fz-manage

name: fz-manage description: >- fz 생태계 관리. 스킬 목록, 건강 체크, 벤치마크, 의존성 확인. 예: 스킬 목록 보여줘, 건강 체크해줘, 벤치마크 돌려줘 user-invocable: true disable-model-invocation: true argument-hint: "[list|info|deps|check|benchmark|reflect-to-module|create|edit|delete] [대상]" allowed-tools: >- mcp__serena__list_memories, mcp__serena__read_memory, Read, Grep, Glob, Bash, Edit, Write composable: false provides: [] needs: [none] intent-triggers: - "관리|스킬|의존성|체크|벤치마크|일괄.*평가" - "manage|skill|depend|check|benchmark|batch.*eval" - "메모리.*반영|교훈.*반영|reflect.*module|lessons.*module" model-strategy: main: opus verifier: null

/fz-manage - 스킬 시스템 관리

행동 원칙: fz- 스킬 시스템의 상태를 투명하게 보여주고, 의존성 무결성을 보장한다.

개요

서브커맨드: list | info | deps | check | benchmark | create | edit | delete

• fz- 스킬 인벤토리, 의존성, 건강 체크
• 전체 스킬 일괄 품질 평가 (benchmark)
• 스킬 CRUD (생성/편집/삭제)
• 거버넌스 (modules/governance.md)

사용 시점

/fz-manage                  # 전체 인벤토리
/fz-manage list             # 전체 인벤토리 (동일)
/fz-manage info fz-plan     # fz-plan 상세 정보
/fz-manage deps             # 의존성 그래프
/fz-manage check            # 건강 체크 (fz + Agent 통합)
/fz-manage benchmark        # 전체 스킬 일괄 품질 평가
/fz-manage benchmark --top3 # 하위 3개 스킬 개선 제안
/fz-manage benchmark --with-trigger  # 하위 3개에 실측 트리거율 추가
/fz-manage reflect-to-module <feedback_file>  # 메모리 → fz 모듈 자동 반영 (Lessons-to-Module)
/fz-manage create fz-test   # 새 스킬 생성
/fz-manage edit fz-plan     # 스킬 편집
/fz-manage delete fz-test   # 스킬 삭제

다른 스킬로 라우팅

list -- 전체 인벤토리

모든 fz- 스킬, sc: 명령어, 공유 모듈, 메모리를 조회합니다.

절차

1. Glob("skills/*/SKILL.md") → fz- 스킬 목록
2. 각 SKILL.md의 YAML frontmatter 파싱
3. Glob("~/.claude/commands/sc/*.md") → sc: 명령어 목록
4. Glob("modules/*.md") → 공유 모듈 목록

출력 형식

## fz- 스킬 인벤토리

| 스킬 | 카테고리 | 상태 | 크기 | sc: 활용 |
|------|---------|------|------|---------|
| fz-plan | workflow | OK | 220줄 | design, analyze |
| ... | ... | ... | ... | ... |

## sc: 명령어
analyze, brainstorm, build, cleanup, ...

## 공유 모듈
build.md, governance.md, session.md, skill-template.md, team-core.md, README.md

info -- 스킬 상세

절차

1. Read("skills/fz-{name}/SKILL.md") → YAML frontmatter + 본문
2. YAML에서 allowed-tools, provides, needs, intent-triggers, model-strategy 추출
3. Grep("fz-{name}", "skills/") → 역참조 (이 스킬을 참조하는 다른 스킬)
4. 파일 크기 (줄 수) 계산

출력 형식

## fz-plan 상세

| 항목 | 값 |
|------|---|
| 크기 | 220줄 |
| allowed-tools | serena(7), context7(2), sequential-thinking(1), atlassian(2) |
| provides | planning, architecture-analysis |
| needs | none |
| intent-triggers | 계획, 설계, 아키텍처, 요구사항 |
| 모델 전략 | Main: opus / Verifier: sonnet |
| 역참조 | fz-manage, fz-code |

deps -- 의존성 그래프

절차

1. 모든 SKILL.md의 allowed-tools, provides, needs 파싱
2. provides/needs 체인 그래프 + MCP 의존성 생성

provides/needs 체인 그래프

[entry] ─────┬── fz-plan ──planning──▶ fz-code ──code-changes──▶ fz-review
             │                                  └──code-changes──▶ fz-commit ──commit──▶ fz-pr
             │
             ├── fz-search ──search-results──▶ (컨텍스트 제공)
             ├── fz-fix ──code-changes──▶ fz-commit / fz-review
             ├── fz-peer-review ──peer-review──▶ (완료)
             └── (외부 도구 연동) ──verification──▶ (완료)

needs=none (진입점): fz-plan, fz-search, fz-fix
needs=planning:     fz-code
needs=code-changes: fz-review, fz-commit
needs=commit:       fz-pr

