Community라이팅 & 에디팅github.com

tzwkb/game-loc-translator

RAG 기반 게임 현지화 번역 엔진 (신규 번역 + MTPE)을 위한 Agent Skill입니다.

game-loc-translator란 무엇인가요?

이 Agent Skill은 게임 텍스트 현지화 파이프라인을 자동화하는 RAG 기반 번역 엔진입니다. 주 Agent가 중앙 오케스트레이터 역할을 하며, ingest, process, qa라는 세 가지 전문화된 하위 Agent에게 작업을 위임합니다. ingest agent는 데이터 수집, 열 검사, 용어 사전 사전 점검 및 파일 섭취를 담당합니다. process agent는 LLM API를 호출하여 번역을 실행하고, 용어를 강제로 대체하며, RAG 검색을 통해 few-shot 예시를 제공합니다. qa agent는 품질 검사, 차등 최종 검토(Mode B), 출력 검토 및 최종 내보내기를 수행합니다. 이 Skill은 과정 전반에 걸쳐 용어 사전 일관성, 형식 제약 조건 및 지식 베이스 준수를 우선시하며, 재작업 또는 수동 개입이 필요한 경우를 표시하는 명확한 의사 결정 테이블을 제공합니다. Claude Code, Cursor, Codex 등 주요 AI 에이전트 플랫폼과 함께 사용하도록 설계되었습니다.

지원 대상~Claude Code~Codex CLI~Cursor
npx skills add tzwkb/game-loc-translator

Installed? Explore more 라이팅 & 에디팅 skills: steipete/notion, langchain-ai/langchain, bytedance/podcast-generation · View all 6 →

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

게임 현지화 에이전트 — 주 스케줄러 매뉴얼

주 Agent = 스케줄러. 스크립트, 파일, API를 직접 조작하는 것은 금지됩니다. 모든 실행 작업은 하위 Agent에게 위임되어야 합니다.

아키텍처: 주 Agent 결정 → 하위 Agent 실행 → 결과 반환 → 주 Agent 검토/결정

하위 Agent 매뉴얼 경로: SUB_ingest.md / SUB_process.md / SUB_qa.md


0. 아키텍처 및 금지 사항

0.1 주 Agent 금지 사항

  • cli.py 또는 스크립트를 직접 실행해서는 안 됨
  • 프로젝트 입력 파일, 용어 사전, 지식 베이스를 직접 읽거나 써서는 안 됨
  • 번역/최적화를 위해 LLM API를 직접 호출해서는 안 됨
  • 데이터베이스 또는 내보낸 xlsx를 직접 수정해서는 안 됨

0.2 하위 Agent 역할 분담

하위 Agent책임독점 권한
ingest-agent스캔 시작, 열 검사, 용어 사전 사전 점검, 환경 확인, ingest/scout, 코퍼스 운영, 지식 베이스 편집데이터 수집 및 아카이빙
process-agentprocess / run, API 호출, 동시성 관리, 잘림 재시도, glossary 용어 대체API 호출 및 용어 강제 대체
qa-agent품질 검사 샘플링, 차등 최종 검토(Mode B), 출력 검토, export 내보내기, 형식 수정, RAG 일관성 비교품질 검사 검토 및 전달 내보내기

0.3 컨텍스트 전달 규칙

주 Agent가 작업을 할당할 때 반드시 포함해야 하는 항목:

  1. 프로젝트 식별자(workspace 경로, 프로젝트명)
  2. 현재 단계 목표
  3. 상위 하위 Agent의 출력 요약 또는 주요 결론
  4. 알려진 위험 요소(용어 충돌, 형식 제약, max_length 초과 이력 등)
  5. knowledge_profile_path: workspace/knowledge_profile.json 경로
  6. rag_enabled: 현재 프로젝트 코퍼스가 >= 10인지 여부
  7. 반환 요구사항: 구조화된 요약 + 파일 경로 + 이상 플래그

할당 템플릿 예시:

【작업】 ingest 실행
【프로젝트】 workspace/PROJECT_001
【단계 목표】 스캔 시작 + 파싱 및 저장
【입력 파일】 input/game.xlsx
【용어 사전】 input/glossary.txt
【지식 베이스】 input/kb.txt
【알려진 위험】 없음
【상위 결론】 없음
【반환 요구사항】 구조화된 요약 + 파일 경로 + 이상 플래그

하위 Agent가 반환할 때 반드시 제공해야 하는 항목:

  1. 실행 요약(성공/실패/이상)
  2. 주요 데이터(행 수, 용어 적중 수, 이상 행 번호, 점수)
  3. 출력 파일 경로
  4. 다음 단계 제안 / 차단 항목

1. 시작

주 Agent 동작: ingest-agent에게 스캔 시작 실행을 지시합니다.

ingest-agent 반환: 이전 매개변수/빈 상태, 열 매핑, 용어 문제, 환경 상태(벡터화 모델 상태 포함), 매개변수 자료.

주 Agent 결정:

  • 이력 존재 → PM에게 이전 매개변수 보고, 유지 또는 조정 확인
  • 용어 이상 → PM에게 보고, 확인 후 계속 또는 수정
  • 다중 모델 → PM에게 옵션 목록 제시, 사용할 모델 확인
  • 모델 없음 → PM에게 다운로드 여부 문의; 거절 → rag_enabled=false 표시
  • PM이 "계속"이라고 말함 = 확인, Node 1로 진입

2. 스캔 (Node 1)

주 Agent 동작: ingest-agent에게 cli.py ingest 실행을 지시합니다.

ingest-agent 반환: 총 행 수, 용어 적중 수, 새 용어 목록, 충돌 행 번호, 판정 모드(Mode A/B), 스타일 앵커 샘플, knowledge_profile.json 경로.

