lochie가 컴포넌트를 측정해 같은 크기의 로딩 틀을 만드는 오픈소스 Skullet을 GitHub에 올려 두었고, Anthropic은 Residency 지원을 11월 22일까지 받습니다. 에이전트용 스킬 Stageshow와 DeepSeek Harness의 Creator 모드까지, 네 소식에서 확인된 범위와 확인하지 못한 범위를 함께 살펴봅니다.
오늘 담긴 것
- Skullet v0.0.3 스켈레톤 로딩 사용법, data와 sample을 넘겨 틀을 만든다: lochie의 오픈소스 저장소 공개
- Anthropic Residency 지원 방법, 11월 22일까지 미국·영국 공고로 접수: Anthropic의 연구 프로그램 모집 공고
- Stageshow 스킬 설치법, 가짜 제품 UI를 만드는 에이전트용 스킬: Benji Taylor의 스킬 저장소 공개
- DeepSeek Harness Creator 모드란, v0.2.1-alpha.1에 들어간 플러그인 생성 입구: DeepSeek AI의 릴리스 노트
프론트엔드 도구
Skullet v0.0.3 스켈레톤 로딩 사용법, data와 sample을 넘겨 틀을 만든다

11월 3일 기준 GitHub 저장소에서 lochie(Lochie Axon)의 오픈소스 Skullet을 볼 수 있다. 저장소 설명은 React, Vue, Svelte, 바닐라 JavaScript용 스마트 스켈레톤 상태 라이브러리이고, 라이선스는 MIT다.
- 핵심: 로딩 중에 콘텐츠를 측정해 같은 공간을 차지하는 스켈레톤으로 만들어, 데이터가 도착해도 화면이 밀리지 않게 한다고 저장소는 설명한다.
- 사용: pnpm i skullet으로 설치하고, React에서는 skullet/react의 Skeleton에 data와 sample을 넘긴 뒤 자식 함수로 화면을 그린다.
- 상태: 저장소의 최근 릴리스 커밋은 v0.0.3이고, 별 409개에 기여자 1명인 초기 단계 프로젝트다.
무엇이 달라지나
로딩 틀을 컴포넌트마다 따로 그려 두지 않고, 실제 컴포넌트를 측정해 만든다는 방식이다. 컴포넌트가 바뀌면 로딩 틀도 같이 따라간다는 구상이지만, 이 동작은 저장소의 설명이며 직접 돌려 보지 않았다.
한계
감싸기만 하면 된다는 식의 요약과 달리 README 예시는 data와 sample 값을 함께 넘긴다. sample에 넣을 값의 형식, 애니메이션 설정, 데이터가 빠르게 올 때 로딩 틀을 생략하는지는 읽은 범위(저장소 첫 화면과 루트 README)에 나오지 않는다. 최초 공개일도 이 범위에서는 확인되지 않는다. 직접 설치하거나 실행해 보지 않았다.
커뮤니티 반응
■기존에 나온 자동 스켈레톤 로딩 프레임워크 boneyard와 무엇이 다르냐는 질문이 달렸다.
■제작자는 추가 빌드 단계가 없고 등장 전환과 스켈레톤 스타일을 마음대로 바꿀 수 있다고 소개했다.
■TanStack Query와 잘 맞느냐는 물음에 Grok이 useQuery의 data를 넘기거나 loading에 isPending을 주면 된다고 답했다.
본문 펼치기 · 약 3분
설치와 호출은 한 줄 설치에 Skeleton 컴포넌트 하나로 시작한다
저장소 README가 적은 설치 명령은 pnpm i skullet이다. React에서는 skullet/react에서 Skeleton을 가져온다. 사용자 객체를 data로 넘기고, 미리 만들어 둔 예시 값 SAMPLE_USER를 sample로 넘긴다.
자식으로는 받은 user를 Card에 넣어 그리는 함수를 준다. 이 모양이 README에 실린 유일한 호출 예시다. 함수형 자식이라서 데이터가 도착한 뒤에 실제 화면이 그려지고, 그 전에는 측정으로 만든 틀이 대신 보인다고 읽힌다.
