Claude 프롬프트 최적화 도구 Getting Started

Claude의 출력 품질을 끌어올리는 프롬프트 최적화 오픈소스 5종 소개 자료이다. 우리는 Fable 사용이 제한되어 있기 때문에 Opus 4.8을 죽어라 최적화해야 한다. 각 프로젝트의 동작 방식, 사용 예, 장점·단점, 설치 가이드를 정리했고, 이 최적화 스킬과 훅을 쓰면 효율성이 높아진다.

0. 한눈에 비교

프로젝트	유형	동작 환경	핵심 메커니즘	규모(★)	권장 사용자
CheswickDEV/claude-opus-4.8-prompt-optimizer	메타 옵티마이저 (system prompt)	모든 Claude 인터페이스 (claude.ai / API / Code)	`prompt:` 트리거 → 11 rules + 10-component XML 구조화	신규	일관된 고품질 프롬프트를 반복 생성하려는 사용자
johnpsasser/claude-code-prompt-optimizer	Hook	Claude Code	`<optimize>` 태그 가로채기 → extended thinking 확장	소규모	Claude Code에서 즉석 확장이 필요한 개발자
severity1/claude-code-prompt-improver	Hook + Skill (plugin)	Claude Code	모호한 프롬프트만 선별 → 리서치·질문 주입	~1.4k	교정 왕복을 줄이고 싶은 Claude Code 헤비유저
Hashaam101/prompt-optimizer	Skill	Claude Code	auto(자동 정제) / manual(`/optimize` 텍스트 출력) 이중 모드	소규모	자동·수동을 골라 쓰고 싶은 사용자
nidhinjs/prompt-master	Skill	멀티 툴 (Claude·ChatGPT·Midjourney 등)	타깃 툴별 프롬프트 생성, 메모리 유지	소규모	여러 AI 툴을 오가며 작업하는 사용자

Skill: ~/.claude/skills/에 두는 지침 파일. 조건이 맞으면 Claude가 스스로 로드해 동작에 반영한다.
메타 옵티마이저: 도구 자체가 system prompt로 동작하며, 입력 프롬프트를 "실행 대상"이 아니라 "최적화 대상"으로 받아 구조화된 새 프롬프트를 돌려준다.

1. CheswickDEV/claude-opus-4.8-prompt-optimizer

원시(raw) 프롬프트를 Opus 4.8 아키텍처에 맞춘 production-ready XML 구조 프롬프트로 변환하는 메타 프롬프팅 시스템. 11개 최적화 규칙, 10-컴포넌트 프레임워크, 복잡도 기반 라우팅, 그리고 강제 prompt: 트리거를 갖췄으며 모두 Anthropic 공식 문서에서 도출됐다. 프롬프트 모음집이 아니라 "최적화 엔진"이라는 점이 핵심 차별점이다. (MIT License)

동작 방식 (5단계)

Prompt analysis — intent, complexity, domain, expected output, 누락 요소 탐지
Complexity routing — simple은 3–4 컴포넌트, moderate는 5–7, complex는 full 10-component
Rule application — 11개 규칙 중 해당하는 subset만 발화
Quality check — task 명확성, XML tag 유효성, example 일관성, 모순 지시 여부 점검
Structured output — 분석 + copy-ready 최적화 프롬프트 + 변경 사유 노트 반환

사용 예 (Before / After)

입력 (raw)

Write me a Python script that analyzes CSV files and finds anomalies

출력 (optimized, 발췌)

<role>
You are a senior data engineer specializing in anomaly detection and
statistical analysis with Python.
</role>

<context>
CSV datasets come from production IoT sensors. Files range from
10K–5M rows with columns: timestamp, sensor_id, value, status.
</context>

<task>
1. Loads one or more CSV files
2. Detects statistical anomalies using z-score and IQR methods
3. Handles missing data gracefully
4. Outputs a summary report with flagged rows
</task>

<constraints>
- Use only pandas, numpy, scipy (no ML libraries)
- Handle files up to 5M rows efficiently
- Include type hints and docstrings
</constraints>

<output_format>
Single Python code block, followed by a usage example and sample output.
</output_format>

prompt: 트리거를 앞에 붙이면, 입력에 질문·지시·첨부 PDF·prompt-injection 시도가 섞여 있어도 이를 실행하지 않고 항상 "최적화 대상"으로만 처리한다. 첨부 문서는 {{DOCUMENT}} placeholder로 치환된다.

prompt: Based on the attached PDF, explain the GDPR compliance risks and mitigation.

