CommunityResearch & Data Analysisgithub.com

soave0529-oss/tobacco-brand-namer

한국 담배 규제를 지키며 맛 특징을 살리고 중복을 피하는 담배 제품명 작명 Claude Agent Skill

Works withClaude Code~Codex CLI~Cursor
npx skills add soave0529-oss/tobacco-brand-namer

Ask in your favorite AI

Open a new chat with this agent skill pre-loaded.

Documentation

담배 제품명 작명기 (Tobacco Brand Namer)

새 담배의 제품명·브랜드명·맛 변형(라인업) 이름을 짓는다. 세 가지를 동시에 만족시킨다.

  1. 법적으로 안전할 것 — 담배 이름에 못 쓰는 단어를 피한다(국내+국제).
  2. 맛의 특징을 살릴 것 — 멘솔·과일·강도·굵기를 형식 + 음상(소리) + 색으로 표현한다.
  3. 겹치지 않되 담배 이름다울 것 — 국내·글로벌 유통명을 베끼지 않으면서 한국 담배 네이밍의 형식(공식) 을 빌려 시장에 자연스럽게 녹아든다.

핵심 철학: 단어를 조합하지 말고 형식을 빌려라. 맛 단어를 이어 붙인 억지 합성어가 아니라 "원래 있던 담배 같은" 이름을 만든다. 향은 직접 쓰지 말고 색·음상·이미지로 우회한다.

맛을 살리는 세 도구: ① 형식(틀 차용) · ② 음상(멘솔=날카로운 소리 ㅋㅌ+이, 단맛=둥근 소리 ㄹㅁ+오우) · ③ 색(향 직접표기 대신 블루=멘솔·퍼플=베리·레드=강함). 역할 배분은 패밀리(코어)=조어/추상형(독자성·상표보호), 서브라인(맛 변형)=암시형.

🗺️ 자료 지도 (필요할 때만 읽는다 — progressive disclosure)

법규 (작명 전 필수)

  • references/legal-rules.md — 한국 담배 이름 규제(담배사업법 제25조의5·시행령 제10조의2 등) 조문별.
  • references/international-law.md — 글로벌 출시 대비(FCTC·EU TPD·plain packaging·FDA·니스 34류). 해외 고려 시.
  • data/banned_terms.json — 금지어/주의어(검증 스크립트용).

이론·언어 (코어·형식 설계)

  • references/naming-frameworks.md — 네이밍 유형 2축·평가기준·음상·향수차용 (요약 이론).
  • references/naming-methodology.md — 에이전시 프로세스·기호학·브랜드 아키텍처·네임 테스트 (심화).
  • references/naming-guide.md — 한국 담배 형식 공식(F1~F6) + 맛→어휘 (실전 핵심).
  • references/naming-patterns.md — 담배·제품 네이밍 패턴 카탈로그(예시 다수 + 브리프→패턴 매핑).
  • references/morpheme-bank.md (+data/morphemes.json) — 코어 조어용 어근/단어 뱅크(220+).
  • references/onomastics-libraries.md (+data/name_libraries.json) — 신화·천체·보석·자연 등 작명 소스 사전.
  • references/korean-linguistics.md — 한글 음상·조어법·신조어 기법.
  • references/phonosemantics.md (+data/phoneme_connotations.json) — 소리로 맛 빚기(음소표·교차감각).

감각·기호 (맛 표현)

  • references/flavor-lexicon.md — 맛·향 감각 어휘 사전(요약).
  • references/flavor-wheels.md — 커피/와인/맥주/위스키/차/시가 플레이버 휠 망라.
  • references/fragrance.md — 향수 향군·노트 피라미드·후각 어휘.
  • references/color-semiotics.md (+data/color_codes.json) — 색→맛·강도 코드.

레퍼런스 (중복 회피)

  • data/brands.json — 국내 유통 담배 전수조사(검증 스크립트 기준 데이터).
  • references/korea-census-deep.md — 패밀리별 변형명 심화 census(서술형).
  • references/global-tobacco-brands.md — 글로벌 담배 브랜드·네이밍 역사.
  • references/cross-industry-cases.md — 타산업(주류·향수·자동차·테크 등) 네이밍 차용.

