코어 스킬 팩 설치하기

에이전트가 실행 중입니다. 이제 첫 번째 실제 작업을 부여해 봅시다. BALIA OS에는 즉시 배포 가능한 세 가지 기본 스킬이 포함되어 있습니다.

스킬	역할
lightpanda	빠른 웹 검색 및 스크래핑
summarize	긴 텍스트 또는 웹 페이지 자동 요약
clawsec	보안 모니터링 및 새 스킬 격리

섹션 4에서 설치 프로그램을 이미 다운로드했다면 바로 사용할 수 있습니다. (아직 안 했다면 섹션 4로 돌아가서 install_core_pack.py를 먼저 다운로드하세요.)

에이전트에게 실행 지시

이것을 VS Code 터미널에 붙여넣고 Enter 키를 눌러 실행하세요.

openclaw agent --agent security-guardian "다음을 실행해 주세요:
python install_core_pack.py --lang ko
(The token will be read automatically from your .env file)
완료되면 Discord에 보고해 주세요."

에이전트가 자율적으로:

1. 토큰 인증
2. 코어 스킬 팩 (lightpanda / summarize / clawsec) 다운로드
3. ~/.opengoat/skills/ 에 배포
4. _SKILL_INDEX.md 업데이트
5. Discord에 "코어 스킬 팩 설치 완료" 보고

를 수행합니다.

Discord 확인 메시지를 받으면 아래로 계속하세요.

---

스킬과 Cassette란 무엇인가

에이전트들이 활성화되었습니다. 정체성도 있고, 보고 절차도 있으며, Discord 채널도 갖추고 있습니다. 하지만 지금 이 시점에서 에이전트들은 자신이 어떤 도메인에서 일하는지 알지 못합니다. 레스토랑을 운영하는 것인지, 트레이딩 업무를 수행하는 것인지, 아니면 법률 사무소를 지원하는 것인지 모릅니다.

스킬은 여러분이 직접 작성해서 에이전트에게 제공하는 지식 파일입니다. 각 스킬은 에이전트에게 특정 작업을 수행하는 방법을 알려줍니다 — 예약을 관리하는 방법, 손익 보고서를 생성하는 방법, SNS 게시물을 작성하는 방법 등입니다. 에이전트에게 더 많은 스킬을 부여할수록 에이전트가 할 수 있는 일도 늘어납니다.

Cassette는 하나의 주제를 중심으로 묶인 스킬 폴더입니다. 이는 하나의 운영 모드를 나타냅니다. 레스토랑 운영자라면 restaurant-ops cassette를 가질 수 있습니다. 콘텐츠 크리에이터라면 youtube cassette와 social-media cassette를 가질 수 있습니다. 같은 에이전트가 그날 무엇을 처리해야 하느냐에 따라 cassette 간에 전환할 수 있습니다.

Cassette 시스템은 모드 기반으로 작동합니다. 단 하나의 파일 — ACTIVE_MODE.txt — 이 모든 에이전트에게 현재 활성화된 cassette를 알려줍니다. 모드를 전환할 때는 이 파일을 업데이트하면 됩니다. 에이전트는 세션 시작 시 이 파일을 읽고 올바른 스킬을 자동으로 불러옵니다.

즉, 이렇게 작동합니다:

• 오늘: ACTIVE_MODE.txt에 youtube가 적혀 있음 → 에이전트가 YouTube 스킬 로드
• 내일: trade로 변경 → 에이전트가 트레이딩 스킬 로드
• 에이전트는 변하지 않습니다. 모드가 바뀌는 것입니다.

다음 주에 다시 youtube로 전환하면, 에이전트는 정확히 중단된 지점에서 다시 시작합니다 — LIVE_LEDGER에 진행 상황이 기록되어 있고, KNOWLEDGE에는 학습한 내용이 담겨 있습니다. 각 모드는 독립적으로 자체 메모리를 유지합니다.