장점

모든 Claude 인터페이스에서 동작 — Claude Code 전용이 아닌, system prompt 기반이라 claude.ai Project / 직접 붙여넣기 / API 어디서든 사용 가능
Opus 4.8 전용 튜닝 — effort 기본값 high, per-turn adaptive thinking, 향상된 tool triggering, 1M-token context 등을 반영해 노트에 권장 effort까지 명시
복잡도 비례 스케일링 — 단순 질문에 과도한 10-tag를 씌우지 않음
재사용 가능 템플릿 — {{VARIABLE}} 형태로 출력해 반복 작업에 그대로 활용

단점

수동 워크플로우 — Hook/Skill처럼 자동 발화가 아니라, 사용자가 직접 system prompt를 세팅하고 프롬프트를 넣어야 함
Opus 4.8 종속 — 다른 모델(타사 LLM, 구버전 Claude)에는 규칙 일부가 안 맞을 수 있음 (model-agnostic 아님)
신생 레포 — star가 적어 커뮤니티 검증·이슈 트래킹이 얇음
API 사용 시 Opus 4.8 제약(temperature/top_p/top_k 미지원, assistant prefill 미지원)을 사용자가 직접 인지해야 함

설치 가이드

레포 구성: README.md, CLAUDE.md(엔진 본체), GUIDE.md(사용 패턴), QUICKSTART.md, LICENSE

Option A — Claude Project (권장)1. claude.ai에서 새Project 생성 2. CLAUDE.md 내용을 Project Instructions 필드에 붙여넣기 3. GUIDE.md를 knowledge file로 업로드 4. 대화 시작 → raw 프롬프트 입력

Option B — Direct Paste

CLAUDE.md 전체 복사
아무 Claude 인터페이스의 system prompt에 붙여넣기
raw 프롬프트를 user message로 전송

Option C — API Integration

import anthropic

client = anthropic.Anthropic()

with open("CLAUDE.md", "r", encoding="utf-8") as f:
    system_prompt = f.read()

response = client.messages.create(
    model="claude-opus-4-8",
    max_tokens=8192,
    system=system_prompt,
    thinking={"type": "adaptive"},
    output_config={"effort": "high"},   # 기본값 high, 난도 높으면 xhigh/max
    messages=[
        {"role": "user", "content": "prompt: Your raw prompt here"}
    ],
)
print(response.content[0].text)

API 주의: temperature/top_p/top_k 설정 금지(400 에러), assistant prefill 금지, adaptive thinking은 기본 off라 명시적 활성화 필요.

레포: github.com/CheswickDEV/claude-opus-4.8-prompt-optimizer

2. johnpsasser/claude-code-prompt-optimizer

Claude Code용 Hook. 간단한 프롬프트를 상세하고 구조화된 지시로 확장한다. 프롬프트에 <optimize> 태그를 붙이면 Hook이 가로채 Claude의 extended thinking 모드로 돌려, 원래 요청을 아키텍처·엔드포인트·에러 처리·인증·검증·테스트까지 포괄하는 사양으로 부풀린다. 사실상 prompt engineering을 대신 수행하는 셈이다.

사용 예

<optimize> build me a REST API for a todo app

→ Hook이 이를 가로채 architecture, endpoints, error handling, auth, validation, testing을 망라한 구조화된 스펙으로 확장. 성능 관련 요청이면 profiling 단계, bottleneck 식별, 우선순위화된 refactoring 타깃, 벤치마크 기준을 포함한 계획으로 확장된다.