평가·자동화

  • references/generation-playbook.md — 브리프별 워크드 예시(0~7단계 적용 시연).
  • references/evaluation-rubric.md — 담배명 100점 가중 스코어링 모델.
  • scripts/generate_names.py — 코어+형식+음상 조합 생성기.
  • scripts/score_name.py — 브랜더빌리티 스코어러(0~100, 등급).
  • scripts/check_name.py — 중복·금지어 검증기(FAIL/WARN/OK).

작업 순서 한눈에

0.입력 → 1.법적 필터 → 2.레퍼런스(중복회피) → 3.맛→어휘·음상·색
   → 4.형식·코어 설계 → 5.생성(generate_names.py) → 6.검증·스코어(check/score) → 7.보고

0단계 — 입력 정리

맥락에서 다음을 확보한다. 맛/컨셉이 불명확하면 한 번만 되묻는다(맛이 이름의 핵심).

  • 제품 형태(궐련/가열스틱/전자담배/시가), 맛·향, 강도/타르 느낌, 굵기, 포지셔닝·무드, 브랜드 맥락(기존 패밀리 확장 vs 신규 독립), 출시 범위(국내만/글로벌), 수량·언어.

1단계 — 법적 필터 학습

references/legal-rules.md를 읽는다(글로벌이면 international-law.md도). 후보를 만들기 전에 금지 범주를 머리에 넣는다. 핵심: 저감 오인(라이트·마일드·저타르·순), 효능·건강 암시, 가향 직접·암시 표시(2026-04-24 강화 추세), 공서양속·아동 소구, 타 상표 혼동. 순함은 색·숫자로, 향은 색·음상으로 우회한다.

2단계 — 레퍼런스(전수조사) 학습

data/brands.json(+필요시 korea-census-deep.md, 글로벌이면 global-tobacco-brands.md)으로 중복 회피 기준형식을 동시에 파악한다. 최신 신제품·한정판은 WebSearch로 보강한다. 캡슐 키워드는 제조사별로 선점돼 있다(체인지=KT&G, 버스트=말보로, 펄=IQOS, 클릭=glo) → 피한다.

3단계 — 맛 → 어휘·음상·색 매핑

맛의 결을 포착하고(flavor-lexicon.md, 깊게는 flavor-wheels.md·fragrance.md), 소리로 번역하고(phonosemantics.md: 멘솔=ㅋㅌ+이 / 단맛=ㄹㅁ+오우), 색으로 코드화한다(color-semiotics.md). 향은 직접 표기하지 않는다.

4단계 — 형식·코어 설계

  • 유형 결정(naming-frameworks.md·naming-methodology.md): 패밀리=조어/추상/임의형, 서브라인=암시형. 신규 독립 브랜드면 강한 단일 코어(F1), 라인업 확장이면 F5/F6.
  • 형식 공식(naming-guide.md): F1 단일코어 / F2 코어+색·맛 / F3 코어+넘버·타르 / F4 코어+형태 / F5 코어+서브라인+맛 / F6 서브라인 확장.
  • 코어 조어(morpheme-bank.md·korean-linguistics.md): 어근 뱅크 + 한글 음상(양성=경쾌, 음성=묵직)으로 짧은(2~4음절) 발음 쉬운 코어를 만든다.

5단계 — 후보 대량 생성

먼저 스크립트로 원재료를 뽑고, 모델이 어감·의미를 다듬는다(필터링 없이 대량 발산 후 압축).

python scripts/generate_names.py --flavor menthol --count 20
python scripts/generate_names.py --flavor sweet --forms single,core_color,portmanteau --check

스크립트 출력은 정제 전 재료다. 3·4단계 지식으로 가다듬고, 요청 수의 2~3배를 초안으로.