---

Cassette 폴더 구조

INFO

~/.opengoat/workspace-[agentid]/ └── cassettes/ ├── ACTIVE_MODE.txt ← 단 한 단어: 활성 모드 이름 ├── archive/ ← LIVE_LEDGER와 KNOWLEDGE 오버플로우 ├── youtube/ │ ├── SKILL_YOUTUBE.md ← 이 모드의 스킬 │ ├── WORKFLOW_YOUTUBE.md ← 단계별 절차 │ ├── LIVE_LEDGER_YOUTUBE.md ← 진행 상황, 다음 작업 (매 세션 업데이트) │ └── KNOWLEDGE_YOUTUBE.md ← 누적 학습 내용 (매 세션 업데이트) ├── restaurant-ops/ │ ├── SKILL_RESTAURANT.md │ ├── WORKFLOW_RESTAURANT.md │ ├── LIVE_LEDGER_RESTAURANT.md │ └── KNOWLEDGE_RESTAURANT.md └── trade/ ├── SKILL_TRADE.md ├── WORKFLOW_TRADE.md ├── LIVE_LEDGER_TRADE.md └── KNOWLEDGE_TRADE.md

ACTIVE_MODE.txt에는 단 하나의 단어 — 활성 cassette 폴더의 이름 — 만 들어갑니다. 예를 들면:

youtube

세션 시작 시, 각 에이전트는 ACTIVE_MODE.txt를 읽고 해당 폴더에서 SKILL, WORKFLOW, LIVE_LEDGER, KNOWLEDGE 네 가지 파일을 모두 불러옵니다. LIVE_LEDGER는 지난 세션에서 어디까지 했는지 알려주고, KNOWLEDGE는 해당 도메인에서 지금까지 학습한 모든 내용을 제공합니다.

세션 종료 시, 에이전트는 LIVE_LEDGER(진행 상황, 다음 작업)와 KNOWLEDGE(새로 학습한 패턴)를 업데이트합니다. 어느 파일이든 800줄을 초과하면 RECENT 섹션이 archive/로 이동됩니다 — SUMMARY와 PINNED 섹션은 항상 상단에 유지됩니다.

정기 작업(예: 일일 상태 점검이나 야간 보고서)은 모드에 관계없이 실행됩니다 — 이는 cassette가 아닌 에이전트의 AGENTS.md에 정의됩니다.

---

AI 엔진 선택하기

Cassette 유형에 따라 가장 잘 맞는 AI 모델이 다릅니다. Cassette를 구성할 때 한 번만 설정하면 됩니다.

Cassette 유형	권장 엔진	이유
암호화폐 트레이딩 / 시장 분석	Claude	논리적 추론, 패턴 분석, 정밀한 판단
코딩 / 기술 자동화	Claude	코드 품질, 디버깅, 다단계 로직
법률 리서치 / 계약 검토	Claude	신중한 추론, 정밀한 언어 처리
재무 / 회계 / 보고	Claude	구조적 분석, 정확한 계산
Google Sheets / Docs / NotebookLM / Drive	Gemini	Google 서비스 기본 통합
YouTube / 영상 콘텐츠	Gemini	영상 직접 분석, YouTube Studio 통합
Gmail / 캘린더 자동화	Gemini	Google Workspace 심층 통합
영업 / 아웃리치 / 카피라이팅	GPT-4o	자연스러운 대화, 이메일 생성
다국어 커뮤니케이션	GPT-4o 또는 Gemini	강력한 다국어 성능
이커머스 / 상품 리서치	Claude 또는 GPT-4o	리서치 깊이, 구조화된 출력

Claude가 여러분의 사용 사례에 적합하다면 이미 준비가 된 것입니다 — 섹션 3에서 이미 설정되었습니다.

Gemini나 GPT-4o의 경우, .env 파일에 API 키를 추가해야 합니다. 아래 AI 컨시어지의 7단계에서 안내합니다.

---

산업별 스킬 아이디어

어떤 스킬을 만들어야 할지 모르겠다면? 사용 사례별 출발점을 소개합니다.

