--- name: jd-engine-main description: 6개 직무 카테고리(출판/편집디자인, 건축/BIM, 영상/멀티미디어, 게임 콘텐츠, 소프트웨어 개발, UI/UX)의 채용공고 시장 분석을 통합 관리하는 라우터·디스패처 스킬. 단일 카테고리 실행, 멀티 카테고리 병렬 실행, 시계열 트렌드 비교, 크로스 카테고리 통합 대시보드를 모두 처리합니다. 각 카테고리는 독립적인 서브 스킬(jd-publishing, jd-architecture, jd-video, jd-game, jd-software, jd-uiux)로 구현되어 있어 카테고리별 독자 진화가 가능합니다. 트리거 - "리서치 엔진 실행", "직무 시장 분석", "여러 카테고리 채용 동향 비교", "월간 트렌드 리포트", "스케줄링된 분석", "트렌드 비교", "크로스 카테고리 분석". user-invocable: true --- # JD Research Engine — 메인 스킬 ## 시스템 구성 이 스킬은 **라우터**입니다. 실제 분석 로직은 6개의 서브 스킬에 있고, 메인은 다음만 담당합니다: 1. 사용자 의도 → 실행 모드 결정 2. 카테고리 선택 → 해당 서브 스킬 호출 3. 결과 수집 → 통합 대시보드 생성 4. 시계열 DB write 조정 5. 트렌드 비교 (이번 실행 vs 직전 실행) ``` jd-engine-main (this skill) ├── 호출 ▼ │ jd-publishing (출판/편집 디자인) │ jd-architecture (건축/BIM 설계) │ jd-video (영상/멀티미디어) │ jd-game (게임 콘텐츠) │ jd-software (소프트웨어 개발) │ jd-uiux (UI/UX 디자인) └── 외부 의존성: ├── history/{slug}/YYYYMMDD.json (시계열 DB) ├── tools/score_calculator.py (점수 계산) ├── tools/trend_comparator.py (시계열 비교) └── tools/csv_exporter.py (CSV 내보내기) ``` --- ## 실행 모드 (4종) ### 모드 1: single — 단일 카테고리 분석 ``` 입력 예시: "BIM 시장 분석", "출판/편집 100건" 프로세스: 1개 서브 스킬 호출 → 1개 리포트 + 시계열 DB write 산출물: {slug}_score_report_YYYYMMDD.md ``` ### 모드 2: multi — 여러 카테고리 병렬 + 통합 대시보드 ``` 입력 예시: "6개 카테고리 모두 분석", "디자인 4종 비교" 프로세스: N개 서브 스킬 병렬 호출 → 통합 대시보드 + N개 시계열 DB write 산출물: cross_dashboard_YYYYMMDD.md + N개 카테고리 리포트 ``` ### 모드 3: trend — 시계열 트렌드 비교 (Same category, time vs time) ``` 입력 예시: "건축 분야 지난달 대비 변화", "출판 카테고리 트렌드" 프로세스: history/{slug}/ 의 최근 N개 레코드 → 변화량 분석 산출물: {slug}_trend_report_YYYYMMDD.md (DB write 없음 — 읽기 전용) ``` ### 모드 4: cross — 횡단 비교 (특정 지표 6개 카테고리 비교) ``` 입력 예시: "AI 요구율을 6개 카테고리 비교", "신입 진입 장벽 비교" 프로세스: 6개 history 폴더에서 최신 레코드만 읽어 특정 필드 비교 산출물: cross_metric_{metric_name}_YYYYMMDD.md ``` --- ## Step 0: 입력 처리 ### 0-1. unattended 모드 감지 호출 메시지에 다음 표시가 있으면 **사용자 질문 없이 진행**: - `--unattended` 플래그 - `trigger: scheduled-weekly` 또는 `trigger: scheduled-monthly` - `from: scheduler` 메타데이터 스케줄링된 실행은 사전에 정해진 카테고리·건수·기간으로 실행되어야 합니다. 