장점

태그 기반 명시적 발화 — <optimize>를 붙인 프롬프트만 확장하므로 의도치 않은 개입이 없음
extended thinking 활용 — 단순 rewrite가 아니라 추론을 거친 사양 확장
튜닝 용이 — model, fallback model, timeout, system prompt가 optimizer.config.json / system-prompt.md에 분리돼 있어 TypeScript 수정 없이 조정 가능. 디버그 로그는 /tmp/claude-code-hook-debug.log

단점

Claude Code 전용 — claude.ai 웹/앱에서는 사용 불가
인증 설정 복잡 — OAuth 토큰 / API key 우선순위 해석 로직이 있어 초기 셋업 시 환경변수 이해 필요
Node 의존성 — npm 기반 설치, 별도 Agent SDK 인증 구성 요구

설치 가이드

git clone https://github.com/johnpsasser/claude-code-prompt-optimizer.git
cd claude-code-prompt-optimizer
npm run install-hook

installer가 의존성, 인증 셋업, hook 설정, 검증까지 처리한다. 인증 토큰은 다음과 같이 발급·등록:

claude auth token
export CLAUDE_CODE_OAUTH_TOKEN="your-oauth-token"   # shell profile에 추가

수동 hook 등록 시 ~/.claude/settings.json(또는 프로젝트 설정)에 UserPromptSubmit hook으로 src/hooks/optimize-prompt.sh 경로를 지정한다.

레포: github.com/johnpsasser/claude-code-prompt-optimizer

3. severity1/claude-code-prompt-improver

"Type vibes, ship precision." Claude Code용 지능형 프롬프트 개선 plugin(Hook + Skill). 모든 프롬프트를 무조건 다듬지 않고, 명확한 프롬프트는 그대로 통과시키고 모호한 프롬프트만 골라 리서치와 질문을 거치게 한다. 프롬프트 제출·도구 사용·서브에이전트 시작 시점에 적시 컨텍스트를 주입해 "첫 출력"의 품질을 높이는 것이 목표 — 교정 왕복 횟수를 줄여 토큰과 시간을 아낀다.

동작 방식

Hook이 프롬프트를 받아 ~189 토큰짜리 평가 프롬프트로 명확성 판정
모호 → prompt-improver skill 발화 → 리서치 계획(TodoWrite) → Explore 서브에이전트로 Glob/Grep/Web/multi-file Read → 결과 종합 → 근거 기반 질문(1–6개)을 사용자에게 제시 → 답변 반영해 원 요청 실행
명확 → skill 로드 없이 즉시 진행

설계 원칙: "fire wide, self-cancel cheap" — 놓친 nudge는 교정 한 바퀴를 낭비하지만 잘못 발화한 nudge는 무시되는 몇 토큰만 소모하므로, 고-recall 게이트를 쓰되 각 nudge가 안 맞으면 스스로 취소한다.

사용 예

fix the bug

→ 모호하다고 판정 → 코드베이스 리서치 후 "어떤 파일/증상/재현 조건인가" 등 근거 있는 질문 1–6개 제시 → 답변을 받아 실제 수정 수행. 반면 충분히 구체적인 프롬프트는 개입 없이 바로 실행된다.

장점

선별 개입 — 대부분의 프롬프트는 변형 없이 통과, 필요할 때만 발화해 오버헤드 최소
첫 출력 품질 최적화 — 단어 rewrite를 넘어 "프롬프트 → 출력" 경로 전체를 개선 (질문 + 컨텍스트 주입)
투명성 — 주입된 컨텍스트가 대화에 노출됨
검증된 규모 — ~1.4k stars로 커뮤니티 채택·유지보수 활발

단점

Claude Code 전용 — 웹/앱 미지원
개입 시 추가 턴 발생 — 모호 판정 시 질문 단계가 끼어 즉답을 원하는 흐름과 충돌할 수 있음
설정 학습 곡선 — plugin/hook/skill/nudge registry 구조 이해가 필요