레스토랑 / 식음료

• 예약 관리 및 일일 스케줄링
• 공급업체 주문 추적 및 재고 알림
• 고객 SNS 게시물 작성 (오늘의 메뉴, 이벤트)
• 리뷰 모니터링 및 답변 초안 작성
• 주간 매출 요약

이커머스 / 실물 상품

• 상품 등록 문구 생성
• 경쟁사 가격 모니터링
• 주문 현황 요약
• 고객 문의 답변 초안 작성
• 월간 매출 보고

콘텐츠 크리에이터 / 유튜버

• 제목 및 썸네일 아이디어 생성
• 스크립트 개요 초안 작성
• 업로드 일정 관리
• 성과 지표 요약
• 커뮤니티 댓글 답변 초안 작성

프리랜서 / 컨설턴트

• 클라이언트 커뮤니케이션 초안 작성
• 프로젝트 진행 상황 보고
• 인보이스 추적 및 후속 조치
• 계약 조항 검토 (비정상적인 조항 플래그 처리)
• 작업 시간 로그 요약

소규모 비즈니스 / 일반

• 일일 운영 요약
• 직원 커뮤니케이션 초안 작성
• 법률 질문 사전 검토 (변호사 상담이 필요한 항목 플래그 처리)
• 영수증 및 기록으로 재무 요약 작성
• 공급업체 커뮤니케이션 관리

여러분의 업종이 목록에 없나요? 괜찮습니다 — 이 섹션의 AI 컨시어지가 여러분의 팀이 실제로 해야 할 일을 바탕으로 스킬을 처음부터 정의하는 데 도움을 드립니다.

---

이 섹션의 진행 방식

아래의 AI 컨시어지 프롬프트를 활용하여 다음을 수행하세요:

1. 에이전트가 매일 해야 할 일 정의
2. 시작할 cassette 이름과 모드 결정
3. 적합한 AI 엔진 선택
4. SKILL 및 WORKFLOW 파일 생성
5. ACTIVE_MODE.txt 플래그 설정
6. 에이전트가 올바른 모드를 로드하는지 테스트

프롬프트를 Claude, ChatGPT, 또는 Gemini에 붙여넣으세요. 섹션 2의 팀 설계 문서를 첨부하세요.

---

▶ 이것을 AI에 붙여넣어 시작하세요

전송 전에 팀 설계 문서를 첨부하세요.

You are helping me build Skills and a Cassette for BALIA OS —
a multi-agent AI operating system.

I have attached my Team Design Document. Read it before we begin
so you know my agent names, roles, and workspace structure.

CONCEPT TO UNDERSTAND BEFORE WE START:

Skills are knowledge files I write and give to my agents.
Each skill teaches an agent how to do a specific task.

A Cassette is a folder of skills, bundled around a theme (a mode).
My agents can switch between cassettes depending on what they 
need to work on.

The cassette system is mode-based. One file — ACTIVE_MODE.txt —
tells every agent which cassette is currently active.

Folder structure:
~/.opengoat/workspace-[agentid]/
  cassettes/
    ACTIVE_MODE.txt              ← active mode name (one word)
    archive/                     ← overflow for LIVE_LEDGER and KNOWLEDGE
    [mode-name]/
      SKILL_[MODENAME].md        ← skills for this mode
      WORKFLOW_[MODENAME].md     ← procedures for this mode
      LIVE_LEDGER_[MODENAME].md  ← progress, next actions (updated every session)
      KNOWLEDGE_[MODENAME].md    ← accumulated learning (updated every session)

At session start, each agent:
1. Reads ACTIVE_MODE.txt
2. Loads SKILL, WORKFLOW, LIVE_LEDGER, and KNOWLEDGE from that folder
3. Resumes from where LIVE_LEDGER says they left off
4. Applies accumulated learning from KNOWLEDGE
5. Operates in that mode for the session

At session end, the agent:
1. Updates LIVE_LEDGER (progress, next task)
2. Updates KNOWLEDGE (new patterns learned)
3. If either file exceeds 800 lines: moves RECENT section to archive/
   SUMMARY and PINNED always stay at the top

Scheduled tasks run regardless of mode — they are in AGENTS.md.

Guide me step by step. Ask one question at a time.
Wait for my answer before moving on.

