Skill Tester — 스킬 품질 검증 도구 (루브릭 + 체인 내장)

moai-core | revfactory/harness 테스트 방법론 기반 single source of truth for: 4차원 스코어링 루브릭, 스킬 체인 검증 프로토콜

개요

skill-builder로 생성된 스킬 또는 기존 스킬의 품질을 검증합니다. harness의 A/B 테스트 방법론을 구현하여 baseline(스킬 없음)과 with-skill(스킬 사용)을 비교하며, 4차원 스코어링 루브릭과 체인 검증 프로토콜을 본문에 직접 포함하여 별도 rules 파일 참조 없이 단독으로 동작합니다.

트리거 키워드

스킬 테스트 검증 A/B 테스트 baseline 회귀 테스트 체인 테스트 skill-tester 품질 측정 루브릭 스코어링 4차원 평가

워크플로우

1. [로드]    → 대상 스킬의 tests/test-cases.yaml 로드
2. [선택]    → 테스트 모드 선택 (A/B | 회귀 | 체인 | 루브릭 단독)
3. [실행]    → 테스트 프롬프트를 Claude Code에 실행
4. [측정]    → 토큰 사용량, 출력 품질, 시간 측정
5. [스코어]  → 4차원 루브릭 가중 평균 산출
6. [비교]    → baseline vs with-skill 결과 비교
7. [보고]    → 스코어 리포트 생성

실행 규칙

테스트 모드

Mode 1: A/B 테스트 (신규 스킬 검증)

skill-builder Phase 5에서 사용하는 기본 모드입니다.

절차:

1. Baseline 실행: 스킬 없이 동일 프롬프트를 Claude Code에 실행
2. With-Skill 실행: 스킬 로드 후 동일 프롬프트 실행
3. 비교 측정:

샘플 사이즈 가이드:

Mode 2: 회귀 테스트 (기존 스킬 수정 후)

스킬 수정 시 기존 테스트 케이스가 여전히 통과하는지 확인합니다.

절차:

1. 수정 전 마지막 테스트 결과를 baseline으로 로드
2. 수정 후 동일 테스트 케이스 재실행
3. 비교: 기존 통과 항목이 미통과로 변경되면 regression

회귀 판정:

Mode 3: 체인 테스트 (스킬 조합 검증)

여러 스킬이 순차적으로 연결되는 체인을 테스트합니다. CLAUDE.local.md §3-3에 정의된 모든 체인이 검증 대상입니다.

3-1. Chain Definition Format

chain:
  name: "blog-publishing"
  description: "Blog post creation → AI slop review → optional media generation"
  steps:
    - skill: "moai-content:blog"
      output_type: "markdown"
      provides: ["blog_draft"]
    - skill: "moai-core:ai-slop-reviewer"
      input_from: ["blog_draft"]
      output_type: "markdown"
      provides: ["reviewed_draft"]
    - skill: "moai-media:nano-banana"
      input_from: ["reviewed_draft"]
      output_type: "image_url"
      optional: true
      provides: ["cover_image"]

3-2. Test Design Rules

Happy Path Test — 전체 체인을 대표 입력으로 실행하고 다음을 검증:

• 각 단계 출력이 다음 단계 입력 스키마와 호환
• 최종 출력이 문서화된 기대치와 일치
• 단계 간 데이터 손실 없음

Failure Propagation Test — 각 단계 실패를 시뮬레이션:

• 체인이 우아하게 정지하는가?
• 어느 단계가 실패했는지 사용자에게 전달되는가?
• 실패 지점에서 재개 가능한가?

Optional Step Test — 선택적 단계가 있는 체인:

• 선택 단계를 건너뛰어도 체인이 완료되는가
• 선택 단계가 실패해도 체인이 완료되는가
• 선택 단계 출력 없이도 결과가 유의미한가

Output Compatibility Test — 각 단계 경계에서:

• 출력 스키마가 다음 단계 기대 입력과 일치
• 언어 일관성 (한국어 출력 → 한국어 입력)
• 형식 일관성 (markdown → markdown)

3-3. Test Case Template

## Chain Test: <chain-name>

### TC-1: Happy Path
- Input: <대표 프롬프트>
- Expected Step 1 output: <설명>
- Expected Step 2 output: <설명>
- Expected Final output: <설명>
- Pass criteria: 모든 단계가 기대 출력 생성, 최종 결과 사용 가능

### TC-2: Step <N> Failure
- Input: <단계 N 실패 유발 프롬프트>
- Expected behavior: <체인 정지 / 건너뜀 / 재시도>
- Pass criteria: 사용자에게 전달, 데이터 손실 없음