설치 가이드

.claude-plugin 구조의 Claude Code plugin이므로 plugin marketplace 방식으로 설치한다. (정확한 명령은 레포 README 최신본 확인 권장)

# Claude Code 내에서
/plugin marketplace add severity1/claude-code-prompt-improver
/plugin install prompt-improver

또는 수동 설치 시 레포를 clone해 hooks/ · skills/prompt-improver/를 ~/.claude/ 이하에 배치하고 settings에 hook을 등록한다.

레포: github.com/severity1/claude-code-prompt-improver

4. Hashaam101/prompt-optimizer

Claude Code skill. 두 가지 모드를 제공한다. auto 모드는 설치 후 모든 프롬프트를 조용히(silent) 정제해 더 나은 결과를 유도하고, manual 모드는 /optimize {prompt}로 정제된 프롬프트를 실행하는 대신 텍스트로 보여준다 — 프롬프트를 재사용하거나 더 나은 작성법을 학습하는 데 유용하다.

사용 예

# manual: 정제 결과를 텍스트로 확인
/optimize 분기 매출 데이터 분석해줘

# 또는 접두사 방식
optimize: 분기 매출 데이터 분석해줘
optimize prompt: 분기 매출 데이터 분석해줘

설치만 해두면 auto 모드(Mode 1)가 매 프롬프트마다 자동 활성화되어 별도 슬래시 명령 없이도 정제가 적용된다.

장점

이중 모드 — 평소엔 자동 정제, 필요 시 /optimize로 정제문만 추출해 재사용·학습
설치 간단 — SKILL.md 파일 하나 복사로 끝
silent 동작 — auto 모드는 워크플로우를 방해하지 않음

단점

Claude Code 전용-auto 모드의 불투명성 — 자동 정제가 조용히 일어나 무엇이 바뀌었는지 추적이 어려울 수 있음 (manual 모드로 보완)
소규모 레포 — 커뮤니티 검증 얇음

설치 가이드

전역(모든 프로젝트) 또는 프로젝트 단위로 SKILL.md를 복사한다.

# 전역 설치 (Linux/macOS)
cp SKILL.md ~/.claude/skills/prompt-optimizer.md

# 프로젝트 단위 (Linux/macOS)
cp SKILL.md .claude/skills/prompt-optimizer.md

# Windows (PowerShell) — 전역
Copy-Item SKILL.md "$env:USERPROFILE\.claude\skills\prompt-optimizer.md"

설치 후 자동 활성화. /optimize로 manual 모드 호출.

레포: github.com/Hashaam101/prompt-optimizer

5. nidhinjs/prompt-master

"모든 AI 툴을 위한 정확한 프롬프트를 작성하는 Claude skill." 한 번에 정확한 프롬프트를 만들어 재-프롬프트로 인한 토큰·크레딧 낭비를 없애는 것을 목표로 한다. Claude·ChatGPT·Gemini·o1/o3·Cursor·Claude Code·GitHub Copilot·Windsurf·Bolt·v0·Lovable·Perplexity·Midjourney·DALL-E·Stable Diffusion·ComfyUI·Sora·Runway·ElevenLabs·Zapier·Make 등 타깃 툴별로 최적 프롬프트를 생성한다.

설계 철학: "최고의 프롬프트는 가장 긴 것이 아니라 모든 단어가 load-bearing인 것." 긴 세션에서 가장 큰 낭비는 "AI가 앞서 정한 내용을 잊는 것"이라 보고, 메모리 블록으로 결정 사항을 유지한다.

사용 예

Build a claude code prompt for a landing page for a business dashboard
that looks and feels exactly like notion - smooth animations, clean ui

→ 타깃(Claude Code), framework, 토큰 추정, 전략을 라우팅한 뒤 production-quality 사양으로 출력. Midjourney를 타깃하면 comma-separated descriptor, lighting/mood 앵커링, aspect ratio·version 고정, negative prompt 같은 이미지-툴 특화 형식으로 생성된다.