주 Agent 결정:

  • scout 지정(선택 사항) → Mode A/B 확인 → Node 3으로 진입

3. API 실행 (Node 3)

주 Agent 동작: process-agent에게 번역/최적화 실행을 지시합니다. 스타일 앵커, 용어 제약, knowledge_profile_path, rag_enabled를 하달합니다.

process-agent 반환: 성공 행 수, 실패 행 번호, 잘림 경고, RAG 적중/재사용 통계, API 이상 요약.

주 Agent 결정:

  • 실패/잘림 → 재시도, 매개변수 조정 또는 MANUAL 표시 결정
  • 성공 → Node 4로 진입

4. 후처리 (Node 4)

4.1 용어 강제 대체

주 Agent 동작: process-agent에게 cli.py glossary 실행을 지시합니다.

process-agent 반환: 대체 통계, 잔여 편차 행 번호.

주 Agent 결정: 잔여 편차 → 재처리 재유입 여부 결정.

4.2 품질 검사

주 Agent 동작: qa-agent에게 품질 검사 실행을 지시합니다.

qa-agent 반환: 점수 분포(PASS/REWRITE/MANUAL), 이상 샘플, 지식 베이스 위반 행 번호, RAG 불일치 행 번호, 제안 동작.

주 Agent 결정:

  • REWRITE → Node 3으로 재유입, process-agent에게 프롬프트 조정 후 재전송 지시(단일 배치 최대 5회)
  • MANUAL → 차단 표시, PM에게 보고
  • PASS → 4.3(Mode B) 또는 Node 5로 진입

4.3 차등 최종 검토 (Mode B)

주 Agent 동작: qa-agent에게 최종 검토 실행을 지시합니다.

qa-agent 반환: 수정 목록, 오판율 통계.

주 Agent 결정: 오판율 >5% → 샘플링 확대 또는 재유입; 그렇지 않으면 Node 5로 진입.


5. 최종 교정 + 내보내기 (Node 5)

주 Agent 동작: qa-agent에게 최종 교정, 검토 및 내보내기 실행을 지시합니다.

qa-agent 실행: 구조화된 출력 검토(SUB_qa.md 검토 항목 목록 참조) → cli.py export.

주 Agent 결정(검토 미통과 시 재유입):

  • 용어 이탈 → process-agent가 glossary 재실행
  • 스타일/컨텍스트 → process-agent가 관련 배치 재처리
  • 형식/플레이스홀더/길이 → qa-agent가 수정 후 재내보내기
  • 재유입 후 qa-agent 재지정 필요

6. 결정 빠른 참조표

트리거 조건결정 동작지정 대상
환경 확인 실패 / 벡터화 모델 캐시 없음PM에게 보고, 차단—
용어 이상PM에게 보고, 확인 후 계속—
PM이 "계속"이라고 말함매개변수 확인, 다음 노드로 진입—
API 연속 실패MANUAL 표시—
잘림 경고max_tokens 조정 또는 행 분할 재시도process-agent
REWRITE(0.7–0.9)재번역 재유입(단일 배치 최대 5회)process-agent
MANUAL(<0.7)차단 표시, PM에게 보고—
용어 이탈glossary 재실행process-agent
스타일 변이관련 배치 재처리process-agent
형식/플레이스홀더/길이 이상스크립트 수정 후 재내보내기qa-agent
오판율 >5%샘플링 확대 또는 재유입qa-agent
검토 전체 통과전달—

7. 운영

코퍼스 축적/상호 운용: 주 Agent가 ingest-agent에게 실행을 지시합니다.

지식 베이스 편집: 주 Agent가 범위 결정 → ingest-agent에게 실행을 지시합니다. 편집 전에 .bak 백업, 주 Agent 확인 후 재수집.

다중 파일: 각 파일은 독립적으로 스케줄링되며, workspace.db는 병합하지 않습니다.


8. 부록

8.1 리소스 우선순위

  1. 프로젝트 용어 사전(최우선, 스크립트로 강제 실행)
  2. 프로젝트 지식 베이스(수집 구조화 → process 프롬프트 주입 → qa 목록 대조)
  3. RAG 과거 코퍼스(process few-shot 참조 → qa 일관성 비교)
  4. LLM 자유 생성(최하위, 최후 수단)

8.2 스케줄링 흐름도

주 Agent
  │
  ├─→ ingest-agent  ←───────────────────────────┐
  │       ├─→ 스캔 시작 / 열 검사 / 용어 사전 사전 점검       │
  │       ├─→ cli.py ingest                      │
  │       │   └─→ knowledge_profile.json ──┐     │
  │       ├─→ cli.py scout(선택 사항)          │     │
  │       └─→ 매개변수/이상 반환               │     │
  │                                         │     │
  ├─→ process-agent ←───────────────────────┘     │
  │       ├─→ 지식 베이스 주입 프롬프트                   │
  │       ├─→ RAG 검색 → few-shot(자동)     │
  │       ├─→ cli.py process / run                │
  │       ├─→ cli.py glossary                     │
  │       └─→ 번역 결과 반환                        │
  │                                               │
  ├─→ qa-agent ──→ 재유입 결정 ──────────────────────┘
  │       ├─→ 지식 베이스 목록 대조
  │       ├─→ RAG 일관성 비교
  │       ├─→ 품질 검사 샘플링 / 최종 검토 / 검토
  │       ├─→ cli.py export
  │       └─→ 품질 검사/내보내기 결과 반환
  │
  └─→ 최종 결정: 전달 / PM 보고 / 재유입

관련 스킬