "종합적인 콘텐츠 분석" - label: "바로 본 퀴즈로" description: "요약 없이 9문제 퀴즈 진행" 5-1. 틀린 문제 관련 섹션 Pre-Quiz 오답과 관련된 섹션만 추출: YouTube: 해당 타임스탬프 Webpage: 관련 단락 PDF: 해당 페이지/섹션 5-2. 핵심 인사이트 (간결 모드)

핵심 인사이트 3개
1.
**
[키워드]
**
1-2문장 설명
2.
**
[키워드]
**
1-2문장 설명
3.
**
[키워드]
**
1-2문장 설명 5-3. 전체 요약 + 인사이트

요약

인사이트

핵심 아이디어

적용 가능한 점
Phase 6: 본 퀴즈 (9문제)
3단계 × 3문제. AskUserQuestion으로 각 단계 진행.
출제 원칙
모든 문제는 콘텐츠의 핵심 주제와 직결되어야 함. 지엽적 세부사항, 날짜, 통계 수치는 출제 금지.
단계
난이도
출제 기준
1
기본
핵심 메시지, 주요 개념
2
중급
개념 간 관계, 근거 연결
3
심화
사례 분석, 적용, 구체적 데이터
문제 유형 상세:
references/quiz-patterns.md
즉각 피드백
각 단계 완료 후 정답/해설 즉시 제공 Phase 7: Elaborative Interrogation "왜?" 질문이 깊은 처리를 유발 (76% vs 69% 정답률 향상) 퀴즈 완료 후, 핵심 개념에 대해 심화 질문: AskUserQuestion: questions: - question: "다음 중 더 깊이 이해하고 싶은 개념은?" header: "Deep Dive" multiSelect: true options: - label: "{개념 A}" description: "왜 이것이 중요한지 탐구" - label: "{개념 B}" description: "이것의 근본 원리 이해" - label: "{개념 C}" description: "실제 적용 사례 확장" - label: "바로 다음 단계로" description: "현재 이해 수준으로 충분" 선택된 개념에 대해: "왜 이것이 사실인가?" 질문과 답변 콘텐츠 내 근거 위치 (타임스탬프/페이지/섹션) 웹 검색으로 추가 맥락 제공 Phase 8: Foundation Expansion (근본 확장) 콘텐츠 너머의 기초 지식 확장 8-1. 기초 개념 웹 검색 (WebSearch 병렬 3-5개) 검색 쿼리: - "{핵심 개념} fundamentals explained" - "{핵심 개념} 기초 원리" - "{이론/방법론} research paper original" - "{저자/발표자} other works recommendations" 8-2. 근본 지식 정리

Foundation Expansion

이 콘텐츠의 기초가 되는 개념들 | 개념 | 설명 | 출처 | |

|

|

| | {기초 개념 1} | 1줄 설명 | {URL} | | {기초 개념 2} | 1줄 설명 | {URL} |

더 깊이 들어가려면

**
선수 지식
**

{이 콘텐츠를 완전히 이해하려면 알아야 할 것}

**
후속 학습
**

{이 콘텐츠 다음에 볼 만한 것}

**
관련 연구
**
{학술적 배경} Phase 9: 스키마 연결 (이전 학습과 연결) 기존 지식과 연결할 때 학습 효과 극대화 research/digests/ 폴더의 기존 다이제스트 스캔:

관련 학습 기록 이 콘텐츠와 연결되는 이전 학습: | 콘텐츠 | 타입 | 연결 포인트 | 날짜 | |

|

|

|

| | {이전 제목} | {youtube/web/pdf} | {공통 개념/대조되는 관점} | {날짜} |

지식 네트워크 ```mermaid graph LR A[이번 콘텐츠] --> B[공통 개념] C[이전 콘텐츠 1] --> B D[이전 콘텐츠 2] --> B

Phase 10: 문서 업데이트 (퀴즈 결과 반영)