6단계 — 검증·스코어 (필수 게이트)

python scripts/check_name.py "후보1" "후보2"            # 중복·금지어 (FAIL/WARN/OK)
python scripts/score_name.py "후보1" "후보2" --flavor menthol   # 0~100 점수·등급
  • check_name FAIL(금지어·정확중복)은 버린다. WARN(주의어·유사중복·단종명칭)은 근거 보고 판단.
  • score_name으로 법적·차별성·간결성·발음·음상적합을 종합 점수화(루브릭은 evaluation-rubric.md). 컷오프: 80↑ 강력추천 / 65~79 조건부 / 그 이하 재작업. FAIL은 자동 탈락.
  • 탈락분만큼 5단계로 돌아가 채운다.

7단계 — 보고 형식

통과 후보를 추천순(점수순) 으로:

### 1. 썬릿 (Sunlit) — 트로피컬 캡슐 / 슬림   [score 86, A]
- 맛 표현: 햇살·열대 이미지 코어 + 캡슐은 색/아이콘으로 암시(음상: 밝은 양성모음).
- 차용 형식: F1 단일 코어(에쎄·레종형). 유형: 조어/암시.
- 법적 안전성: 저감·효능·가향 직접표기·공서양속 위반 없음(담배사업법 제25조의5·시행령 제10조의2, 상표법 제34조).
- 중복 회피: check_name OK — 기존 패밀리/변형·글로벌과 정확·유사 중복 없음(기준일 2026-06).

마지막에 검증 기준일·데이터 출처한계 고지를 덧붙인다.

주의·한계

  • 작명 보조 도구이며 법적 자문이 아니다. 출시 전 특허청 KIPRIS(음운·개념 유사 포함)와 관할 규제기관 표시 적합성을 별도 확인. international-law.md로 글로벌 출시도 점검.
  • data/brands.json은 기준일(2026-06) 스냅샷 → 신제품·한정판 누락 가능. 2단계 WebSearch 보강.
  • 가향 표시 규제 강화 추세(2026-04-24 가향 '암시'까지 제한 조사) → 향 연상 작명은 보수적으로.
  • 금지어 판단은 문자 기준 → 맥락상 오인(전체 인상이 순함·건강 암시)은 사람이 최종 점검.
  • 스크립트의 생성·스코어는 휴리스틱 보조다. 음상/발음 점수는 근사이며 사람 판단이 우선한다.
  • 미성년자 보호·금연정책 맥락을 존중하며, 흡연 미화·아동 소구가 아닌 합법적 범위의 작명만 돕는다.

Related Skills

Akame-code/paper-project-organizer

A Codex skill for organizing academic paper projects with folders, specialist threads, and handoff files.

community

danilkotelnikov/vedix

End-to-end agentic research workbench. Turns a topic into a venue-ready manuscript via cross-host orchestration (Claude Code, Codex CLI, Gemini CLI, Antigravity). 17 specialized subagents, Source-Grounded Claim Architecture (SGCA), 23 publisher templates, 7 first-class languages.

community

rysweet/cybersecurity-analyst

Analyzes events through cybersecurity lens using threat modeling, attack surface analysis, defense-in-depth, zero-trust architecture, and risk-based frameworks (CIA triad, STRIDE, MITRE ATT&CK). Provides insights on vulnerabilities, attack vectors, defense strategies, incident response, and security posture. Use when: Security incidents, vulnerability assessments, threat analysis, security architecture, compliance. Evaluates: Confidentiality, integrity, availability, threat actors, attack patterns, controls, residual risk.

community

dungnotnull/ai-dataset-quality-audit-agent-skill

📊 AI Training Dataset Quality Audit | Production-grade Codex skill for pre-training dataset auditing (balance, bias, leakage, ethical fitness). Binds scores to named frameworks (NIST, Gebru's Datasheets) and uses a crawl4ai pipeline.

community

letta-ai/letta

Stateful agent framework with built-in long-term memory and a REST API (formerly MemGPT).

community

heilcheng/awesome-agent-skills

Agent skill repository discovered by 10x-chat research.

community