Learning Opportunities: AI 보조 코딩 중 의도적인 학습을 끼워 넣는 Claude/Codex 스킬

9bow · 5월 18, 2026, 9:30오후

Learning Opportunities 소개

Learning Opportunities는 Anthropic의 Claude Code와 OpenAI의 Codex CLI에서 동작하는 스킬(Skill)로, 에이전트 기반 코딩(Agentic coding) 도중에 사용자가 의도적으로 자신의 학습을 점검하고 보강할 수 있도록 돕는 도구입니다. 단순히 코드 생성을 빠르게 만들어 주는 일반적인 보조 도구와 달리, "AI가 코드를 잘 만들어 주는 환경 속에서 사용자의 전문성(Expertise)이 어떻게 유지·확장될 수 있는가"라는 질문에 정면으로 답하려는 시도입니다. 저자인 Dr. Cat Hicks는 소프트웨어 팀과 기술 작업을 연구해 온 심리과학자(Psychological scientist)이며, 자신의 발달 과정 연구(Developer Thriving), AI 스킬 위협(AI Skill Threat) 연구에서 얻은 결과를 그대로 스킬 디자인의 토대로 사용하고 있습니다.

작동 방식은 직관적입니다. 사용자가 새 파일·모듈을 만들거나, 데이터베이스 스키마를 바꾸거나, 아키텍처 리팩터링·익숙하지 않은 패턴 구현처럼 "잠시 멈추기 좋은 지점"에 도달하면, Claude(또는 Codex)가 "10~15분 정도의 간단한 학습 연습을 해보시겠어요?"라고 권유합니다. 사용자가 수락하면 예측·생성·검색·되짚기와 같은 학습과학적(Learning-science-based) 기법을 순서대로 적용하는 짧은 연습이 시작되고, 사용자가 직접 응답을 적기 전까지 Claude가 답을 먼저 꺼내지 않도록 설계되어 있습니다. 즉 "정답을 한 번에 떠먹여 주려는 LLM의 디폴트 성향"을 의도적으로 깎아 내는 방향으로 프롬프트가 설계되어 있습니다.

Learning Opportunities 스킬 자체는 마크다운으로 작성된 SKILL.md와 보조 자료로 구성되어 있으며, GitHub 저장소가 곧 Claude Code와 Codex의 플러그인 마켓플레이스 역할을 합니다. 같은 저장소에는 코어 스킬인 learning-opportunities, 커밋 후 자동 권유를 담당하는 learning-opportunities-auto, 새 저장소를 효율적으로 둘러볼 수 있도록 도와주는 orient 스킬이 함께 들어 있습니다. 라이선스는 CC BY 4.0이라 학습 콘텐츠와 측정 문항을 자신의 팀에 맞게 자유롭게 수정·확장할 수 있습니다.

Learning Opportunities가 다루는 학습 위험

스킬이 해결하려는 문제 의식은 매우 구체적입니다. README는 AI 보조 코딩 환경이 사용자의 학습에 끼치는 다섯 가지 위험을 정리하고 있으며, 각 위험은 인지심리학과 학습과학에서 잘 알려진 효과에 기반합니다.

생성 효과(Generation effect) 약화: AI가 만들어 준 코드를 그대로 수용하다 보면 직접 코드를 떠올리고 작성하는 과정이 줄어들어, 이해를 형성하는 능동적 처리가 누락됩니다.
유창성 착각(Fluency illusion): 깔끔한 생성 코드는 실제보다 더 잘 이해되었다고 느끼게 만들고, 검색으로 쉽게 얻은 지식은 "이미 안다"는 착각을 강화합니다.
간격 효과(Spacing effect)의 상실: 기계 속도에 맞춰 계속 새로운 코드를 찍어내다 보면 장기 기억에 필요한 간격을 둔 반복(Spaced repetition)이 사라집니다.
메타인지(Metacognition) 약화: 빠른 워크플로에서는 자신의 학습 상태와 상대적 전문성 수준을 점검할 여유가 줄어듭니다.
테스팅과 검색 연습 부족: 에이전트가 항상 완전한 답을 주려는 경향이 있어, 사용자가 스스로 자기 시험(Self-testing)으로 기억을 강화할 기회가 줄어듭니다.

SKILL.md는 이 다섯 가지 위험에 대해 "능동적 생성, 검색 연습(Retrieval practice), 의도적인 휴지(Deliberate pause), 명시적 메타인지"라는 네 가지 카운터 전략을 다시 흐름 속으로 끼워 넣도록 설계되어 있습니다. 즉 사용자가 빠르게 코드를 받아 쓰는 워크플로를 통째로 부수지 않고, 적절한 지점에서만 잠시 "다른 모드"로 전환하도록 유도합니다.

Learning Opportunities의 동작 흐름과 연습 유형

기본 트리거는 사용자가 어떤 작업을 "큰 작업"으로 정의했는지에 달려 있습니다. 새 파일·모듈 생성, 스키마 변경, 아키텍처 결정·리팩터링, 익숙하지 않은 패턴 구현, "왜?"라는 질문이 자주 나온 작업 등이 권장되는 트리거이며, 각 트리거는 사용자의 평소 작업 흐름에 맞춰 조정할 수 있습니다. 트리거가 감지되면 Claude는 다음과 같이 묻습니다.

