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

**URL:** <https://discuss.pytorch.kr/t/learning-opportunities-ai-claude-codex/10239>\
**Category:** 읽을거리&정보공유\
**Tags:** claude-code, skill-development, learning-opportunities, developer-thriving, learning-science, codex, opensource\
**Created:** [5월 18, 2026, 9:30오후 UTC](https://discuss.pytorch.kr/t/learning-opportunities-ai-claude-codex/10239 "2026-05-18T21:30:11Z")\
**Posts on this page:** 1\
**Page:** 1

<div class="post-metadata">

**Author:** ![9bow](https://discuss.pytorch.kr/user_avatar/discuss.pytorch.kr/9bow/32/16301_2.png) [@9bow](https://discuss.pytorch.kr/u/9bow)\
**Post date:** [5월 18, 2026, 9:30오후 UTC](https://discuss.pytorch.kr/t/learning-opportunities-ai-claude-codex/10239/1 "2026-05-18T21:30:11Z")

</div>

![Learning Opportunities: AI 보조 코딩 중 의도적인 학습을 끼워 넣는 Claude/Codex 스킬](https://discuss.pytorch.kr/uploads/default/original/3X/4/1/41e244c6137921d610b5df797b65d74e32780d49.png)

## Learning Opportunities 소개

**Learning Opportunities** 는 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 도구** 입니다. 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.md`와 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.md`는 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.

```plaintext
# 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.

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

```

선택적으로 `learning-opportunities-auto`를 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.md`를 생성한 뒤, 다음과 같이 그 결과를 학습 연습으로 이어 갈 수 있습니다.

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

```

추가로 README는 팀 단위 도입을 염두에 둔 가벼운 사전·사후 측정 플레이북([MEASURE-THIS.md](https://github.com/DrCatHicks/learning-opportunities/blob/main/learning-opportunities/docs/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 필요**합니다. 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.

## :github: Learning Opportunities 프로젝트 GitHub 저장소

> **[GitHub - DrCatHicks/learning-opportunities: A Claude or Codex skill for deliberate skill...](https://github.com/DrCatHicks/learning-opportunities)**
>
> A Claude or Codex skill for deliberate skill development during AI-assisted coding

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

> **[Fight for the Human](https://www.fightforthehuman.com/)**
>
> A compass for rehumanizing tech

## 더 읽어보기

- [Anthropic, Claude에 업무 방식과 조직 환경에 맞게 직접 커스터마이징할 수 있는 Claude Agent용 Skills 기능 출시](https://discuss.pytorch.kr/t/anthropic-claude-claude-agent-skills/7979)

- [Book-to-SKILL: 기술 서적 PDF나 EPUB을 Claude Code 스킬로 변환해 작업 중에 바로 활용하는 도구](https://discuss.pytorch.kr/t/book-to-skill-pdf-epub-claude-code/10094)

- [Hugging Face Skills: 코딩 에이전트에게 AI/ML 전문 지식을 부여하고 AI 워크플로우 자동화를 위한 스킬 모음 (feat. ACP)](https://discuss.pytorch.kr/t/hugging-face-skills-ai-ml-ai-feat-acp/9071)

- [Awesome Android Agent Skills: AI 코딩 어시스턴트를 위한 안드로이드 개발 스킬 모음](https://discuss.pytorch.kr/t/awesome-android-agent-skills-ai/8901)

- [[GN⁺] Vibe coding과 agentic engineering이 내가 원하는 것보다 더 가까워지고 있다 (feat. django 창시자 Simon Willison)](https://discuss.pytorch.kr/t/gn-vibe-coding-agentic-engineering-feat-django-simon-willison/10158)

- [[GN] AI 시대에 기술 쇠퇴를 피하는 방법](https://discuss.pytorch.kr/t/gn-ai/6876)

* * *

_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._ 🤗

[:pytorch:파이토치 한국 사용자 모임🇰🇷](https://pytorch.kr/)이 정리한 이 글이 유용하셨나요? [회원으로 가입](https://discuss.pytorch.kr/signup)하시면 주요 글들을 이메일💌로 보내드립니다! (기본은 Weekly지만 [Daily로 변경도 가능](https://discuss.pytorch.kr/my/preferences/emails)합니다.)

🎁 아래↘쪽에 좋아요👍를 눌러주시면 새로운 소식들을 정리하고 공유하는데 힘이 됩니다~ 🤩