사용자가 cron에서 깰 수 없습니다. ### 0-2. interactive 모드: 1회만 묻기 unattended가 아니면 `ask_user_input_v0`를 **단일 호출**로 묶어서 다음을 확인: | 질문 | 옵션 | 디폴트 | |------|------|------| | 실행 모드 | single / multi / trend / cross | 입력에서 추론 | | 카테고리 | 6개 중 다중 선택 | 입력에서 추출 | | 카테고리당 목표 건수 | 50 / 100 / 150 | 100 | | 수집 기간 | 30일 / 90일 / 180일 | 30일 | | 시계열 DB write 여부 | Y / N (모드 3은 N 강제) | Y | **추론이 명확하면 묻지 않고 디폴트로 진행** — 예: "6개 모두 분석" → mode=multi, 카테고리=전체, 100건, 30일, write=Y --- ## Step 1: 카테고리 슬러그 정규화 | 사용자 표현 | 슬러그 | 호출할 서브 스킬 | |-----------|------|-------------| | "출판", "편집디자인", "북디자인" | `jd-publishing` | jd-publishing | | "건축", "BIM", "Revit", "건축설계" | `jd-architecture` | jd-architecture | | "영상", "멀티미디어", "모션그래픽" | `jd-video` | jd-video | | "게임", "게임 디자인", "원화" | `jd-game` | jd-game | | "개발", "백엔드", "프론트엔드", "SW" | `jd-software` | jd-software | | "UI", "UX", "프로덕트 디자인" | `jd-uiux` | jd-uiux | --- ## Step 2: 디스패치 (모드별 분기) ### 모드 1 (single) ``` 1. 카테고리 1개 → 해당 서브 스킬 호출 인자: {n_target, period_days, write_db: true, baseline: } 2. 서브 스킬이 자체적으로 6단계 파이프라인 실행 3. 메인은 결과 JSON 받아서 시계열 DB에 write 4. 점수 리포트 생성 + present_files ``` ### 모드 2 (multi) ``` 1. N개 카테고리 → N개 서브 스킬을 병렬 호출 - 동시 실행 한도: 카테고리 6개, 카테고리당 플랫폼 4개 2. 모든 서브 스킬 완료 대기 3. 통합 대시보드 생성: - master table (카테고리 한눈에 비교) - AI 요구율 순위 - 평균 연봉 순위 - 공통 키워드 vs 고유 키워드 4. 모든 카테고리 시계열 DB write 5. 모든 산출물 present_files (메인은 통합 대시보드 → 카테고리별 리포트 순) ``` **부분 실패 처리:** N개 중 M개만 성공해도 통합 대시보드는 생성. 실패한 카테고리는 별도 표기. ### 모드 3 (trend) ``` 1. 카테고리 1개 + 비교 기간 (1주/1개월/3개월) 결정 2. history/{slug}/ 에서 해당 기간의 모든 레코드 로드 3. tools/trend_comparator.py 실행: - 키워드 빈도 변화율 - 신규 등장 키워드 / 사라진 키워드 - 점수 순위 변동 - AI 요구율 추이 4. 변화 알림 트리거 (±15% medium / ±30% high / 신규 키워드 ≥3개) 5. 트렌드 리포트 생성 (DB write 없음) ``` ### 모드 4 (cross) ``` 1. 비교할 지표 결정 (ai_required_ratio / new_vs_exp_ratio / avg_salary_max 등) 2. 6개 history 폴더에서 최신 레코드만 로드 3. 해당 필드만 추출 → 비교 차트 + 인사이트 4. cross_metric_{name} 리포트 생성 ``` --- ## Step 3: 시계열 DB write 규칙 서브 스킬이 반환한 결과 객체를 `history/_schema.json` 형식으로 변환하여 저장: ``` 경로: history/{slug}/{YYYYMMDD}.json 정책: append-only. 같은 날 재실행 시 파일명에 -HHMM 접미사 추가. 예시: jd-architecture-20260427.json jd-architecture-20260427-1530.json (당일 2번째 실행) ``` **자동 baseline 로드:** 서브 스킬 호출 직전에, 해당 카테고리의 직전 실행 결과를 자동 로드하여 인자로 전달. 