MCP 의존성 매트릭스

fz-search      → serena(7), context7(2), lsp(4)
fz-plan        → serena(7), context7(2), sequential-thinking(1), atlassian(2)
fz-code        → serena(10), context7(2), lsp(2)
fz-fix         → serena(7), sequential-thinking(1), context7(2), lsp(3)
fz-review      → serena(5), sequential-thinking(1), lsp(2)
fz-peer-review → serena(6), sequential-thinking(1), github(5), context7(2)
fz-commit      → atlassian(2)
fz-pr          → github(3), atlassian(3)
fz-manage      → serena(4)

check -- 통합 건강 체크

fz- 스킬 + 에이전트를 일괄 검증합니다.

검증 항목

출력 형식

## 건강 체크 결과

OK YAML 필수 필드: 14/14 정상
OK MCP 유효성: 6/6 서버
OK provides/needs 체인: 완전
OK intent-triggers: 관리됨
OK 스킬 크기: 14/14 (500줄 미만)
OK 깨진 참조: 0개
OK 에이전트 파일: 6/6 정상
OK Team MCP 호환: 6/6
OK 테스트 케이스: N/N 존재
OK Triggering 테스트: N/N (3개+ 커버)

총 점수: 100%

benchmark -- 전체 스킬 일괄 품질 평가

모든 fz-* 스킬에 대해 /fz-skill eval의 Static Analysis를 일괄 실행하고 종합 리포트를 생성합니다.

절차

1. Glob("skills/*/SKILL.md") → 전체 fz-* 스킬 목록

2. 각 스킬에 대해 Static Analysis 8항목 실행:

   검증 항목	기준	판정
   Description 품질	what+when+when-not+한영키워드	PASS/FAIL
   YAML 완전성	name, description, allowed-tools, provides, needs	PASS/FAIL
   크기 제한	≤500줄	PASS/FAIL
   Few-shot 예시	≥3개 (BAD/GOOD 쌍 포함)	PASS/WARN
   Gate 체크리스트	각 Phase에 Gate 존재	PASS/WARN
   Boundaries	Will/Will Not + 대안 명시	PASS/FAIL
   과격 표현	CRITICAL/MUST ALWAYS 등 부재	PASS/WARN
   에러 대응	테이블 존재	PASS/WARN

3. 스킬별 점수 산출 (PASS=10점, WARN=5점, FAIL=0점 → 80점 만점)

4. 하위 3개 스킬 자동 식별 + 개선 제안 생성

출력 형식

## Benchmark 결과

| 스킬 | Desc | YAML | Size | Few-shot | Gate | Bounds | Tone | Error | 점수 |
|------|------|------|------|----------|------|--------|------|-------|------|
| fz-plan | PASS | PASS | PASS | PASS | PASS | PASS | PASS | PASS | 80 |
| fz-code | PASS | PASS | PASS | WARN | PASS | PASS | PASS | PASS | 75 |
| ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |

평균: 72/80
하위 3개: fz-X (55), fz-Y (60), fz-Z (65)

### 개선 제안
1. **fz-X** (55점): Few-shot 예시 부족 + Gate 누락 → `/fz-skill eval fz-X` 실행 권장
2. **fz-Y** (60점): Description에 when-not 누락 → `/fz-skill update fz-Y` 실행 권장
3. **fz-Z** (65점): 과격 표현 2건 → 문구 완화 필요

--top3 옵션

하위 3개 스킬만 상세 분석 + 구체적 수정 가이드 출력.

--with-trigger 옵션

하위 3개 스킬에 대해 skill-creator의 run_eval.py Quick Trigger Eval 추가 실행. 상세: skills/fz-skill/references/skill-creator-integration.md "Quick Trigger Eval" 섹션.

