개발자는 이미 하루 종일 쓸모 있는 언어에 둘러싸여 있습니다.

풀 리퀘스트 코멘트, 디버깅 노트, 이슈 스레드, 릴리스 논의, 아키텍처 트레이드오프, 그리고 코딩 작업을 돕는 에이전트와의 대화 곳곳에 그런 언어가 등장합니다. 문제는 학습 자료가 부족한 것이 아닙니다. 이 자료가 하루 업무 곳곳에 흩어져 있어서, 나중에 실제로 복습할 수 있는 형태로 정리되는 일이 거의 없다는 것이 문제입니다.

가장 쓸모 있는 언어는 이미 워크플로 안에 있습니다

엔지니어라면, 가장 필요한 언어는 대개 교과서에서 나오지 않습니다.

버그를 설명하고, 리뷰를 요청하고, 마이그레이션 리스크를 기술하고, 범위 확장에 반대 의견을 내고, 테스트 결과를 요약할 때 쓰는 언어입니다. 실제 업무에서 중요한 표현은 바로 이런 것들인데, 도구와 대화 속으로 사라져 버리기 때문에 꾸준히 모으기가 가장 어렵기도 합니다.

이 워크플로에서 스킬이 하는 일

여기서 스킬이란, 스킬을 지원하는 에이전트를 위한 재사용 가능한 지시 파일을 말합니다.

매번 같은 프롬프트를 다시 쓰는 대신, 워크플로를 한 번 저장해 두고 에이전트가 재사용하게 합니다. LangCapture의 경우, 에이전트가 현재 대화나 작업 맥락을 검토해 학습 언어로 된 유용한 표현을 1~5개 추출하고, 사용자 확인을 거친 뒤 승인된 문장을 LangCapture에 업로드한다는 뜻입니다.

학습 자료가 실제 엔지니어링 업무에서 곧바로 나오기 때문에, 이 워크플로는 특히 개발자에게 잘 맞습니다.

language-learning 스킬 전문

아래는 스킬 전체 내용입니다. 스킬을 지원하는 에이전트 시스템의 스킬 디렉터리에 language-learning/SKILL.md로 저장한 뒤, 토큰 자리표시자를 본인의 LangCapture API 토큰으로 교체하세요. 업로드 단계에는 Windows와 macOS/Linux 명령 패턴이 모두 포함되어 있습니다.

md

---

name: language-learning

description: |

Extract 1-5 reusable workplace expressions in the target language from the current conversation, ask the user which ones to keep, and upload the approved sentences to LangCapture. Use when the user asks to "표현 추출", "외국어 표현 정리", "외국어 학습", "LangCapture에 업로드", "문장 정리", "언어 자료 수집", or similar requests about reviewing the current session and turning it into language learning material.

---

# Language Learning

Extract concise, reusable workplace language from the current chat. Confirm with the user before uploading anything to LangCapture.

Workflow

### 1. Review the current session

Read the conversation history in the current session. Identify the main work topics being discussed, such as debugging, implementation, status updates, review feedback, deployment, testing, or coordination.

Think from the perspective of explaining the same work to a coworker who speaks your target language. Prefer expressions that are likely to be reused in engineering conversations.

### 2. Extract 1-5 useful expressions

Select only sentences that are:

  • Natural workplace language
  • Reusable without depending on hidden context
  • Useful for engineers discussing progress, issues, requests, review, testing, or results
  • Concise enough to remember and practice

Avoid sentences that are:

  • Overly academic or textbook-like
  • Too specific to internal file names, secrets, or one-off details
  • Unclear without extra explanation

For each item, output:

  • The sentence in the target language
  • A short native-language note describing meaning or usage

Use this format:

~~~text

  • "The latest change fixes the retry path, but I still need to verify the error handling."

-> 수정 진행 상황을 보고하면서 아직 검증이 남은 부분을 함께 알리는 표현

~~~

If the session does not contain enough good material, say so directly instead of inventing weak examples.

### 3. Ask for confirmation before upload

After listing the extracted expressions, ask the user which ones to upload.