예시는 React 하나뿐이다. Vue, Svelte, 바닐라 JavaScript에서 가져오는 경로와 호출 모양은 읽은 첫 화면에 없다. 전체 API는 패키지 README를 보라고 안내만 한다. 다른 프레임워크에서 쓰려는 사람은 그 문서를 먼저 열어야 한다.
측정으로 만든 틀이라 데이터가 도착해도 레이아웃이 밀리지 않는다는 것이 저장소의 설명이다
저장소는 로딩 동안 콘텐츠가 측정되어 정확히 그 공간을 차지하는 스켈레톤이 된다고 적었다. 그래서 콘텐츠가 도착할 때 아무것도 움직이지 않는다는 설명이다. 손으로 그린 회색 도형은 실제 화면과 크기가 어긋나기 쉽다. 측정 방식은 그 어긋남을 줄이려는 접근이다.
다만 측정이 언제, 어떤 방식으로 이루어지는지는 읽은 범위에 없다. 도입을 검토한다면 실제 화면에서 로딩 틀과 완성 화면의 높이와 줄 바꿈이 같은지 직접 비교해 보는 편이 확실하다.
이미지가 늦게 오는 카드나 글이 길어지는 카드처럼 크기가 달라지는 경우를 샘플에 섞어 볼 만하다. 저장소 첫 화면에는 e2e 폴더와 site 폴더가 있다. 시험 코드와 소개 사이트가 따로 있다는 뜻이지만, 그 안의 내용은 읽지 않았다.
도입 전에 확인할 것은 초기 단계라는 점과 sample 값을 누가 만드는가다
저장소는 커밋 49개, 태그 2개, 열린 이슈 7개, 열린 풀 리퀘스트 3개 상태이고 기여자는 한 명이다. 최근 릴리스 커밋이 v0.0.3이라는 점에서 아직 0.0.x 단계다. API가 앞으로 바뀔 가능성에 대해 저장소가 어떤 입장인지는 읽은 범위에 없다.
README 예시에서 sample은 개발자가 미리 준비해 넘기는 값이다. 화면마다 sample을 만들어야 한다면, 로딩 틀을 직접 그리는 일이 sample을 쓰는 일로 바뀌는 셈이다. 팀의 작업량이 실제로 줄어드는지는 한두 화면에 먼저 적용해 보고 판단할 일이다.
저장소 언어 구성은 TypeScript 84.8%, SCSS 10.1%, Svelte 2.6%, JavaScript 2%로 표시된다. 기여하려는 사람을 위한 안내는 pnpm install:all로 의존성을 설치하고 pnpm dev와 pnpm build를 쓰는 것이다. 이는 라이브러리를 개발하는 쪽의 명령이고, 가져다 쓰는 쪽은 위의 설치 명령만 쓰면 된다.
자세히 읽기 · lochie의 Skullet 저장소 ↗
연구 프로그램
Anthropic Residency 지원 방법, 11월 22일까지 미국·영국 공고로 접수

Anthropic이 Alignment Science 블로그 공고에서 Residency 지원 접수를 열었다고 밝혔다. 이번 회차는 11월 22일에 마감하고, 미국 공고와 영국 공고 중 하나로 지원한다.
- 대상: 정량 분야 교수, 기술 창업자, 스태프급 엔지니어. 머신러닝 배경, 박사 학위, 논문은 필요 없다고 공고가 쓴다.
- 기간과 보수: 6주, 3개월, 6개월 중 지원 때 희망 기간을 적고, 보수는 연봉 환산 35만 달러에서 50만 달러다.
- 근무지: 샌프란시스코 사무실을 선호하며, 짧은 배치는 원격도 가능하다고 한다.
무엇이 달라지나
머신러닝 경력이 없는 시니어 인력이 AI 안전 연구로 옮겨 갈 유급 경로가 열렸다. 연구 문제는 Anthropic 연구자가 제시한 것 중 지원자의 관심사와 이력에 맞춰 배정되고, 멘토와 전용 컴퓨팅 예산이 따른다고 공고가 설명한다.
한계
읽은 공고 본문에는 한국 거주자의 지원 가능 여부, 비자 지원, 선발 인원이 적혀 있지 않다. 연봉 환산액이 6주나 3개월 배치에서 실제로 어떻게 지급되는지도 나오지 않으며, 보수는 Anthropic 공고의 문구일 뿐 외부 자료로 확인하지 못했다. 공고 게시일은 페이지에서 확인되지 않는다. 끝날 때 모든 참가자가 AI 연구를 이어갈 위치에 서는 것은 공고가 밝힌 목표이고, 이 프로그램의 실제 결과는 아직 없다.
