데이터 집약적 보고서 해설 스크립트 생성 전략
이것은 중단편 전문 보고서, 기업 재무제표, 증권사 리포트, 산업 백서 등 데이터 집약적 자료를 위한 비디오 스크립트 생성 스킬입니다. 복잡한 데이터와 표를 일반인이 듣고 이해할 수 있으며 유용하게 느낄 수 있는 하드코어 해설 비디오로 변환합니다.
본 Skill은 얇은 진입점 역할을 하며, 보고서 처리를 개별적으로 유지 관리 가능한 여러 모듈로 분할합니다:
- reading-and-extraction.md: 고정밀 텍스트/표 추출 (로컬 추출/외부 전처리 결합), 데이터 대조표 초기화 및 윈도우 기반 읽기.
- writing-standard.md: 리포트 해설 스크립트의 시작 부분, 논리적 추론, 데이터 구어화 표준 및 최종 JSON 출력 계약.
- revision-workflow.md: v1 초안, v2 데이터 확인 초안, 최종본 및 수정 감사 차등 프로세스.
본문 길이 구성
이는 본 Skill에서 본문 초안 길이의 유일한 진실 공급원입니다. 다른 Reference는 구체적인 글자 수를 반복해서 작성하지 말고 이 섹션만 인용해야 합니다.
draft_min_chars: 1000
final_target_chars: 1200
_draft_v1.txt저장 전에 반드시draft_min_chars에 도달해야 합니다.- 이후 모든 본문 초안은 원칙적으로
draft_min_chars미만이어서는 안 됩니다. - 최종 raw JSON의
content목표 길이는final_target_chars를 기준으로 하며,total_length는 실제content문자 수를 기록합니다.
주요 프로세스
한 번에 직접 출력하지 마십시오. 데이터 정확성과 스크립트 전파력을 보장하기 위해 다음 단계를 따르십시오:
- 추출 및 읽기: 먼저 reading-and-extraction.md를 읽습니다. 로컬 추출 도구(예: PyMuPDF/fitz)를 사용하여 PDF를 파싱하거나 미리 변환된 Markdown 보고서를 직접 읽고, Bash 읽기 윈도우를 나누고 100% 읽어들입니다. 데이터 대조표를 설정하여 나중에 참조할 수 있도록 합니다.
- 논리적 진입점 결정: 보고서의 핵심 문제(예: 산업 위기, 기업 성장 병목, 거시적 변동)를 묵시적으로 추출하고, 보고서의 핵심 해석 프레임워크를 추출한 후, 청중과 관련성이 높은 이익 진입점을 바인딩합니다 (예: 이 데이터가 일반인에게 의미하는 바).
- 초안 작성: writing-standard.md를 읽고,
draft_min_chars에 도달하는_draft_v1.txt를 작성합니다. 주요 초점은 차가운 데이터를 구어와 논리적 인과 관계로 '번역'하는 것입니다. - 구조 및 데이터 검증 수정: revision-workflow.md를 읽습니다. 두 번째 초안
_draft_v2_structure.txt가 결정된 후, 직접 예비_draft_final.txt로 저장합니다. 거기서 모든 데이터를 추출하여 대장_data_check_ledger.json을 생성합니다 (초기 상태는unchecked). 그런 다음 원문과 대조하여 검증하고, 직접_draft_final.txt에서 국소적으로 수정/삭제합니다 (상태를verified/abandon/corrected로 업데이트). 모든 데이터 검증이 완료되면 (unchecked없음),_draft_final.txt를 확정하고_revision_audit.json차등 감사를 기록합니다. - JSON 출력 패키징: writing-standard.md의 최종 JSON 출력 계약에 따라 최종 JSON을 생성합니다.
자체 점검 요구 사항
최종 JSON을 제출하기 전에 묵시적으로 확인합니다:
- 데이터 대조표가 완전히 설정되었는지, 스크립트에 나타나는 모든 백분율, 금액, 비율 등의 숫자가 대조표에 정확한 출처가 있는지 확인합니다.
- 데이터 검증 대장
_data_check_ledger.json의 모든 항목status가 업데이트되었는지 (unchecked없음), 데이터 폐쇄 루프가 완료되었는지 확인합니다. - 시작 부분이 100자 이내에 날카로운 질문이나 핵심 갈등, 그리고 시청자가 관심을 가질 이익 약속을 제시하는지 확인합니다.
- 약 250자마다 논리적 진행이 있고, 문체가 구어체이며, "이 책에서 언급된", "위 그림에서 볼 수 있듯이" 등의 AI 요약어가 제거되었는지 확인합니다.
- 수정 프로세스가 완전하여 각 라운드의 변경 사항이
_revision_audit.json에 명확한 before/after로 기록되었는지 확인합니다.