{
  "schema_version": 1,
  "video_id": "q-HacOazKsA",
  "source_url": "https://www.youtube.com/watch?v=q-HacOazKsA",
  "source_playlist_id": "PLHwM6idVO2zyqi2IZeDAiP5QBqRXd2Zyh",
  "title": "왜 스킬이 졌을까?(feat. agent.md 의 비밀)",
  "channel_title": "메이커 에반 | Maker Evan",
  "published_at": "2026-06-24T09:00:32Z",
  "collected_at": "2026-06-24T15:50:37Z",
  "generated_at": "2026-06-24T15:50:56Z",
  "thumbnail_url": "https://i.ytimg.com/vi/q-HacOazKsA/maxresdefault.jpg",
  "source_basis": "metadata_and_model_inference",
  "executive_summary": "메이커 에반 채널의 '왜 스킬이 졌을까?' 영상은 AI 개발에서 복잡한 '스킬' 방식보다 단순한 'agent.md' 방식이 더 우수한 성능을 보였다는 충격적인 실험 결과를 다룹니다. 버셀의 직접 실험에서 agent.md는 100점, 스킬은 79점을 기록하며, AI에게 '선택'을 강요하지 않는 단순한 접근 방식의 효율성을 강조합니다. 이 영상은 AI가 왜 오류를 범하는지 분석하고, agent.md가 승리한 이유와 실제 프로젝트에 적용하는 방법을 제시합니다. (메타데이터 기반 추론)",
  "summary_points": [
    "버셀(Vercel)의 직접 실험 결과, AI '스킬' 방식(79점)이 'agent.md' 방식(100점)에 패배했습니다. (메타데이터 기반 추론)",
    "AI가 자주 오류를 범하는 근본적인 이유를 분석하고, AI를 '공부 끝낸 학생'에 비유하여 설명합니다. (메타데이터 기반 추론)",
    "'스킬'은 전문 매뉴얼, 'agent.md'는 메모지에 비유되며, 이 두 방식의 차이점을 설명합니다. (메타데이터 기반 추론)",
    "4가지 상황 실험을 통해 '멍청한 방식'으로 비유된 agent.md가 '정교한 방식'인 스킬을 이긴 원인을 다룹니다. (메타데이터 기반 추론)",
    "핵심 교훈으로 AI에게 '선택'을 강요하지 않는 것이 중요하다고 강조합니다. (메타데이터 기반 추론)",
    "agent.md 방식을 실제 프로젝트에 '딱 한 줄로 적용하기' 및 직접 만드는 방법을 제시합니다. (메타데이터 기반 추론)",
    "스킬 방식이 유용하게 사용될 수 있는 특정 상황에 대해서도 언급합니다. (메타데이터 기반 추론)"
  ],
  "video_structure": [
    "0:00 충격의 실험 결과",
    "0:16 이 영상에서 얻는 3가지",
    "0:50 AI는 왜 자꾸 틀릴까",
    "1:40 1번 선수: 스킬 (전문 매뉴얼)",
    "2:03 2번 선수: agent.md (메모지)",
    "2:59 점수 공개 (53 / 53 / 79 / 100)",
    "4:01 스킬이 진 이유 ①②",
    "5:27 agent.md가 이긴 이유 ①②③"
  ],
  "key_ideas": [
    "AI 성능 최적화 전략 비교: 복잡한 '스킬'과 단순한 'agent.md' 방식의 효율성 대결. (메타데이터 기반 추론)",
    "AI의 오류 발생 원인: AI의 '선택' 메커니즘과 그로 인한 비효율성. (메타데이터 기반 추론)",
    "단순함의 효율성: 'Less is More' 원칙이 AI 프롬프트 엔지니어링에 미치는 영향. (메타데이터 기반 추론)",
    "프롬프트 엔지니어링의 중요성: AI에게 명확하고 직접적인 지시를 내리는 방법. (메타데이터 기반 추론)",
    "실용적인 AI 적용 방안: agent.md와 같은 경량화된 접근 방식을 실제 프로젝트에 통합하는 방법. (메타데이터 기반 추론)",
    "상황별 AI 전략: 스킬 방식이 여전히 유효한 특정 시나리오에 대한 이해. (메타데이터 기반 추론)"
  ],
  "dreamlabs_application": [
    "DreamLabs의 AI 모델 개발 시 프롬프트 엔지니어링 전략을 재고하고, 복잡한 스킬 체인 대신 agent.md와 같은 단순화된 지시 방식의 도입 가능성을 탐색합니다. (메타데이터 기반 추론)",
    "내부 AI 툴 및 에이전트 설계 시, AI에게 과도한 '선택'을 강요하지 않고 명확한 지시를 통해 효율성을 극대화하는 방안을 연구합니다. (메타데이터 기반 추론)",
    "새로운 AI 프로젝트 시작 전, 복잡한 시스템 설계에 앞서 agent.md와 같은 경량화된 접근 방식의 성능을 우선적으로 검증하는 프로세스를 도입합니다. (메타데이터 기반 추론)",
    "AI 에이전트의 의사결정 과정을 최소화하고, 핵심 목표 달성에 집중하도록 하는 프롬프트 설계 가이드라인을 수립합니다. (메타데이터 기반 추론)"