• 각 스킬: should-trigger 3개 + should-not-trigger 2개 자동 생성 → 1회 실행
• 출력 테이블에 "Trigger" 컬럼 추가 (해당 스킬만, 나머지는 "-")
• skill-creator 미설치 시: WARN 안내 후 Static Analysis만 실행
• 스킬당 ~30초, 하위 3개만 = ~90초

정기 Benchmark 사이클

/fz Completion에서 스킬/모듈 변경이 포함된 파이프라인 완료 시 benchmark 실행을 제안한다.

Gate: Benchmark Complete

• 전체 fz-* 스킬 Static Analysis 실행?
• 스킬별 점수 산출 + 정렬?
• 하위 3개 개선 제안 포함?

reflect-to-module — 메모리 교훈 → fz 모듈 자동 반영

도구화: 메모리 17차(Reflection Gap) 해소 — 누적된 교훈을 수동으로 fz 모듈에 반영하는 lag 제거. Pilot 기원: fz-cargo-cult-defense P3 (2026-05-06, 19차 메모리 회귀 테스트 PASS). MUST 조건: O3 (Generator ≠ Evaluator) + O9 (Cross-Model Verification) — Codex 외부 검증 필수.

사용법

/fz-manage reflect-to-module <feedback_file_path>     # 단일 메모리 처리
/fz-manage reflect-to-module --batch <directory>       # 여러 메모리 일괄
/fz-manage reflect-to-module --threshold 0.65          # threshold 조정 (기본 0.70)
/fz-manage reflect-to-module --skip-codex              # Codex 검증 건너뛰기 (DRY-RUN, 위험)

5-Step 절차

표기 규약: <FZ_ROOT> = fz-plugin 루트 (예: claude plugin path fz 결과). <MEMORY_DIR> = 메모리 파일 디렉토리. 사용자가 본인 설치 경로로 치환.

Step 1: Memory Parser (D+2 component)

python3 <FZ_ROOT>/skills/fz-manage/scripts/parse_memory.py <feedback_file> > parsed.json

산출 (12 필드): id, frontmatter (4 필드), core_lesson, applied_location_explicit, applied_location_implicit, meta_family, meta_pattern, trigger_case, severity, signals (compiler_gap_signal, symmetry_candidate, self_review_blind_spot, fan_out_count_estimate)

Step 2: Relevance Scorer (D+3 component)

python3 <FZ_ROOT>/skills/fz-manage/scripts/score_relevance.py parsed.json \
    --candidates <FZ_ROOT> --threshold 0.70 --output-json scored.json

알고리즘 (v2.1 calibrated):

• Pass 1: trigger skill 식별 (direct mention + symmetry-extended)
• Pass 2: 모듈별 5 component 점수 (trigger_match 0.55 / cascade_match 0.65 / lint_tool 0.70 / semantic 0~0.25 / symmetry_bonus 0.20)
• threshold 0.70 필터 → selected 모듈

Step 3: Suggestion Generator (D+4 component, LLM)

Read("<FZ_ROOT>/skills/fz-manage/prompts/generate_suggestion.md") 템플릿 로드 후 Claude prompt:

• 입력: parsed + scored + 각 모듈 현재 내용 (Read 결과)
• 출력: 모듈별 yaml diff (5 type 분류: catalog_addition / section_add+procedural_call / bidirectional_extension / perspective_addition / file_creation)
• 자기 검증 (5 체크리스트) 통과한 제안만 출력

Step 4: Reviewer (D+5 component, Codex 외부 검증) ⛔ MUST

각 제안에 대해 /fz-codex 호출 (effort=medium):

이 제안이 다음 두 출처에 부합하는가?
1. 메모리 [id] 전문 (parsed lesson + 본문)
2. 모듈의 *현재 내용* (Read 결과)

verdict: agree / disagree / partial / needs_verification
근거: <원문 인용>

추가 검증:
- 트리밍 비저하 위반 여부 (기존 항목 변경/제거 있는가?)
- 원본 메모리에 없는 *추가 정당화* 추가 여부
- 제안된 type 분류의 정확성

⛔ --skip-codex로 건너뛰면 메모리 23차 (self-review blind spot) 재현 위험 — DRY-RUN 한정.