커뮤니티 반응
■머신러닝 배경이 필요 없다는 문구에 Claude와 오래 논쟁한 경험이 경력으로 인정되느냐는 농담이 달렸다.
■분위기 전문가도 지원할 수 있느냐는 장난 섞인 질문이 올라왔다.
■전과가 있어도 받아 주느냐고 묻는 글에 웃음 섞인 답글이 이어졌다.
본문 펼치기 · 약 3분
지원 자격은 경력의 깊이를 보고 머신러닝 이력은 요구하지 않는다
공고는 야심찬 기술 작업을 이끌어 본 사람을 찾는다고 쓴다. 정량 분야 교수, 기술 창업자, 스태프급 엔지니어가 예로 나온다. 박사 학위나 머신러닝 경력, 발표한 논문은 필요 없다고 분명히 적었다. 대신 아이디어를 빠르게 구현하고 분명하게 소통하며, 빠르고 협업이 많은 환경에서 일할 수 있어야 한다.
공고가 이 회차를 여는 이유로 든 설명도 있다. 머신러닝은 젊은 분야이고, 지금의 시니어 연구자 중에는 물리학자, 수학자, 신경과학자, 소프트웨어 엔지니어로 시작한 사람이 많다고 한다. 모델 능력이 좋아질수록 연구 의제를 세우고 무엇이 할 만한 일인지 판단하는 능력이 더 중요해진다는 것이다.
지원은 미국 공고나 영국 공고로 11월 22일까지 해야 한다. 지원자는 Anthropic Fellows Program 후보로도 함께 검토될 수 있다고 한다. 지원 링크 주소는 읽은 본문에 글자로 나오지 않아 이 글에서는 공고 페이지만 연결한다.
멘토 후보와 연구 분야가 구체적으로 적혀 있어 지원 전에 관심사를 맞춰 볼 수 있다
공고에는 잠재 멘토로 Sara Price(Alignment Training 팀), Ethan Perez(Alignment Science 팀), Evan Hubinger(Alignment Stress-Testing 팀), Samuel Marks(Scalable Oversight 팀), Jack Lindsey(Model Psychology 팀), Nicholas Carlini 등이 이름을 올렸다. 멘토 후보라는 표현이어서 누구와 짝지어지는지는 지원 뒤에 정해진다. 참가자마다 멘토 한 명이 붙고 정기적인 일대일 안내를 받는다고 한다.
관심 분야는 확장 가능한 감독, 적대적 견고성과 AI 통제, 정렬 실패 모델 생물, 해석 가능성, 안전장치 연구, AI 복지다. 여기에 AI 보안과 프런티어 레드팀, 그리고 모델 구조와 학습 데이터부터 강화학습 환경 파이프라인까지의 ML 시스템이 더해진다.
자신의 전공이 어느 분야와 닿는지 미리 적어 두면 지원서를 쓸 때 도움이 된다. 공고 끝에는 과거 펠로 연구가 분야별로 달려 있다. SHADE-Arena, AuditBench, Subliminal Learning 같은 제목이 보이니, 각 분야가 어떤 결과물로 이어졌는지 가늠하는 데 쓸 수 있다.
배치 방식은 6주, 3개월, 6개월이고 근무지는 샌프란시스코를 선호한다
공고에 따르면 시작일은 유연하게 맞추려 한다. 배치 기간 동안 자기 학습 시간, 강연, 안내를 통해 현대 머신러닝과 AI 안전 연구를 따라잡도록 돕는다. 참가자는 최신 모델을 쓰고 프로젝트별 전용 컴퓨팅 예산을 받는다.
보수는 연봉 환산 35만 달러에서 50만 달러이며, Anthropic의 상근 연구직 대부분이 샌프란시스코 이주를 요구한다고도 적혀 있다. 짧은 배치라면 원격 참여가 가능하다는 문구가 있으므로, 이주가 어려운 사람은 지원 때 희망 기간과 함께 이 점을 살펴볼 만하다.
