improve의 개요
improve는 shadcn/ui의 제작자 shadcn이 만든 에이전트 스킬입니다. 저장소에서 `/improve`를 실행하면 스킬이 기술 스택과 빌드, 테스트, lint 명령을 파악하고, 아홉 가지 범주(정확성, 보안, 성능, 테스트, 기술 부채, 의존성, 개발자 경험, 문서, 제품 방향)로 코드를 감사해 발견 사항 표를 돌려줍니다. 각 항목은 파일과 줄을 인용하고 영향, 작업량, 확신도를 담습니다. 어떤 항목을 계획으로 만들지는 사용자가 고릅니다.
계획이 곧 결과물입니다. 각 계획은 `plans/`에 있는 Markdown 파일로, 감사를 본 적 없는 모델을 위해 쓰입니다. 현재 코드를 붙여 넣고, 정확한 단계와 각 단계 뒤의 명령 및 기대 결과, 범위 밖 목록, 코드가 예상과 다를 때의 STOP 조건을 담습니다. 스킬은 소스를 직접 고치지 않습니다. `/improve execute`는 계획을 git worktree 안의 별도 실행자에게 넘기고 diff를 검토합니다. 저장소는 별 12,083개, MIT 라이선스, 커밋 23개이며 태그된 릴리스는 없고, 마지막 커밋은 2026년 9월 12일입니다.
improve, 쓸 만한 가치가 있습니까?
improve의 발상은 경제적입니다. 강한 모델은 판단에, 싼 모델은 손 작업에 씁니다. 저희가 스킬을 읽은 바로는 이를 가능하게 하는 규율이 계획 템플릿에 있습니다. 각 단계는 검증 명령과 기대 출력으로 끝나고, 계획은 작성 기준이 된 git 커밋을 기록해 실행자가 변경 여부를 확인할 수 있게 하며, STOP 조건은 작은 모델에게 즉흥적으로 하지 말고 멈춰서 보고하라고 지시합니다.
감사는 AI 코드 리뷰의 흔한 실패, 즉 자신만만한 헛소리에 버티도록 설계되었습니다. 스킬에 따르면 서브에이전트는 과잉 보고를 하므로, 조언자는 항목을 보여 주기 전에 인용된 위치를 모두 직접 다시 열어 오탐을 버리고 잘못된 귀속을 바로잡으며, 기각 사유를 기록해 다음 실행에서 다시 나오지 않게 합니다. README의 shadcn/ui 실행 예는 양쪽을 다 보여 줍니다. 특정 줄의 O(n²) 루프는 남고, 프록시 변수로 인한 "SSRF"라는 지적은 의도된 동작으로 빠졌습니다.
깊이는 비용 조절 장치입니다. `quick`은 서브에이전트를 최대 1개 쓰고 확신도 높은 항목 약 6개를 보고합니다. 기본값은 동시에 최대 4개, `deep`은 범주마다 하나씩 최대 8개가 모든 패키지를 살핍니다. `execute`를 실행하면 다른 모델을 지정하지 않는 한 실행자는 기본으로 Sonnet을 쓰고, 계획은 최대 2번까지 수정 요청을 받은 뒤 막힙니다.
주의할 점: 토큰 수나 절감액은 공개되지 않아, 싼 실행이 비싼 감사 비용을 메운다는 주장은 저장소 안에서 검증되지 않았습니다. 큰 코드베이스에서 deep을 돌리면 가장 강한 모델로 긴 서브에이전트 세션이 여러 개 돌아갑니다. `--issues` 옵션은 계획을 GitHub 이슈로 올립니다. 스킬은 공개 여부를 확인하고 공개 저장소에 보안 항목을 올리기 전에 묻지만, 확인 프롬프트 하나로는 자격 증명의 위치를 온 세상에 알리는 일을 막기에 약합니다. 릴리스는 없고 9월 이후 커밋도 없습니다.
결론: improve는 일회성보다 습관으로 쓸 때 더 쓸모 있습니다. 매달 `/improve quick`, 풀 리퀘스트 전마다 `/improve branch`를 돌리고, 어떤 모델이 움직이기 전에 사람이 계획을 읽는 방식입니다.
제 역할을 하는 곳
중간 규모의 TypeScript 서비스를 넘겨받은 테크 리드
근거와 함께 먼저 해야 할 몇 가지 수정을 찾기
`/improve`를 실행하고 계획으로 만들 항목을 "plan 1, 3 and 5"처럼 답합니다. 계획은 색인과 순서와 함께 `plans/`에 생기며, 소스 트리는 건드리지 않습니다.
오픈 소스 라이브러리를 혼자 관리하 는 메인테이너
감사 결과를 기여자가 맡을 수 있는 작업으로 바꾸기
계획은 그 자체로 완결된 Markdown이라 기여자나 에이전트에게 그대로 넘길 수 있습니다. 공개 저장소에서는 보안 계획도 공개되므로 `--issues`로 올리는 것은 하나씩 읽은 뒤에 하세요.