서브 스킬은 이 baseline을 사용해 트렌드 분석을 수행합니다. --- ## Step 4: 알림 트리거 (변화 감지) 다음 조건에서 리포트 상단에 ⚠️ 알림 박스 추가: | 조건 | 등급 | |------|----| | 어떤 지표든 ±30% 이상 변동 | high | | 어떤 지표든 ±15% 이상 변동 | medium | | 신규 키워드 ≥ 3개 등장 | medium | | 파싱 성공률 < 50% | high (데이터 신뢰도 경고) | | TOP10 순위에서 ±5위 이상 변동 | medium | high 등급은 외부 알림 채널로도 전송 (Slack/이메일, `tools/notifier.py` 참조). --- ## Step 5: 산출물 표준 형식 ### 모드 1 산출물 ``` {slug}_score_report_YYYYMMDD.md 메인 점수 리포트 {slug}_keyword_stats_YYYYMMDD.csv 키워드 통계 CSV {slug}_priority_top10_YYYYMMDD.csv 우선순위 TOP10 CSV history/{slug}/YYYYMMDD.json 시계열 DB 레코드 ``` ### 모드 2 산출물 ``` cross_dashboard_YYYYMMDD.md 통합 대시보드 (메인) cross_master_table_YYYYMMDD.csv 6개 카테고리 비교 CSV [각 카테고리별 모드 1 산출물 N세트] ``` ### 모드 3 산출물 ``` {slug}_trend_report_YYYYMMDD.md 트렌드 리포트 {slug}_trend_chart_YYYYMMDD.csv 시계열 데이터 CSV [알림 트리거 시] notify_log.txt 알림 발화 로그 ``` ### 모드 4 산출물 ``` cross_metric_{metric}_YYYYMMDD.md 횡단 비교 리포트 ``` --- ## 점수 계산 공식 (모든 카테고리 공통) ``` priority_score = 0.4 × frequency_ratio + 0.3 × required_ratio + 0.2 × ai_weight + 0.1 × high_salary_ratio ``` - `frequency_ratio`: 전체 공고 중 해당 키워드 등장 비율 - `required_ratio`: 등장한 공고 중 "필수"로 명시된 비율 - `ai_weight`: AI 도구 키워드면 1.0, 일반 스킬이면 0.5 - `high_salary_ratio`: 평균 이상 연봉 공고 중 해당 키워드 등장 비율 `tools/score_calculator.py`가 이 계산을 수행합니다 (서브 스킬과 메인 모두 사용). --- ## 실패 처리 | 실패 상황 | 처리 | |---------|----| | 서브 스킬 1개 실패 (모드 2) | 나머지로 통합 대시보드 생성, 실패 카테고리 명시 | | 서브 스킬 모두 실패 | 에러 리포트 + 마지막 성공 history 안내 | | history 폴더 비어있음 (모드 3) | "비교 baseline 없음 — 모드 1로 첫 실행 권장" | | 스키마 검증 실패 | 디폴트 필드로 보정 + 한계 표기 | | 외부 스케줄러 호출에 카테고리 미지정 | `default_categories` (메인 SKILL의 설정값) 사용 | --- ## 외부 스케줄러 인터페이스 `schedulers/runner.py`가 이 스킬을 호출할 때 사용하는 표준 인자: ```yaml mode: multi # single / multi / trend / cross categories: # 슬러그 리스트 - jd-publishing - jd-architecture - jd-video - jd-game - jd-software - jd-uiux n_target: 100 period_days: 30 write_db: true trigger: scheduled-weekly notify_on_change: true ``` `schedulers/` 디렉토리에 GitHub Actions YAML, crontab 예제, Python runner 3종이 준비되어 있습니다. --- ## 주의사항 - **카테고리 추가 시:** 새 서브 스킬 1개 작성 → 본 SKILL.md의 슬러그 매핑 표에 추가 → 메인 코드 수정 불필요 - **시계열 DB는 단일 진실 출처:** 모든 트렌드 분석은 history/ 폴더 기반. 메모리에 baseline을 들고 있지 않음 - **저작권 준수:** 공고 원문 발췌는 카테고리당 15단어 이내, 출처별 1회 - **PII 비식별화:** 채용담당자 개인 연락처는 모든 산출물에서 제외 - **신뢰도 표기 필수:** 모든 리포트 말미에 confidence 등급 명시 - **한국어 작성:** 모든 리포트 한국어, 기술 용어는 영문 병기 허용 - **부분 실패 시에도 산출물 생성:** 데이터 일부만 있어도 가능한 한 완성