이 프로그램은 Anthropic Fellows Program에서 이어진 것으로 소개된다. 과거 펠로들이 서브리미널 학습, Petri 감사 도구, 페르소나 벡터에 관한 작업을 냈다고 공고는 밝혔다. 이는 펠로 프로그램의 성과이지 이번 Residency가 낸 결과가 아니다.
자세히 읽기 · Anthropic의 Residency 지원 접수 공고 ↗
에이전트 스킬과 하네스
Stageshow 스킬 설치법, 가짜 제품 UI를 만드는 에이전트용 스킬

11월 3일 기준 Benji Taylor의 skills 저장소에 에이전트용 스킬 Stageshow가 올라와 있다. 저장소는 디자인과 모션 작업에 쓰는 스킬 모음이라고 소개하고, Stageshow를 실제 제품처럼 보이는 가짜 제품 UI를 에이전트가 만들도록 돕는 스킬로 설명한다.
- 만드는 것: 스틸 이미지, 기능 카드, 커서 데모, 벤토 그리드를 React로 만든다.
- 구성: 구도와 모션 지침, 복사해 쓰는 키트, 예시, 결과를 촬영해 에이전트가 스스로 점검하게 하는 도구.
- 설치: npx skills add benjitaylor/skills --skill stageshow
무엇이 달라지나
에이전트가 제품 소개용 UI 이미지와 애니메이션을 만들 때 쓸 지침, 예시 키트, 촬영 점검 도구를 한 묶음으로 설치할 수 있다. 설치는 명령 한 줄이고 대상 스킬은 이름으로 지정한다.
한계
저장소는 커밋 1개, 별 954개, 릴리스 없음 상태다. 제작자 소개 글이 말하는 Figma, Gmail 재현 시험 결과와 제작자의 직함은 저장소에서 확인되지 않는다. 라이선스는 각 스킬 안에 있다고만 적혀 있어 내용을 읽지 못했고, 스킬 폴더 안의 지침과 도구도 읽지 않았다. 직접 설치하거나 돌려 보지 않았다.
커뮤니티 반응
■한 게시자는 Opus 5.5와 함께 쓰면 AI 티가 나는 UI를 피할 수 있다고 극찬하며, Slack, Gmail, iMessage, Figma 등 16개 유명 앱이 내장돼 있다고 소개했다.
■그 스킬로 만들었다는 사이트에는 단순하면서 고급스러워 보인다는 댓글이 달렸다.
■제작자는 외관을 고르고 이야기를 계획한 뒤, 견고한 예시에서 출발해 결과를 촬영하고 찾은 문제를 고치는 순서로 스킬이 에이전트를 안내한다고 설명했다.
본문 펼치기 · 약 3분
설치 명령은 한 줄이고 대상은 저장소 안의 stageshow 스킬 하나다
저장소 README가 적은 설치 명령은 npx skills add benjitaylor/skills --skill stageshow다. 저장소 이름과 스킬 이름을 따로 지정하는 형식이다. 같은 저장소에 스킬이 더 늘어나도 Stageshow만 골라 설치할 수 있는 구조로 보인다. 읽은 첫 화면의 폴더 목록에서는 stageshow 폴더 하나만 보인다.
저장소에는 AGENTS.md와 CLAUDE.md 파일도 있다. 어떤 에이전트 도구가 이 명령을 지원하는지, 설치된 스킬이 어느 위치에 놓이는지는 읽은 범위에 나오지 않는다.
README 첫 줄은 이 저장소를 디자인과 모션 작업에 코딩 에이전트와 함께 쓰는 스킬 모음으로 소개한다. 언어 구성은 TypeScript 54%, CSS 33.2%, JavaScript 12.8%로 표시된다. 커밋은 Add Stageshow 하나뿐이어서, 변경 이력으로 스킬이 어떻게 다듬어졌는지는 따라갈 수 없다.
스킬은 만들기 지침에 그치지 않고 촬영 도구로 결과를 되짚게 한다
README는 이 스킬이 구도와 모션에 관한 지침, 복사해 쓰는 키트, 예시, 그리고 결과를 촬영해 에이전트가 자기 작업을 점검하게 하는 도구를 포함한다고 설명한다. 그림을 한 번 그리고 끝내는 방식이 아니라 만든 장면을 영상으로 남겨 보고 고치는 흐름을 스킬 안에 넣었다는 뜻이다.