"Would you like to do a quick learning exercise on [topic]? About 10-15 minutes."

연습 종류는 학습과학에서 검증된 기법을 그대로 매핑한 여섯 가지로 구성됩니다.

예측 → 관찰 → 회고(Prediction → Observation → Reflection): 이 코드가 어떻게 동작할 것 같은지 먼저 예측하고, 실제 결과를 확인한 뒤 어떤 점이 놀라웠는지를 정리합니다.
생성 → 비교(Generation → Comparison): 구현을 보기 전에 자신만의 접근법을 먼저 스케치한 다음, Claude가 만든 코드와 비교합니다.
경로 추적(Trace the path): 실행 흐름을 단계별로 따라가며 각 전이를 미리 예측합니다.
디버깅(Debug this): 이 코드에서 무엇이 잘못될 수 있는지, 그 이유는 무엇인지 스스로 답합니다.
되짚기(Teach it back): 새 동료에게 온보딩하듯 컴포넌트를 설명해 봅니다.
검색 체크인(Retrieval check-in): 다음 세션을 시작할 때 지난 세션의 내용을 얼마나 떠올릴 수 있는지 점검합니다.

또한 사용자가 한 세션에서 학습 연습을 한 번 거절했거나, 이미 두 번 완료한 경우에는 더 이상 권유가 뜨지 않도록 설계되어 있어 워크플로를 과도하게 끊지 않습니다. 이런 억제 조건은 사용자 정의로 바꿀 수 있으며, README도 자신의 작업 스타일에 맞춰 트리거와 억제 조건을 모두 자유롭게 조정하라고 권장합니다.

Learning Opportunities의 설치 및 사용법

Claude Code에 설치하려면 저장소를 마켓플레이스로 추가한 뒤 플러그인을 설치합니다. Claude Code를 재시작하면 학습 연습 권유 흐름이 활성화됩니다.

# Claude Code
/plugin marketplace add https://github.com/DrCatHicks/learning-opportunities.git
/plugin install learning-opportunities@learning-opportunities
# Claude Code 재시작 후 활성화

Codex CLI에서도 같은 저장소를 마켓플레이스로 등록할 수 있으며, learning-opportunities, learning-opportunities-auto, orient 세 가지 스킬이 함께 포함되어 있습니다.

# Codex
codex plugin marketplace add https://github.com/DrCatHicks/learning-opportunities.git

선택적으로 learning-opportunities-auto를 함께 설치하면 git 커밋 직후 Claude가 학습 연습 권유 여부를 자동으로 고려하도록 만들 수 있습니다. Linux와 macOS에서는 별도 설정 없이 동작하고, Windows에서는 README의 추가 안내에 따라 한 번의 셋업이 필요합니다. 또한 새로운 저장소에 적응해야 할 때는 orient 스킬을 통해 핵심 파일과 모듈을 빠르게 식별하는 orientation.md를 생성한 뒤, 다음과 같이 그 결과를 학습 연습으로 이어 갈 수 있습니다.

/plugin install orient@learning-opportunities
/orient
/learning-opportunities orient

추가로 README는 팀 단위 도입을 염두에 둔 가벼운 사전·사후 측정 플레이북(MEASURE-THIS.md)도 함께 제공합니다. 저자 본인의 동료 평가(Peer-reviewed) 연구에서 검증된 Developer Thriving·AI Skill Threat 설문 문항을 그대로 Google Form이나 팀 채널에 옮길 수 있는 형태로 정리해 두었으며, 결과 해석 시 분산(Variance)을 평균만큼 중시해야 한다는 가이드라인과, Claude로 분석할 때 흔한 통계 오류를 피하기 위한 Claude.md 넛지(Nudge)도 포함되어 있습니다.

라이선스

Learning Opportunities는 Creative Commons Attribution 4.0 International(CC BY 4.0) 라이선스로 공개되어 있어 개인 및 상업적 목적으로 자유롭게 사용·수정·재배포할 수 있으나, 원저자(Dr. Cat Hicks 등)에 대한 적절한 출처 표기(Attribution)가 필요합니다. 동반 측정 문항은 CC BY-SA 4.0(Share-Alike)으로 별도 공개되어 있으므로, 측정 문항을 변형해 재배포할 때는 동일한 라이선스를 유지해야 한다는 점만 추가로 확인하면 됩니다.

Learning Opportunities 프로젝트 GitHub 저장소

저자(Dr. Cat Hicks)의 뉴스레터: Fight for the Human

더 읽어보기

이 글은 GPT 모델로 정리한 글을 바탕으로 한 것으로, 원문의 내용 또는 의도와 다르게 정리된 내용이 있을 수 있습니다. 관심있는 내용이시라면 원문도 함께 참고해주세요! 읽으시면서 어색하거나 잘못된 내용을 발견하시면 덧글로 알려주시기를 부탁드립니다.

파이토치 한국 사용자 모임이 정리한 이 글이 유용하셨나요? 회원으로 가입하시면 주요 글들을 이메일로 보내드립니다! (기본은 Weekly지만 Daily로 변경도 가능합니다.)

아래쪽에 좋아요를 눌러주시면 새로운 소식들을 정리하고 공유하는데 힘이 됩니다~