Task Agent가 저장한 md 파일에 퀴즈 결과 추가: ```markdown

Pre-Quiz 결과

{점수 및 Knowledge Gap 기록}

본 퀴즈 결과

{점수, 오답 노트}

Elaborative Interrogation

{선택한 개념에 대한 심화 탐구}
기본 콘텐츠는 Phase 2에서 이미 저장됨. 여기서는 학습 결과만 추가.
Phase 11: 후속 선택
AskUserQuestion:
questions:
- question: "다음으로 무엇을 하시겠습니까?"
header: "Next"
options:
- label: "다른 문제로 재퀴즈"
description: "같은 콘텐츠, 새로운 9문제"
- label: "Deep Research"
description: "웹 심층 조사로 확장 (references/deep-research.md)"
- label: "관련 콘텐츠 추천"
description: "이 주제의 다른 콘텐츠 찾기"
- label: "종료"
description: "학습 완료"
필수: Quiz-First 모드
모드 선택 없음
. 항상 Quiz-First로 진행.
연구에 따르면 학습 전 테스트가 9-12% 향상 효과를 가져오며,
요약을 먼저 보면 이 효과가 사라짐.
워크플로우 (고정):
1. 콘텐츠 타입 감지
2. Task Agent 실행 (추출 + 정제 + 웹 리서치 + md 저장)
3. 메인 세션에서 결과 md Read
4. Pre-Quiz (3문제) ← 반드시 먼저
5. 선택적 콘텐츠 제공
6. 본 퀴즈 (9문제)
7-9. 심화 학습 (Elaboration, Foundation, 스키마)
10. 문서 업데이트
11. 후속 선택
사용자가 "요약만", "퀴즈 없이" 등을 요청해도:
"Quiz-First가 학습 효과가 9-12% 더 높습니다. 먼저 3문제만 풀어볼까요?"
강하게 요청 시에만 요약 제공, 단 퀴즈 권유 메시지 포함
콘텐츠 타입별 참고사항
YouTube
자막 언어 우선순위
한국어 수동 → 2. 영어 수동 → 3. 한국어 자동 → 4. 영어 자동
yt-dlp 옵션
--list-subs
자막 목록 확인
--cookies-from-browser chrome
로그인 필요 시 Webpage 항상 claude-in-chrome 사용 . WebFetch 사용 금지. claude-in-chrome 워크플로우 1. tabs_context_mcp로 탭 컨텍스트 확인 2. tabs_create_mcp로 새 탭 생성 3. navigate로 URL 이동 4. get_page_text로 텍스트 추출 5. scroll로 전체 콘텐츠 로드 (무한 스크롤 대응) 6. get_page_text 재호출로 추가 콘텐츠 확인 7. read_page로 구조 파악 (필요시) 장점 동적 콘텐츠 완벽 지원 페이월/로그인 콘텐츠 접근 가능 무한 스크롤 페이지 처리 본문 전체를 정확히 가져옴 PDF Read 도구 특성 텍스트와 이미지를 동시에 인식 페이지별로 처리 표/차트 구조 인식 가능 대용량 PDF 페이지 범위 지정하여 분할 처리 목차 먼저 확인 후 관심 섹션 집중 리소스 scripts/extract_metadata.sh - YouTube 메타데이터 추출 scripts/extract_transcript.sh - YouTube 자막 추출 references/quiz-patterns.md - 퀴즈 문제 유형 상세 references/deep-research.md - Deep Research 워크플로우 references/learning-science.md - 학습 과학 연구 근거 학습 과학 근거 이 워크플로우는 다음 연구에 기반: Pretesting Effect (Richland et al., Roediger & Karpicke) 학습 전 테스트 → 9-12% 향상, effect size g = 0.34-0.54 Information Gap Theory (Loewenstein, 1994) 지식 갭 인식 → 도파민 회로 활성화 → 기억 강화 Elaborative Interrogation (Dunlosky et al., 2013) "왜?" 질문 → 깊은 처리 → 76% vs 69% 정답률 PACE Framework (Gruber et al., 2019) 호기심 상태에서 무관한 정보도 기억력 향상 상세: references/learning-science.md
← 返回排行榜