  ],
  "verification_required": [
    "버셀(Vercel) 실험의 구체적인 내용, 사용된 AI 모델, 그리고 '스킬'과 'agent.md'의 정확한 정의 및 구현 방식을 원본 자료를 통해 확인해야 합니다. (메타데이터 기반 추론)",
    "4가지 상황 실험의 상세 내용과 각 점수(53/53/79/100)가 어떤 기준으로 측정되었는지, 그리고 각 점수가 의미하는 바를 파악해야 합니다. (메타데이터 기반 추론)",
    "'스킬'이 진 이유 ①②와 'agent.md'가 이긴 이유 ①②③에 대한 구체적인 설명과 논리적 근거를 영상 시청을 통해 확인해야 합니다. (메타데이터 기반 추론)",
    "'80% 압축의 비밀' 및 '딱 한 줄로 적용하기' 섹션에서 제시하는 실제 코드 예시나 구체적인 적용 방법을 확인해야 합니다. (메타데이터 기반 추론)",
    "'스킬은 언제 쓰나' 섹션에서 언급된 스킬 방식이 유용한 특정 상황에 대한 상세 설명을 확인해야 합니다. (메타데이터 기반 추론)"
  ],
  "content_markdown": "# AI 기술 브리핑: 왜 스킬이 졌을까? (feat. agent.md 의 비밀)\n\n## 핵심 요약\n메이커 에반 채널의 '왜 스킬이 졌을까?' 영상은 AI 개발에서 복잡한 '스킬' 방식보다 단순한 'agent.md' 방식이 더 우수한 성능을 보였다는 충격적인 실험 결과를 다룹니다. 버셀의 직접 실험에서 agent.md는 100점, 스킬은 79점을 기록하며, AI에게 '선택'을 강요하지 않는 단순한 접근 방식의 효율성을 강조합니다. 이 영상은 AI가 왜 오류를 범하는지 분석하고, agent.md가 승리한 이유와 실제 프로젝트에 적용하는 방법을 제시합니다. (메타데이터 기반 추론)\n\n## 주요 내용\n*   버셀(Vercel)의 직접 실험 결과, AI '스킬' 방식(79점)이 'agent.md' 방식(100점)에 패배했습니다. (메타데이터 기반 추론)\n*   AI가 자주 오류를 범하는 근본적인 이유를 분석하고, AI를 '공부 끝낸 학생'에 비유하여 설명합니다. (메타데이터 기반 추론)\n*   '스킬'은 전문 매뉴얼, 'agent.md'는 메모지에 비유되며, 이 두 방식의 차이점을 설명합니다. (메타데이터 기반 추론)\n*   4가지 상황 실험을 통해 '멍청한 방식'으로 비유된 agent.md가 '정교한 방식'인 스킬을 이긴 원인을 다룹니다. (메타데이터 기반 추론)\n*   핵심 교훈으로 AI에게 '선택'을 강요하지 않는 것이 중요하다고 강조합니다. (메타데이터 기반 추론)\n*   agent.md 방식을 실제 프로젝트에 '딱 한 줄로 적용하기' 및 직접 만드는 방법을 제시합니다. (메타데이터 기반 추론)\n*   스킬 방식이 유용하게 사용될 수 있는 특정 상황에 대해서도 언급합니다. (메타데이터 기반 추론)\n\n## DreamLabs 적용\n*   DreamLabs의 AI 모델 개발 시 프롬프트 엔지니어링 전략을 재고하고, 복잡한 스킬 체인 대신 agent.md와 같은 단순화된 지시 방식의 도입 가능성을 탐색합니다. (메타데이터 기반 추론)\n*   내부 AI 툴 및 에이전트 설계 시, AI에게 과도한 '선택'을 강요하지 않고 명확한 지시를 통해 효율성을 극대화하는 방안을 연구합니다. (메타데이터 기반 추론)\n*   새로운 AI 프로젝트 시작 전, 복잡한 시스템 설계에 앞서 agent.md와 같은 경량화된 접근 방식의 성능을 우선적으로 검증하는 프로세스를 도입합니다. (메타데이터 기반 추론)\n*   AI 에이전트의 의사결정 과정을 최소화하고, 핵심 목표 달성에 집중하도록 하는 프롬프트 설계 가이드라인을 수립합니다. (메타데이터 기반 추론)\n\n## 확인 필요\n*   버셀(Vercel) 실험의 구체적인 내용, 사용된 AI 모델, 그리고 '스킬'과 'agent.md'의 정확한 정의 및 구현 방식을 원본 자료를 통해 확인해야 합니다. (메타데이터 기반 추론)\n*   4가지 상황 실험의 상세 내용과 각 점수(53/53/79/100)가 어떤 기준으로 측정되었는지, 그리고 각 점수가 의미하는 바를 파악해야 합니다. (메타데이터 기반 추론)\n*   '스킬'이 진 이유 ①②와 'agent.md'가 이긴 이유 ①②③에 대한 구체적인 설명과 논리적 근거를 영상 시청을 통해 확인해야 합니다. (메타데이터 기반 추론)\n*   '80% 압축의 비밀' 및 '딱 한 줄로 적용하기' 섹션에서 제시하는 실제 코드 예시나 구체적인 적용 방법을 확인해야 합니다. (메타데이터 기반 추론)\n*   '스킬은 언제 쓰나' 섹션에서 언급된 스킬 방식이 유용한 특정 상황에 대한 상세 설명을 확인해야 합니다. (메타데이터 기반 추론)\n\n## 원본 링크\n[YouTube 영상: 왜 스킬이 졌을까?(feat. agent.md 의 비밀)](https://www.youtube.com/watch?v=q-HacOazKsA)",
  "model": "gemini-2.5-flash"
}