인공지능에게 단순히 시니어처럼 생각하라고 요구하는 프롬프트는 문제 정의, 실패 가능성 파악, API 변경 영향 고려, 성능 측정, 작업 완료 전 검증 등의 요소가 불분명해 실제 의미가 모호하다. 이러한 판단 과정을 커다란 단일 프롬프트 대신 작고 독립적인 23개의 Agent Skill로 분해한 프로젝트가 바로 Senior-thinking-skills이다. 전체 구조는 router와 disciplines로 구성되며, 이 중 senior-engineer-mindset이 router 역할을 수행하여 현재 작업에 적합한 discipline만을 선택한다.

요청 이면의 실제 문제를 우선 파악하는 clarify-the-real-problem 스킬과, 초기 구현 방안 하나에만 얽매이지 않도록 넓은 대안 공간을 다루는 widen-the-solution-space 스킬이 존재한다. 또한 선택지와 결정에 따른 가역적 수준을 함께 저울질하는 weigh-tradeoffs 스킬, 구현 전 단계에서 실패 시나리오와 사전 탐지법을 도출하는 premortem 스킬이 포함된다. 나아가 YAGNI 원칙과 복잡도 예산을 다루는 simplicity-budget 스킬, 노출된 인터페이스가 지니는 약속을 검토하는 interface-contracts 스킬, 성공 조건의 사전 정의 및 검증 가능한 설계를 담당하는 verifiability-first 스킬이 마련되어 있다.

코드 수정에 앞서 원인과 증거를 우선 확보하는 root-cause-discipline 스킬과, 요청 사항과 무관한 변경 범위를 최소화하는 surgical-change 스킬이 적용된다. 성능 최적화 진행 전 반드시 실측을 수행하는 measure-before-optimizing 스킬과 증빙 자료 없이 완료 선언을 금지하는 verify-before-claiming 스킬, 그리고 결과를 입증하기보다 오류를 찾아내는 데 집중하는 adversarial-review 스킬이 작동한다. 이와 별개로 서브에이전트 활용 방식은 delegate-to-subagents 스킬로 분리되어 병렬화 타이밍, worker에게 제공할 컨텍스트 규모, reviewer에 대한 write 권한 부여 여부, 디스패치 직전 baseline SHA 기록, 다중 에이전트 결과물 통합 등의 세부 사항을 다룬다.

스킬 설계 원칙과 출처 관리

1,100줄짜리 대형 엔지니어 프롬프트에 의존하는 대신, 필요할 때마다 호출하는 30~70줄 분량의 소형 스킬 여러 개를 조합하는 방식을 핵심 설계 원칙으로 삼았다. 개별 스킬의 설명 영역에는 해당 스킬의 활용 시점을 명시하고, 본문에는 실행 시 요구되는 구체적 절차만 기술한다. Superpowers, agent-skills, ECC, HNCS 등 다수의 관련 프로젝트를 분석하여 출처를 추적할 수 있도록 설계했으며, 각 스킬별 영향 관계를 나타내는 출처 정보를 리드미에 기록한다. 아울러 기존 아이디어를 단순 모방하는 데 그치지 않고, 간결한 규율 구조에 맞추어 재구성했다.

문서 형태의 스킬만으로는 실제로 구현 불가능한 기능들은 의도적으로 배제했다. 에이전트가 스스로 기억하거나 단일 문서 설치만으로 보안 강제 기능이 활성화되는 것처럼, 실제 런타임이 부재하는 허위 기능을 과장하여 전달하고자 하지 않았기 때문이다. 실질적인 강제 적용이 수반되어야 하는 영역은 별도의 훅 프로젝트로 독립시켰다. 결과적으로 스킬은 에이전트의 의사결정 방식을 전환하고, 훅은 해당 판단이 어긋났을 때 한계를 통제하는 기능을 수행한다.