Sponsored by APIMart - AI API, 99.9% SLA. 언제나 끊김 없이, 나만의 AI를. 대부분의 모델을 20~60% 저렴하게 이용할 수 있으며, nanobanana pro API는 단

AI 광고 라이브러리

Openclaw Skills

Thinking Protocol Skill

Openclaw용 Thinking Protocol Skill

AI 에이전트에게 깊은 사고, 체계적 검증 및 투명한 신뢰도 점수를 주입하는 포괄적인 추론 프레임워크입니다.

leezongdai

v2.1.0

Mar 18, 2026

설치

정보

Skill.md

설치 및 다운로드

1. ClawHub CLI

레지스트리에서 스킬을 바로 설치하는 가장 빠른 방법입니다.


                  npx clawhub@latest install thinking

2. 수동 설치

스킬 폴더를 다음 위치 중 하나로 복사하세요

글로벌

~/.openclaw/skills/

워크스페이스

<project>/skills/

우선순위: 워크스페이스 > 로컬 > 번들

3. 프롬프트 설치

이 프롬프트를 OpenClaw에 복사하면 자동으로 설치됩니다.


                  Clawhub를 사용해서 thinking 설치를 도와줘. Clawhub가 설치되어 있지 않다면 먼저 설치해 줘 (npm i -g clawhub).

다운로드를 원하시나요?

ZIP 아카이브 형태의 원본 스킬 파일을 받으세요.

Thinking Protocol Skill란 무엇인가요?

Thinking Protocol은 Openclaw Skills 내에서 에이전트가 정보를 처리하는 방식을 혁신하기 위해 설계된 정교한 스킬입니다. Thinking-Claude 프로젝트에서 영감을 받아 유기적인 내적 독백을 구현함으로써 AI가 표면적인 응답을 넘어서도록 강제합니다. 이를 통해 에이전트는 점진적으로 이해를 구축하고, 자신의 추론 결함을 인정하며, 최종 답변을 제공하기 전에 실시간으로 오류를 수정합니다.

버전 2.1에서는 엄격한 신뢰도 점수 시스템(Confidence Score System)과 불확실성 선언이 도입되었습니다. 증거의 질과 추론의 명확성과 같은 특정 요소를 통해 신뢰성을 정량화함으로써, 이 스킬은 복잡한 기술적 또는 분석적 작업에 필수적인 투명성과 신뢰 계층을 제공합니다. 이는 표준 AI를 자기 수정이 가능하고 고도로 분석적인 협력자로 효과적으로 변화시킵니다.

Thinking Protocol Skill 활용 사례

성능, 보안 및 확장성이 중요한 복잡한 기술 작업을 수행할 때.
재무 분석이나 검증 프로토콜(verification protocol)이 필요한 시스템 구성 변경과 같은 고위험 작업을 수행할 때.
검증된 사실과 가정을 구분하는 것이 중요한 심층 연구 및 분석을 수행할 때.
일관된 톤과 논리적 흐름이 요구되는 고품질 기술 콘텐츠를 생성할 때.

Thinking Protocol Skill 작동 원리

초기 참여: 에이전트는 이해를 보장하기 위해 쿼리를 재구성하고 알려진 요소와 알려지지 않은 요소를 매핑합니다.
문제 분석: 핵심 요청을 암시적 및 명시적 요구 사항과 제약 조건으로 분해합니다.
가설 생성: 조기 결정을 피하기 위해 여러 해석과 해결책을 동시에 고려합니다.
자연스러운 발견: 에이전트는 의식의 흐름 사고 블록을 사용하여 패턴을 식별하고 초기 가정에 의문을 제기합니다.
체계적 검증: 논리적 일관성을 보장하기 위해 고위험 권장 사항이나 복잡한 추론 체인에 대해 2차 체크를 트리거합니다.
신뢰도 평가: 최종 응답에는 사용자에게 완전한 투명성을 제공하기 위해 상세한 신뢰도 점수와 불확실성 태그가 추가됩니다.

Thinking Protocol Skill 설정 가이드

Thinking Protocol을 설치하려면 스킬 디렉토리를 Openclaw Skills의 로컬 워크스페이스로 복사하십시오.

cp -r skills/thinking ~/.openclaw/workspace/skills/

Thinking Protocol Skill 데이터 스키마 및 분류 체계

이 스킬은 에이전트의 라이프사이클 전반에 걸쳐 투명성을 유지하기 위해 구조화된 추론 및 보고 형식을 사용합니다.

구성 요소	형식	설명
내적 독백	`thinking` 코드 블록	자연어 의식의 흐름 프로세스.
불확실성 태그	`{uncertain}`, `{assumption}` 등	검증되지 않은 특정 정보 유형에 대한 인라인 마커.
신뢰도 평가	Markdown 표	증거, 명확성 및 전문 지식을 기반으로 한 0-100% 점수.
검증 트리거	Logic Hooks	"결론 변경"과 같이 재평가를 강제하는 조건.