Web·iOS·Android 화면을 WCAG 2.2에 맞춰 설계하고 점검합니다. 화면 읽기와 키보드 조작, 레이블, 대비, 조작 대상 크기를 확인합니다.
- 아이콘 버튼에 설명 추가
- 키보드 조작과 모달 초점 점검
- 대비와 조작 대상 크기 확인
투자 유치를 위한 첫 이메일, 소개 요청, 후속 연락과 미팅 후 보고를 작성합니다. 투자 방향과 구체적 사업 성과를 반영해 짧고 다음 행동이 명확한 문안으로 다듬습니다.
Draft cold emails, warm intro blurbs, follow-ups, update emails, and investor communications for fundraising. Use when the user wants outreach to angels, VCs, strategic investors, or accelerators and needs concise, personalized, investor-facing messaging.
investor-outreach는 투자 유치 이메일을 짧고 구체적으로 다듬습니다. 첫 연락, 지인을 통한 소개 요청, 답장이 없을 때의 후속 연락, 미팅 후 보고를 다룹니다. 투자 기업, 공개된 투자 방향, 공통 지인 등을 바탕으로 연락 이유와 사업 성과를 제시하고 요청할 다음 행동을 하나로 좁힙니다.
엔젤 투자자, VC, 기업 투자 담당자, 창업 지원 프로그램에 보낼 연락을 준비할 때 유용합니다. 소개자가 전달하기 쉬운 100단어 미만의 소개문이나 새로운 성과를 덧붙인 후속 연락에도 활용합니다. 형용사나 막연한 칭찬에 의존하는 문안을 검토하는 데도 도움이 됩니다.
상대에 맞춰 작성할 자료가 부족하면 추가 맞춤 작업이 필요한 초안으로 취급합니다. 문체를 통일해야 한다면 먼저 brand-voice로 VOICE PROFILE을 준비하는 것을 전제로 합니다.
이 소개문은 공개된 SKILL.md를 바탕으로 AI(OpenAI Codex)가 작성했습니다. 정확한 사양은 아래 원문을 확인하세요.
AI가 SKILL.md의 내용만을 근거로 4가지 관점에서 판정했습니다. 스타 수나 인기도는 판정에 넣지 않았습니다.
총점은 각 항목을 A=25점, B=15점, C=5점으로 더한 값입니다. 2026년 10월 19일 기준으로 AI(OpenAI Codex)가 판정했습니다. 참고용이므로 설치 전에 원문도 확인해 주세요.
설치하기 전에 에이전트에게 전달되는 지시 내용을 확인할 수 있습니다.
Write investor communication that is short, concrete, and easy to act on.
If the user's voice matters, run brand-voice first and reuse its VOICE PROFILE.
This skill should keep the investor-specific structure and ask discipline, not recreate its own parallel voice system.
Delete and rewrite any of these:
Reference one or more of:
If that context is missing, state that the draft still needs personalization instead of pretending it is finished.
Default:
Do not keep nudging after that unless the user wants a longer sequence.
Make life easy for the connector:
Include:
Before delivering:
아직 리뷰가 없습니다. 사용해 본 소감을 남겨 주세요.
로그인 없이 쓸 수 있습니다. 사용 후기, 질문, 작동하지 않은 환경 등을 편하게 남겨 주세요.
아직 댓글이 없습니다. 첫 댓글을 남겨 보세요.
Web·iOS·Android 화면을 WCAG 2.2에 맞춰 설계하고 점검합니다. 화면 읽기와 키보드 조작, 레이블, 대비, 조작 대상 크기를 확인합니다.
인공지능 에이전트의 문제를 지시, 기억, 도구 실행, 화면 표시 등 12개 계층에서 조사합니다. 코드와 로그를 근거로 원인을 정리하고 심각도에 따른 지적 사항과 수정안을 제시합니다.
실제 개발 과제로 여러 코딩 에이전트를 비교합니다. 성공률, 확인 가능한 API 비용, 소요 시간과 반복 실행의 안정성을 측정해 도입 결정과 업데이트 후 평가에 활용합니다.
AI 에이전트의 도구 구성, 입력과 출력 형식, 오류 복구 절차를 설계합니다. 문맥 정보량을 관리하고 완료율, 재시도 횟수, 성공한 작업당 비용으로 개선을 평가합니다.
오류와 실행 환경을 바탕으로 AI 에이전트가 실패하거나 같은 작업을 반복하는 원인을 조사합니다. 작은 복구 작업을 시험하고 결과와 근거를 인계용 보고서로 정리합니다.
AI 에이전트의 반복 실패와 도구 사용을 기록하고 원인을 좁힙니다. 영향이 제한된 복구 작업과 결과 보고를 통해 근거 있는 재시도를 돕습니다.