Step 5: 사용자 승인 + 적용

## 제안 요약

| Module | Type | Confidence | Codex Verdict |
|--------|------|:----------:|:-------------:|
| skills/fz-code/SKILL.md | catalog_addition | 0.95 | agree |
| agents/impl-correctness.md | section_add+procedural_call | 0.92 | agree |
| ... |

⛔ 자동 적용 금지 — 사용자 명시 승인 (각 제안별 yes/no/modify) 후만 Edit.

적용 후 grep 검증 의무: 각 변경의 grep 패턴 0건이 아닌지 확인 (false positive 차단).

Gate (절차 강제)

• Memory Parser 출력 12 필드 모두 추출?
• Relevance Scorer threshold 명시 + ≥ 0.70 모듈 < 5개면 사용자 확인 ("threshold 낮춰서 재실행?")
• Suggestion Generator self-check 5 체크리스트 통과?
• Codex 외부 검증 모든 제안에 적용? (O3+O9 MUST)
• meta_family ≥ 3 메모리 → A4 P5 후보로 분리 (개별 모듈 변경 보류)
• 사용자 명시 승인 후만 적용?

19차 회귀 테스트 (Pilot 검증)

본 서브커맨드를 19차 메모리(feedback_import_copy_without_verification.md) 입력 시:

→ Gate 3 PASS 기준 (precision ≥ 80% AND recall = 100%)

위험

• ⛔ Self-review blind spot 메타 재현: Generator(Claude)가 자기 제안 self-eval하면 Pilot 자체가 cargo-cult. 반드시 Codex 외부 검증 (Step 4).
• ⛔ Threshold 임의: 19차 외 메모리 적용 시 0.70이 안 맞으면 P4 확장에서 튜닝.
• ⛔ Score weight 임의: calibration 19차 e2e 결과 기반. P4 확장 시 다른 메모리로 재검증 (overfit 방지).
• ⛔ 자동 적용 금지: 23차 재현 방지 — 사용자 Final Authority 의무.

산출물

{CWD}/fz-cargo-cult-defense/  (또는 사용자 ASD 폴더)
├── parsed/          ← parse_memory.py 출력 JSON
├── scored/          ← score_relevance.py 출력 JSON
├── suggestions/     ← Generator yaml diff
├── codex-verdicts/  ← Codex 검증 결과
└── applied/         ← 적용된 변경 + grep 검증

create / edit / delete — /fz-skill로 이관

스킬/에이전트 CRUD 기능은 /fz-skill로 이관되었습니다. /fz-skill은 templates/ + guides/ 기반의 지능형 생성/수정/삭제를 제공합니다.

/fz-skill create fz-test "테스트 자동화 스킬"       # 새 스킬 생성
/fz-skill update fz-plan "description 개선"          # 기존 스킬 수정
/fz-skill delete fz-old                              # 스킬 삭제
/fz-skill new-agent test-runner "테스트 실행 에이전트" # 새 에이전트 생성

세션 관리

세션 데이터 경로: $HOME/.claude/sessions

Boundaries

Will:

• fz- 스킬 인벤토리 조회 및 CRUD
• 의존성 그래프 및 통합 건강 체크 (fz + Agent)
• 전체 스킬 일괄 품질 평가 (benchmark)
• 거버넌스 프레임워크 (modules/governance.md)
• 메모리 교훈 → fz 모듈 자동 반영 (reflect-to-module, Lessons-to-Module Pipeline)

Will Not:

• 개별 스킬 품질 평가 (→ /fz-skill eval)
• 워크플로우 가이드 (→ /fz)
• 팀 에이전트 생성 (→ modules/team-core.md + modules/patterns/, 각 스킬에서 직접 참조)
• 코드 수정 (→ 각 워크플로우 스킬)
• 자동 적용 (reflect-to-module도 사용자 승인 필수, Codex 외부 검증 의무)

에러 대응

Completion → Next

• check → 문제 발견 시 /fz-skill update 안내
• deps → 의존성 이상 시 /fz-skill update 안내
• benchmark → 하위 스킬에 /fz-skill eval + /fz-skill optimize 안내
• benchmark --with-trigger → 하위 3개에 실측 트리거율 추가, 낮으면 /fz-skill optimize 권장
• create → 생성 완료 후 check 권장