Claude Code나 Codex 같은 AI 기반 개발 도구를 사용하다 보면 단순한 프롬프트만으로는 반복 작업이나 복잡한 흐름을 처리하기 어려운 순간이 온다. 이때 사용하는 개념이 바로 Skill(스킬)이다. 결론부터 말하면 Skill은 AI에게 특정 작업을 수행하는 방법을 정의해두고 재사용하는 구조이다. 단순한 프롬프트를 넘어, 일종의 “재사용 가능한 작업 단위”라고 볼 수 있다. 이 글에서는 Claude Skill과 Codex Skill의 개념, 구조, 동작 방식, 그리고 실제 활용 예시까지 정리한다. Skill이란 무엇인가Skill은 AI가 특정 작업을 수행할 때 사용하는 정의된 실행 단위이다. 간단히 표현하면 다음과 같다.사용자 요청 ↓Skill 선택 ↓정의된 작업 실행 ↓결과 반환 즉, 매..
Claude Code를 사용하다 보면 단순히 프롬프트를 잘 작성하는 것만으로는 부족한 상황이 생긴다. 예를 들어 코드 수정 후 자동으로 포맷팅을 실행하고 싶거나, 위험한 Bash 명령어를 사전에 차단하고 싶거나, Claude가 도구를 사용하기 전후에 특정 검증 로직을 실행하고 싶을 수 있다. 이때 사용할 수 있는 기능이 Hook(훅)이다.Hook은 Claude Code의 실행 흐름 중 특정 시점에 사용자가 정의한 명령을 자동으로 실행하는 기능이다. Git에서 commit 전에 pre-commit hook을 실행하는 것처럼, Claude Code에서도 도구 사용 전후, 프롬프트 제출 시점, 세션 시작과 종료 시점 등에 원하는 로직을 끼워 넣을 수 있다. 이 글에서는 Claude Code에서 사용할 수 있는..
이전에 claude에 대한 skip permission을 올렸었는데 codex도 마찬가지로 파일을 분석시키거나 커맨드 명령을 수행할 때 항상 사용자에게 허락을 받고 진행하는게 많아서 효율이 떨어진다 느껴졌다. codex도 claude 못지 않게 좋은 성능을 보이고 있으므로 이 역시 나보다 나을 때가 많기에 믿고 쓰기로 한다.1. 일회성으로 사용하는 명령codex --dangerously-bypass-approvals-and-sandbox또는 (동일 기능)codex --yolo 2. Windows에서 alias를 영구적으로 설정하는 방법Mac에 비해 윈도우는 좀 복잡한 것 같은데 alias(매크로)로 doskey + AutoRun 조합을 사용하여 해결할 수 있다.먼저 아래 명령을 Power Shell에서 ..
claude code를 사용하며 파일을 분석시키거나 커맨드 명령을 수행할 때 항상 사용자에게 허락을 받고 진행하는데 가끔 너무 자주 물어봐서 효율이 떨어진다 느껴졌다. plan mode로 계획을 모두 세웠을 때도 가끔 중간에 물어봐서 작업이 끊기기도 한다. 웬만큼 plan을 잘 세워두면 나보다 나을 때가 많기에 믿고 쓰기로 한다. 1. 일회성으로 사용하는 명령claude --dangerously-skip-permissions 2. Windows에서 alias를 영구적으로 설정하는 방법Mac에 비해 윈도우는 좀 복잡한 것 같은데 alias(매크로)로 doskey + AutoRun 조합을 사용하여 해결할 수 있다.먼저 아래 명령을 Power Shell에서 관리자 모드로 실행하여 매크로 파일 생성/편집을 실행..
최근 수업 중 custom loss를 구현하는 과제에서 알게 된 trick인데 softmax 연산을 수행할 때 내부적으로 overflow나 underflow를 방지하기 위한 방법으로 이 방식을 사용한다고 한다. 이름에 나오듯 Log와 Summation 그리고 Exponential을 이용한 트릭이다. exp를 기존 방식대로 계산해보면 아래와 같이 overflow가 발생하게 된다. import numpy as npx = np.array([1000, 1000, 1000])print(np.exp(x))# [inf inf inf] x와 같은 logit(입력값)을 구해 softmax 연산을 위해 적용하였을 때 overflow가 발생하게 되고 이는 결국 loss가 발산하거나 backpropagation이 실패하는 결..
신호처리에서 LTI 시스템과 같은 부분에 대해 공부하다 보면 Impulse Input(임펄스 입력)과 Impulse Response(임펄스 응답)에 대해 자주 접하게 된다. 더 나아가 이 개념과 함께 Convolution(컨볼루션)에 대해서도 함께 배우게 된다. 여기서 Convolution은 우리가 알고 있는 그 Convolution Neural Network(CNN)의 Convolution이다. 다만, CNN에서 사용하는 Convolution 연산은 수학적으로 엄밀한 의미의 Convolution이 아니라, 실제로는 Cross-Correlation이긴 하지만 어쨌든 단어 자체는 익숙할 것이다.이 글에서는 임펄스 입력과 출력이 무엇인지, 시스템이 그것에 어떻게 반응하는지를 설명하고, 이와 연결된 컨볼루션 ..