첫 화면에는 작동 방식 설명, 스킬 본문, 예시 미리보기로 가는 링크가 있다. 다만 그 내용은 읽지 않았다. 따라서 어떤 점검 항목을 쓰는지, 촬영이 어떤 도구로 이루어지는지는 이 글에서 말할 수 없다.
만드는 결과물은 스틸 이미지, 기능 카드, 커서 데모, 벤토 그리드이고 모두 React로 짠다고 README는 적었다. 팀의 제품 페이지나 소개 영상에 이런 장면이 필요한지 먼저 따져 보면, 이 스킬이 맞는 도구인지 빨리 가려진다.
설치 전에 스킬 폴더를 읽고 실행 범위를 정하는 편이 안전하다
npx 명령은 설치하는 사람의 컴퓨터에서 실행된다. 설치된 스킬은 그 사람의 에이전트가 따르는 지시문이자 도구가 된다. 스킬이 에이전트에게 어떤 명령을 실행하게 하는지는 읽지 못했다. 그러므로 설치 전에 저장소의 stageshow 폴더를 먼저 읽어 보는 것이 좋다.
촬영 도구가 파일이나 네트워크를 건드리는지도 거기서 확인할 수 있다. README는 각 스킬이 자체 라이선스와 서드파티 자산 고지를 담고 있다고만 적었다. 쓰려는 용도가 상업 제품 소개라면 그 라이선스 문구를 먼저 읽어 두어야 한다.
이 스킬로 에이전트가 장면을 만들고 다시 촬영하며 고치는 동안 쓰이는 모델 사용량은 에이전트를 돌리는 사람의 계정과 비용에 붙는다. 처음에는 작은 장면 하나로 시험해 걸리는 시간과 비용을 재 보는 것이 무난하다. 저장소에는 열린 풀 리퀘스트가 2개 있고 포크는 55개다.
자세히 읽기 · Benji Taylor의 skills 저장소 ↗
DeepSeek Harness Creator 모드란, v0.2.1-alpha.1에 들어간 플러그인 생성 입구

DeepSeek AI의 오픈소스 에이전트 하네스 DeepSeek Harness는 v0.2.1-alpha.1 릴리스 노트에서 플러그인 관리 화면에 에이전트로 플러그인을 만드는 입구를 넣었다고 밝혔다. 릴리스 노트에는 날짜가 나오지 않고, 11월 3일 기준 저장소 버전은 이미 0.2.2-alpha.2다.
- 핵심: 플러그인 관리 페이지의 입구로 Creator 모드에 들어가며, 초안은 보존되고 요구를 보낸 뒤에야 작업이 시작된다.
- 상태: README는 개발자 프리뷰이며 호환성을 깨는 변경이 있을 것이라고 경고하고, 라이선스는 MIT다.
- 실행: npx @deepseek-ai/dsh web으로 웹 UI를 띄우며, 기본 주소는 http://127.0.0.1:3080이다.
무엇이 달라지나
플러그인을 직접 코딩하지 않고도 요구를 보내 에이전트에게 만들게 하는 경로가 관리 화면에 생겼다. README는 이 하네스를 모든 것이 플러그인인 구조로 소개하므로, 만든 결과도 같은 플러그인 체계 안에서 다뤄지는 구상이다.
한계
신규 출시로 보기는 어렵다. 이 릴리스 이후 마스터에 4,186개 커밋이 쌓였고 저장소는 이미 0.2.2-alpha.2다. 릴리스 노트는 Creator 모드가 만들어 내는 플러그인의 종류나 성공률을 설명하지 않는다. 게임, 영상 편집, 3D 시각화 같은 제작 사례도 읽은 저장소와 릴리스 노트에는 없다. SAFETY.md 내용과 Creator 모드 사용 문서는 읽지 못했고, 직접 실행해 보지 않았다.
커뮤니티 반응
■DeepSeek가 게임 플러그인 쪽으로 가는 것은 예상 밖이라는 반응이 나왔다.
■비슷한 것을 몇 달 전에 만든 사람이 이미 있다고 반박하는 댓글이 달렸다.