STEP 1 — What I want my team to do
Ask me: "Describe what you want your AI team doing for you every day.
Don't think about how — just describe the output you want
and the work you want done."

Help me turn my answer into a list of at least 5 specific,
recurring tasks. Ask follow-up questions until we have
concrete tasks with a clear schedule (daily, weekly, on-demand).

STEP 2 — Map tasks to agents
Read my Team Design Document.
Match each task to the most appropriate agent based on their role.
Show me the mapping: "Task → Agent"
Ask: "Does this feel right? Anything you'd move?"

STEP 3 — Name the cassette (mode)
Based on the tasks, suggest a cassette name — the mode name
(short, lowercase, hyphens: e.g. restaurant-ops, youtube, trade).
This becomes the folder name and the value in ACTIVE_MODE.txt.
Ask me to confirm or suggest a different name.

STEP 4 — Choose the AI engine
For each agent with tasks mapped, recommend the best engine:

- Claude: logic, analysis, coding, legal, finance, crypto
- Gemini: Google services (Sheets, Docs, Drive, Gmail, Calendar,
  YouTube Studio, NotebookLM) — anything in the Google ecosystem
- GPT-4o: sales emails, outreach, copywriting, natural conversation

Explain your reasoning in one sentence per agent.
If all tasks work well with Claude, confirm no extra API keys needed.
If Gemini or GPT-4o needed, note it — we handle the key in Step 7.

Ask me to confirm before moving on.

STEP 5 — Generate SKILL_[MODENAME].md
Generate the skill file using this structure:

---
# SKILL_[MODENAME].md
Mode: [mode-name]
Version: 1.0
Last Updated: [today's date]
Primary Agent: [agent name]
AI Engine: [engine]

## What This Mode Does
[2-3 sentences: what domain this covers, what it produces]

## Skills in This Mode
[Bullet list of specific skills — what the agent knows how to do]

## Tools Available
[List tools usable in this mode: web search, file read/write,
Discord reporting, API calls, Google services, etc.]

## Operating Rules
1. Read ACTIVE_MODE.txt at session start. If it says [mode-name],
   load this file, WORKFLOW_[MODENAME].md, LIVE_LEDGER_[MODENAME].md,
   and KNOWLEDGE_[MODENAME].md immediately.
2. Resume work from where LIVE_LEDGER says you left off.
3. Apply patterns and lessons from KNOWLEDGE before starting tasks.
4. [Key rule specific to this domain]
5. [Key rule specific to this domain]
6. Report all completed tasks to Discord before ending session.
7. Never act outside this mode's scope without Commander approval.
8. Save all outputs to cassettes/[mode-name]/outputs/

## Session End Rules
At the end of every session, update both memory files:

LIVE_LEDGER_[MODENAME].md:
- SUMMARY: refresh the 3-5 line overview at the top
- CURRENT: update with today's progress and the next task
- RECENT LOG: append this session's activity
- If over 800 lines: move RECENT LOG to archive/

KNOWLEDGE_[MODENAME].md:
- SUMMARY: refresh the overview at the top
- PATTERNS: add any new success or failure patterns discovered today
- RECENT: append today's learnings
- If over 800 lines: move RECENT to archive/

## What This Mode Does NOT Handle
[Specific boundaries — what's out of scope for this mode]

## Output Format
[What the agent produces: reports, files, Discord messages, etc.]
---

Show it completely. Ask if anything needs adjustment.

STEP 6 — Generate WORKFLOW_[MODENAME].md
Generate the workflow file using this structure:

---
# WORKFLOW_[MODENAME].md
Mode: [mode-name]
Version: 1.0
Last Updated: [today's date]

## Mode Activation (Every Session Start)
1. Read cassettes/ACTIVE_MODE.txt — confirm it says [mode-name]
2. Load SKILL_[MODENAME].md
3. Read LIVE_LEDGER_[MODENAME].md — resume from last session
4. Read KNOWLEDGE_[MODENAME].md — apply accumulated learning
5. Report to Discord: "📦 Mode: [mode-name] active. Resuming: [current task from LIVE_LEDGER]."

## Task Procedures