If an interactive question tool is available, use it with these options:

  • All upload
  • Choose specific items
  • Skip

If no such tool is available, ask a short plain-text question that offers the same three choices.

Do not upload anything until the user confirms.

If the user skips, stop immediately.

### 4. Upload the approved expressions to LangCapture

Upload each approved sentence individually.

Prefer using the local shell tool. Use the command pattern that matches the current platform.

Windows (PowerShell):

~~~powershell

$body = @{ original_text = "<SENTENCE>" } | ConvertTo-Json -Compress

try {

(Invoke-WebRequest `

-Method POST `

-Uri 'https://langcapture.com/api/sentences' `

-Headers @{

Authorization = 'Bearer <YOUR_LANGCAPTURE_API_TOKEN>'

} `

-ContentType 'application/json' `

-Body $body

).StatusCode

} catch {

$_.Exception.Response.StatusCode.value__

}

~~~

macOS/Linux (bash/zsh/sh):

~~~sh

python3 -c "

import json, subprocess, sys

sentence = sys.argv[1]

payload = json.dumps({'original_text': sentence})

result = subprocess.run([

'curl', '-s', '-o', '/dev/null', '-w', '%{http_code}',

'-X', 'POST', 'https://langcapture.com/api/sentences',

'-H', 'Content-Type: application/json',

'-H', 'Authorization: Bearer <YOUR_LANGCAPTURE_API_TOKEN>',

'--data', payload

], capture_output=True, text=True)

print(result.stdout.strip())

" "<SENTENCE>"

~~~

Treat 200 as success.

If one sentence fails, report it and continue with the remaining approved sentences.

### 5. Summarize the result

List each approved sentence with its upload result:

  • Uploaded successfully
  • Failed with HTTP status code

State clearly how many items were uploaded and how many failed.

Quality rules

  • Prefer realistic workplace language over polished textbook language.
  • Keep the list short and high-signal.
  • Require user confirmation before upload.
  • Use the current session only; do not fabricate conversation context.
  • Treat the API token as sensitive. Use it only for the LangCapture upload request and do not expose it unnecessarily in the final user-facing summary.

개발자에게 특히 유용한 이유

개발자 커뮤니케이션은 맥락 의존도가 매우 높습니다.

어떤 문장이 유용한 이유는 멋있게 들려서가 아니라, 특정한 일을 잘 해내는 데 도움이 되기 때문입니다. 이런 상황에 쓸 언어가 필요할 수 있습니다:

  • 명확한 진행 상황 공유
  • 버그의 근본 원인 설명
  • 변경 사항 리뷰 요청
  • 릴리스 전 트레이드오프 논의
  • 범위, 롤아웃, 테스트 커버리지에 대한 합의

이런 표현이 실제 엔지니어링 업무에서 직접 나온 것이라면, 이해하기도 쉽고 기억하기도 쉬우며 다시 쓰게 될 가능성도 훨씬 높아집니다.

워크플로 동작 방식

흐름은 단순합니다:

  • 평소 쓰는 도구나 에이전트 대화 안에서 일합니다.
  • 이미 사용 중인 에이전트에 이 스킬을 설치합니다.
  • 현재 맥락에서 유용한 표현을 추출해 달라고 에이전트에 요청합니다.
  • 어떤 문장을 저장할지 확인합니다.
  • 스킬이 LangCapture에 업로드하도록 둡니다.

이렇게 하면 LangCapture는 아무 문장이나 쌓아 두는 곳이 아니라, 실제 개발 업무에서 나온 표현들을 체계적으로 모은 라이브러리가 됩니다.

제품의 큰 그림이 궁금하다면 실제 업무 속 언어를 나만의 학습 라이브러리로부터 시작하세요.

캡처 워크플로에 대한 아이디어가 더 필요하다면 GitHub, Slack, Jira, 이메일에서 쓸모 있는 문장을 캡처하는 방법을 읽어 보세요.

이 워크플로를 직접 써 보려면 API 토큰 설정에서 토큰을 생성해 스킬에 붙여넣고, 이미 사용 중인 스킬 기반 워크플로에 LangCapture를 연결하세요.