■플러그인을 공개로 공유할 수 있는지, 마켓플레이스가 모드 자체보다 더 중요하다는 질문도 올라왔다.
본문 펼치기 · 약 3분
릴리스 노트가 확인해 주는 것은 입구와 초안 보존, 그리고 보내기 전 비실행이다
릴리스 노트의 새 기능 항목은 플러그인 관리 페이지에 에이전트에게 플러그인을 만들게 하는 입구를 더했다고 적었다. 이 입구는 초안을 남긴 채 Creator 모드로 들어간다. 요구를 보낸 뒤에야 작업이 시작된다.
같은 릴리스에서 코딩 뷰를 꺼도 Standard, Creator, 사용자 지정 모드를 고를 수 있게 했다. 내장 PTC나 Minimal 기본값은 Standard로 바뀌고, 기존 세션은 원래 모드를 유지한다. 이 노트는 입구와 모드 동작을 설명할 뿐, 에이전트가 만든 플러그인이 어떤 품질로 나오는지는 다루지 않는다.
그 부분은 직접 써 보기 전에는 알 수 없다. 이 릴리스는 사전 출시(Pre-release)로 표시되어 있고, 변경 가능한 것은 제목과 노트뿐인 고정 릴리스라고 적혀 있다. 같은 노트에는 실험적인 Claude Code Mods 호환 계층도 들어 있지만, 완전한 호환을 주려는 것이 아니라고 스스로 밝혔다.
프리뷰 단계라 호환성이 깨질 수 있어 플러그인에 투자하기 전에 버전을 고정해 볼 만하다
README는 이 프로젝트가 개발자 프리뷰이고 빠르게 반복 중이며 호환성을 깨는 변경이 있을 것이라고 대문자로 경고한다. 같은 릴리스 노트에도 실제 예가 있다. 런타임 invariant 플러그인과 각 패키지의 invariant 내보내기를 없앴다. 하위 경로 플러그인은 별도 package.json을 더 이상 읽지 않는다.
입력창 통계 확장은 activity와 usage 두 입구로 나뉘었다. 이런 변경은 플러그인을 만들거나 확장을 덮어쓰는 사람이 새 버전마다 코드를 고쳐야 할 수 있다는 뜻이다.
만든 플러그인을 오래 쓰려면 쓰는 버전을 정해 두는 것이 좋다. 올릴 때마다 릴리스 노트의 호환성 항목을 먼저 확인해야 한다. README는 플러그인 저장소에 dsh-plugin 토픽을 붙이면 찾기 쉬워진다고 안내하고, 피드백은 GitHub Discussions로 받는다고 적었다.
에이전트가 만든 플러그인이 닿는 범위와 비용은 실행하는 사람의 환경에 달려 있다
README에 따르면 웹 UI는 기본으로 127.0.0.1의 3080 포트에서 뜬다. 같은 릴리스에는 사용자에게 보이고, 브라우저로 열리고, 모델에게 전달되는 대외 주소를 정하는 public-url 옵션도 들어갔다. 경로 접두사가 붙은 역방향 프록시 주소도 지원한다. 릴리스 노트는 이 옵션을 표시와 전달에 쓰는 주소를 지정하는 값으로만 설명하며, 서버를 외부에 공개하는지는 읽은 자료에서 확인되지 않는다.
로컬에서 실행하는 경우 플러그인 코드와 에이전트의 작업은 실행한 사람의 컴퓨터 권한 위에서 돈다. 모델 호출 비용도 그 사람이 연결한 모델 계정에 붙는다. 다른 사람이 쓰는 주소로 열었다면 그 접근 권한이 누구에게 있는지부터 따져야 한다.
README는 프로젝트를 실행하기 전에 안전 안내를 읽으라고 한다. 그 안내(SAFETY.md)의 내용은 읽지 못했으므로, 어떤 위험을 어떻게 다루는지는 이 글에서 판단하지 않는다. 처음 시험할 때는 로컬 주소로만 띄우고 별도 작업 폴더에서 작은 요구 하나만 보내는 편이 무난하다.
자세히 읽기 · DeepSeek AI의 DeepSeek Harness 저장소 ↗ · DeepSeek AI의 v0.2.1-alpha.1 릴리스 노트 ↗