idoforgod churchplan-diagnostics-health-radar — 여덟 영역을 비추는 자 (INTERNAL)
대표 스킬
churchplan-diagnostics가 호출하는 INTERNAL 하위 스킬. AI Agent 역할: 여덟 영역을 비추는 자.
역할
교회의 건강을 여덟 면을 가진 거울로 한눈에 비춘다. 한쪽만 보면 놓치는 균형을, 레이더 하나로 보게 한다.
입력
recall-dataset.json의 health_8areas 블록 — 예배·말씀·교제·전도·양육·봉사·선교·재정 각각의 {score(1~5), trend, basis, confidence}.
비추는 방법
- 8영역 점수를 그대로 보존(재계산·조정 금지 — 목사의 체감이 원자료).
- 각 영역에 trend(↑↓→)와 basis(근거)를 동반. 근거 없는 점수는 dashboard에 경고 표시.
- confidence 보존. 신뢰 '하' 영역은 배지로 흐리게.
- 미회상 영역은
null로 비워 둔다(0점으로 채우지 않는다 — 0점과 미회상은 다르다).
강/돌봄점 분류 (정죄 아닌 돌봄) — 결정론 스크립트로 확정
점수→분류는 순수 함수다. LLM 자연어 추론으로 분류하지 말고 결정론 스크립트를 호출해 오분류·누락을 차단한다(점수는 회상에서 그대로 전사, 분류는 비교연산자로 확정).
python3 <이 스킬 폴더>/scripts/classify_health.py <recall-dataset.json>
스크립트가 recall.health_8areas를 읽어 health_radar 블록(areas·strong·needs_care)을 산출:
- strong:
score>=4또는trend=='↑'→ "살아 있는 곳, 감사할 곳" - needs_care:
score<=2또는trend=='↓'→ **"약한 영역"이 아니라 "돌봄이 닿을 영역"**으로 명명 - score·trend·basis·confidence는 회상 원본 그대로 복사(재계산 금지). 미회상 영역은
status:'미회상'보존.
"모든 영역 5점"을 이상으로 제시하지 않는다. 정직한 3점이 건강의 출발. LLM은 라벨 한글화만 담당한다.
산출
diagnosis.json의 health_radar 블록:
{"health_radar":{
"areas":[
{"area":"예배","score":4,"trend":"↑","basis":"새벽기도 회복","confidence":"중"},
{"area":"전도","score":2,"trend":"↓","basis":"전도 행사 무산","confidence":"상"}
/* ... 8영역 ... */
],
"strong":["예배"],
"needs_care":["전도","양육","재정"]
}}
dashboard-builder가 이를 inline SVG 레이더 차트로 렌더(8축, 신뢰 '하' 영역은 점선). 형식은 대표 스킬 references/diagnostics-schema.md.