### TC-3: Optional Step Skip
- Input: <선택 단계 트리거 없는 프롬프트>
- Expected behavior: <선택 단계 없이 체인 완료>
- Pass criteria: 최종 출력이 선택 단계 기여 없이도 유의미함

3-4. Known Chains (CLAUDE.local.md §3-3 매핑)

3-5. 회귀 통합

체인 내 어떤 스킬이 수정되면:

1. 해당 스킬을 포함하는 모든 체인 테스트 재실행
2. 단계 경계 출력 호환성 집중 검증
3. 출력 스키마 변경 시 다운스트림 스킬 동반 갱신

Mode 4: 루브릭 단독 (Standalone Scoring)

특정 스킬의 SKILL.md 본문만으로 4차원 스코어링을 수행합니다. A/B 비교 없이 절대 평가가 필요할 때 사용합니다.

스코어링 루브릭 (4차원 가중 평균)

모든 스킬(신규/수정)은 출시 전 본 루브릭으로 스코어링되어야 합니다.

차원 정의

Correctness — 30%

Completeness — 25%

Clarity — 25%

Efficiency — 20%

통과 기준

• 최저 통과: 가중 평균 >= 0.70
• 단일 차원 floor: 어떤 차원도 0.50 미만이면 hard fail
• 신규 스킬: 첫 평가에서 >= 0.75 필요

가중 점수 계산

score = (correctness * 0.30) + (completeness * 0.25) + (clarity * 0.25) + (efficiency * 0.20)

평가 절차

1. Self-evaluation: 스킬 작성자가 본 루브릭으로 self-score
2. Peer evaluation: 두 번째 평가자가 독립 스코어링 (Complex tier 권장)
3. Gap resolution: 차원별 점수 차이 > 0.15 시 토론·해결
4. Final score: 모든 평가자 평균

스킬 Tier 통합

Anti-Pattern Checks (boundary-verification 통합)

통과 점수 확정 전 다음을 확인:

• 다른 스킬이 커버하는 기능과 중복하지 않음
• 폐기된 필드/패턴 참조 없음
• 설정 가능해야 할 값이 하드코딩되지 않음
• 예시 출력이 실제(real)이며 fabricated 아님
• 트리거가 명확한 우선순위 없이 다른 스킬과 중첩되지 않음

Test Case Format

각 스킬의 tests/test-cases.yaml 파일 형식:

skill: <skill-name>
version: 2.15.0
test_cases:
  - id: TC-001
    name: "happy-path"
    prompt: |
      <사용자 프롬프트>
    assertions:
      - type: contains
        value: "<출력에 포함되어야 할 문자열>"
      - type: not_contains
        value: "<출력에 포함되지 않아야 할 문자열>"
      - type: format
        value: "<markdown|json|text|html>"
    quality_threshold:
      correctness: 0.75
      completeness: 0.70
      clarity: 0.70
      efficiency: 0.60

  - id: TC-002
    name: "edge-case"
    prompt: |
      <경계 조건 프롬프트>
    assertions:
      - type: handles_gracefully
        value: true

Score Report Format

테스트 완료 후 생성되는 리포트:

## Skill Test Report: <skill-name>

### Summary
- Mode: A/B Test
- Date: YYYY-MM-DD
- Result: PASS / FAIL

### Scores

| Dimension | Baseline | With-Skill | Delta |
|-----------|----------|------------|-------|
| Correctness | 0.65 | 0.85 | +0.20 |
| Completeness | 0.60 | 0.80 | +0.20 |
| Clarity | 0.70 | 0.80 | +0.10 |
| Efficiency | 0.75 | 0.80 | +0.05 |
| **Weighted** | **0.67** | **0.81** | **+0.14** |

### Token Usage
- Baseline: XXXX tokens
- With-Skill: XXXX tokens
- Delta: -XX%

### Assertions
- TC-001: PASS (3/3 assertions)
- TC-002: PASS (2/2 assertions)

### Anti-Pattern Audit
- [x] 중복 없음
- [x] 하드코딩 없음
- [x] 모든 예시 real

### Recommendation
<APPROVE for release / NEEDS revision on [dimension]>

사용 예시

예시 1: 신규 스킬 A/B 테스트

"skill-tester로 sales-playbook 스킬 A/B 테스트해줘"

예시 2: 회귀 테스트

"blog 스킬 수정했는데 회귀 테스트해줘"

예시 3: 체인 테스트

"blog → ai-slop-reviewer 체인 테스트 실행해줘"

예시 4: 루브릭 단독 평가

"kr-gov-grant 스킬을 4차원 루브릭으로만 평가해줘"

출력 형식

주의사항

• A/B 테스트는 동일 모델, 동일 조건에서 실행해야