Learning Opportunities는 AI 보조 코딩 중 사용자의 기술 학습이 약해지는 문제를 다루는 Claude Code·Codex 스킬이다. 새 파일, 아키텍처 결정, 리팩터링처럼 학습 가치가 큰 작업이 끝난 뒤 10~15분짜리 예측·회상·설명·반성 과제를 제안해 “프로젝트는 빨리 만들었지만 이해는 얕은” 상태를 줄이는 것이 목표다.
배경 문제
AI 코딩 도구는 생산 속도를 높이지만 다음 학습 리스크를 만든다.
- 생성 효과 감소: 사용자가 직접 설계·생성해 보는 시간이 줄어든다.
- 유창성 착각: 깨끗한 생성 코드를 이해했다고 느끼지만 실제 설명은 못 할 수 있다.
- 간격 효과 손실: 긴 생산 세션이 반복되며 복습과 회상이 빠진다.
- 메타인지 약화: 무엇을 아는지, 무엇을 모르는지 점검할 틈이 없다.
- 회상 연습 부족: 에이전트가 답을 바로 주기 때문에 사용자가 기억에서 꺼내 보는 기회가 줄어든다.
Learning Opportunities는 이 지점에 의도적 멈춤을 넣는다.
제공하는 학습 과제
| 유형 | 방식 |
|---|---|
| Prediction → Observation → Reflection | 먼저 예상하고 실행 결과를 본 뒤 차이를 반성 |
| Generation → Comparison | 직접 접근을 스케치한 뒤 구현과 비교 |
| Trace the path | 실행 흐름을 단계별로 추적 |
| Debug this | 어떤 문제가 생길지 예측 |
| Teach it back | 새 팀원에게 설명하듯 정리 |
| Retrieval check-in | 지난 세션에서 기억나는 것을 먼저 회상 |
중요한 설계는 에이전트가 바로 답을 제공하지 않고 사용자의 입력을 기다린다는 점이다. AI 코딩의 “완성 답변” 습관과 반대로, 사용자의 인지적 노력을 의도적으로 요구한다.
Codex 설치
이 저장소는 Codex plugin marketplace로도 배포된다.
codex plugin marketplace add https://github.com/DrCatHicks/learning-opportunities.git포함 구성은 다음과 같다.
learning-opportunities— 핵심 학습 과제 스킬learning-opportunities-auto— commit 이후 자동 제안 hookorient— 새 저장소를 학습하기 위한 orientation 생성기
사용 대상
- AI 코딩 속도는 얻고 싶지만 실력 축적을 놓치고 싶지 않은 개발자
- 낯선 언어·프레임워크 프로젝트를 에이전트와 함께 만드는 사용자
- 팀 차원에서 AI 도구 도입이 학습 문화에 주는 영향을 실험하려는 리더
- agent-skills를 업무 자동화뿐 아니라 학습 설계에도 쓰고 싶은 사용자
관련 문서
- agent-skills — AI 에이전트 스킬 시스템 개요
- awesome-agent-skills — 에이전트 스킬 큐레이션
- claude-code-tips-skills-folder —
.claude/skills/폴더 활용법
참고 자료
- DrCatHicks/learning-opportunities — GitHub 공식 저장소