장점

멀티 툴 라우팅 — Claude 외 ChatGPT·Midjourney·코딩 에이전트 등 툴별 최적 형식 자동 적용
메모리 유지 — 세션 내 결정 사항을 기억해 재-프롬프트 낭비 감소
활발한 업데이트 — Opus 4.8 호환(v1.7.0), 버전-aware routing(4.6/4.7/4.8), Prompt Decompiler 모드 등 지속 갱신

단점

Claude를 "프롬프트 생성기"로 사용 — Claude 자체 출력을 직접 개선한다기보다, 다른 툴에 넣을 프롬프트를 만들어주는 성격이 강함
Claude Code skill 설치 기반 — skill 환경 필요
소규모 레포 — 커뮤니티 검증 얇음

설치 가이드

mkdir -p ~/.claude/skills
git clone https://github.com/nidhinjs/prompt-master.git ~/.claude/skills/prompt-master

설치 후 trigger 조건에 맞을 때 skill이 자동 발화. references 폴더의 템플릿이 타깃 툴별 출력을 보조한다.

레포: github.com/nidhinjs/prompt-master

6. 선택 가이드

상황	추천
claude.ai 웹/앱 또는 API에서 구조화된 프롬프트를 반복 생성	CheswickDEV 4.8 (Project로 등록)
Claude Code에서 즉석으로 특정 프롬프트만 골라 확장	johnpsasser (`<optimize>` 태그)
Claude Code 헤비유저, 교정 왕복을 줄이고 첫 출력 품질을 높이고 싶음	severity1 (선별 개입)
Claude Code에서 자동 정제 + 수동 정제문 추출을 함께 쓰고 싶음	Hashaam101 (이중 모드)
Claude 외 ChatGPT·Midjourney·코딩 에이전트용 프롬프트를 한 곳에서 생성	nidhinjs (멀티 툴)
잘 만들어진 프롬프트 "예시"를 참고하고 싶음 (도구 X)	`langgptai/awesome-claude-prompts` 등 큐레이션 모음

조합 팁: 환경이 Claude Code라면 selective 개입형(severity1)을 상시 깔아두고, 별도로 정식 프롬프트 자산을 만들 때 CheswickDEV 4.8을 claude.ai Project로 운용하는 식의 병행이 효과적이다. 반복 출력의 일관성이 중요한 워크플로우(예: 정형 리포트, 정량 분석 프롬프트)라면 모음집보다 옵티마이저의 컴포넌트 프레임워크나 직접 만든 템플릿을 reference로 등록하는 쪽이 안정적이다.

7. 공통 주의사항

모델 종속성 확인 — Opus 4.8 전용으로 튜닝된 도구(CheswickDEV 등)는 다른 모델에서 규칙 일부가 안 맞을 수 있다.
자동 발화형의 불투명성 — auto 모드/silent hook은 무엇이 바뀌었는지 추적이 어려울 수 있으므로, 가능하면 변경 내용을 노출하는 manual 모드나 투명성 옵션을 병행한다.
인증·토큰 관리 — Hook 계열은 OAuth 토큰/API key를 다루므로 환경변수와 shell profile 노출에 유의한다.
레포 신뢰도 — star·commit·이슈 활동을 확인하고, 설치 명령은 항상 각 레포의 최신 README와 대조한다. 본 문서의 명령은 작성 시점 기준이다.
공식 가이드 병행 — 도구에만 의존하지 말고 Anthropic 공식 prompt engineering 문서(docs.claude.com/en/docs/build-with-claude/prompt-engineering/overview)를 함께 참고하면 도구의 산출물을 더 잘 검증할 수 있다.

작성 기준일: 2026-06-21. 각 프로젝트의 기능·설치 방법은 업데이트될 수 있으므로 레포 README 최신본을 확인할 것.