모델 예산이 정해진 개발자
리뷰에는 비싼 모델, 수정에는 싼 모델 쓰기
`/improve execute 001`은 격리된 worktree에서 Sonnet 실행자를 띄우고(더 작은 모델은 `execute 001 haiku`), 계획의 검사를 다시 돌린 뒤 승인, 수정 요청, 차단 중 하나를 보고합니다. 병합은 여전히 수동입니다.
도입 전 확인할 점
- 설정
- `npx skills add shadcn/improve` 후 저장소 안에서 `/improve`(더 저렴한 첫 실행은 `/improve quick`). 저장소에는 Claude Code 플러그인 매니페스트도 들어 있습니다.
- 연동
- Agent Skills 형식을 지원하는 모든 에이전트. 서브에이전트 분산과 worktree 실행은 Claude Code 기준으로 작성되었습니다. `--issues`에는 `gh`를 씁니다. ADR, PRD, CONTEXT.md, DESIGN.md가 있으면 읽어 이미 결정된 절충을 지적하지 않습니다.
- 데이터와 개인정보
- 소스에는 읽기 전용입니다. 쓰기는 `plans/`에만 하며, 감사에서 찾은 비밀 값은 위치와 종류로만 언급하고 복사하지 않습니다. 그래도 에이전트는 코드를 모델 제공업체로 보냅니다. MIT 라이선스입니다.
- 대규모 사용 시 비용
- 유료 요금제는 없습니다. 비용은 모델 사용량으로, 기본 최대 4개, `deep`에서 최대 8개의 동시 서브에이전트와 실행자 실행이 더해집니다. 토큰이나 가격 수치는 공개되지 않았습니다.
- 제한
- 직접 구현은 거절합니다. 새 worktree에는 `node_modules`가 없어 실행자가 먼저 의존성을 설치해야 합니다. 릴리스 없음, 커밋 23개, 최신은 2026년 9월 12일입니다.
좋은 점
- 모든 항목이 파일과 줄을 인용하고, 보여 주기 전에 다시 확인됨
- 계획에 붙여 넣은 코드, 검증 명령, STOP 조건이 들어 있음
- 소스를 직접 고치지 않으며, 실행자는 일회용 worktree에서 작업
- quick, standard, deep 단계로 비용 조절
아쉬운 점
- 토큰이나 절감액 수치가 공개되지 않음
- deep 실행은 가장 강한 모델로 서브에이전트를 최대 8개 띄움
- --issues로 공개 저장소에 항목이 공개될 수 있음
- 태그된 릴리스 없음, 마지막 커밋 2026년 9월
추천 대상
Claude Code나 다른 스킬 지원 에이전트를 쓰면서, 강한 모델의 코드 리뷰를 자신이나 더 싼 모델이 실행할 수 있는 작고 검증 가능한 작업으로 바꾸고 싶은 팀.
improve 대안
improve: 자주 묻는 질문
- improve, 쓸 만한 가치가 있습니까?
- improve는 비싼 모델을 코드 대신 작업 지시서를 쓰는 꼼꼼한 검토자로 바꾸며, 이것은 올바른 분업이지만 그 분업으로 얼마를 아끼는지는 아무도 공개하지 않았습니다. 평점은 5점 만점에 3.9점입니다.
- improve의 가격은 얼마입니까?
- 무료 오픈 소스(MIT)입니다. 모델 사용료는 코딩 에이전트의 제공업체가 청구합니다.
- improve의 단점은 무엇입니까?
- 토큰이나 절감액 수치가 공개되지 않음; deep 실행은 가장 강한 모델로 서브에이전트를 최대 8개 띄움; --issues로 공개 저장소에 항목이 공개될 수 있음; 태그된 릴리스 없음, 마지막 커밋 2026년 9월.
- improve에 적합한 사람은 누구입니까?
- Claude Code나 다른 스킬 지원 에이전트를 쓰면서, 강한 모델의 코드 리뷰를 자신이나 더 싼 모델이 실행할 수 있는 작고 검증 가능한 작업으로 바꾸고 싶은 팀.
- 팀이나 프로덕션 환경에서 improve의 비용은 얼마입니까?
- 유료 요금제는 없습니다. 비용은 모델 사용량으로, 기본 최대 4개, `deep`에서 최대 8개의 동시 서브에이전트와 실행자 실행이 더해집니다. 토큰이나 가격 수치는 공개되지 않았습니다.
- improve에 회사 데이터를 맡겨도 안전합니까?
- 소스에는 읽기 전용입니다. 쓰기는 `plans/`에만 하며, 감사에서 찾은 비밀 값은 위치와 종류로만 언급하고 복사하지 않습니다. 그래도 에이전트는 코드를 모델 제공업체로 보냅니다. MIT 라이선스입니다.
- improve의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 Superpowers, BMAD Method 및 Open Code Review입니다.
답변 확인일: 2026년 11월 20일.