# Star Experience Organizer

> 사용자가 두서없이 늘어놓는 취업 경험 이야기를 STAR(Situation-Task-Action-Result) 구조로 정리한다. 이야기 속 정량화 가능한 수치를 추출하고, 결과/행동이 애매하면 구체적 후속 질문을 던져 답을 유도하며, 사용자가 상황 자체를 못 짚을 때는 맥락을 잡아주는 질문으로 돕는다. 완성된 경험은 경험 뱅크 파일에 누적 저장한다.

- Skill: `sueheo/star-experience-organizer` (Agent Skill, multi-file: 3 files)
- Install (CLI): `npx skillmds@latest add sueheo/star-experience-organizer`
- Raw SKILL.md: https://api.skillmd.com/api/skills/sueheo/star-experience-organizer/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Productivity
- License: MIT
- Author: sueheo (https://skillmd.com/u/sueheo)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/sueheo/star-experience-organizer

---

# STAR 경험 정리 스킬

## Overview

취준생이 자기 경험을 말로 풀어놓을 때는 대부분 시간순으로 두서없이 나열하고,
성과는 "열심히 했다", "잘 됐다" 같은 애매한 말로 뭉뚱그린다. 이 스킬은 그런
날것의 이야기를 받아서 (1) 이미 들어있는 수치를 뽑아내고, (2) 수치가 없거나
행동/맥락이 흐릿한 부분을 짚어 정확히 되묻고, (3) 사용자가 애초에 상황 정리
자체를 못 하고 있으면 맥락을 잡아주는 질문으로 유도해서, 최종적으로 자소서·면접에
바로 쓸 수 있는 정량화된 STAR 항목을 만들고 경험 뱅크에 쌓는다.

핵심 원칙: **정보를 만들어내지 않는다.** 사용자가 말하지 않은 수치나 사실을
추측해서 채우지 않는다. 애매하면 반드시 질문한다.

## Core Capabilities

- **정량 정보 추출** — 사용자 발화에서 이미 존재하는 숫자(기간, 인원, %, 금액, 횟수 등)를 놓치지 않고 뽑아낸다.
- **정량화 체크 & 되묻기** — Result(그리고 필요시 Task/Action)에 수치가 없거나 "많이/크게/열심히" 같은 모호 표현이면, `references/quantification-questions.md`의 질문 패턴으로 구체적 숫자를 유도한다.
- **맥락 유도 질문** — 사용자가 Situation/Task 자체를 못 잡을 때(예: "그냥 프로젝트 했어요"), 배경을 재구성하는 질문을 먼저 던진다.
- **역량 태깅** — 완성된 경험에 리더십/문제해결/협업/데이터분석 등 역량 키워드를 2~3개 태깅한다.
- **경험 뱅크 누적** — 완성된 STAR 항목을 프로젝트 내 `experiences.md`에 이어 붙여 저장하고, 나중에 자소서 문항·면접 질문에 맞는 경험을 태그/키워드로 검색해 재사용할 수 있게 한다.

## When to Use

- 사용자가 특정 경험(프로젝트, 대외활동, 아르바이트, 인턴, 팀플 등)을 자유롭게 얘기하며 "이거 정리 좀 도와줘"라고 할 때
- 자소서 문항이나 면접 질문에 맞춰 기존에 정리해둔 경험 중 적합한 걸 찾고 싶을 때
- 이미 STAR로 써본 초안이 있는데 결과가 뭉뚱그려져 있어 더 구체화하고 싶을 때

## Workflow

### 1단계 — 날것의 이야기 받기
사용자가 형식 없이 이야기하게 둔다. 끊거나 형식을 먼저 요구하지 않는다.

### 2단계 — 초안 분류 + 정량 정보 추출
이야기를 S/T/A/R 네 칸에 임시로 배정한다. 이 과정에서:
- 이미 언급된 숫자(기간, 인원 수, 비교 수치, 빈도, 예산 등)는 그대로 뽑아 해당 칸에 표시한다.
- 각 칸이 비어 있거나 모호한지 판정한다. 판정 기준은 `references/quantification-questions.md`의 "모호 표현 체크리스트" 참고.

### 3단계 — 맥락이 안 잡히는 경우 (Situation/Task 문제)
사용자가 상황 자체를 설명하지 못하거나 너무 뭉뚱그리면(예: "그냥 팀플했어요"),
정량화 질문보다 **먼저** 맥락 질문을 던진다: 언제/어떤 조직·규모/무슨 문제 상황/
본인 역할이 무엇이었는지. 맥락 없이 정량화만 물으면 사용자가 답을 못 한다.

### 4단계 — 정량화 체크 & 되묻기 (Action/Result 문제)
**먼저 Result 문장이 진짜 성과인지 판별한다**: "제출했다/완료했다/진행했다/설계했다"처럼
Action의 끝을 서술할 뿐 "그래서 뭐가 좋아졌는지"에 답하지 못하는 문장은 정량화 여부와
무관하게 Result가 아니다 — 이런 완료 서술을 최종본에 Result로 그대로 남기지 않는다
(판별 기준과 반례는 `references/quantification-questions.md` §1-1 참고). 이 경우 최우선으로
"그래서 그 결과가 어떻게 됐나요? (평가/심사/등수/채택 여부 등)"를 되묻는다.
Result에 수치가 없으면 최우선으로 되묻는다. 그다음 Action이 추상적이면
구체적 방법을 되묻는다. 한 번에 모든 걸 묻지 말고, **가장 중요한 공백 1~2개만**
우선순위로 질문한다 (Result 수치 > Action 구체성 > Situation/Task 디테일).
질문 후 답변을 받으면 다시 완성도를 재점검하고, 여전히 애매하면 한 번 더 좁혀
묻는다. 무리하게 3라운드 이상 캐묻지 않는다 — 사용자가 "수치는 없다"고 명확히
답하면 그 사실 그대로("정성적 성과: ~") 기록하고 넘어간다.

### 5단계 — 역량 태깅
완성된 STAR 항목에서 드러나는 역량 2~3개를 태깅한다 (예: 문제해결, 리더십,
데이터 기반 의사결정, 협업, 커뮤니케이션). 사용자에게 확인받는다.

### 6단계 — 경험 뱅크에 저장
`assets/star_entry_template.md` 형식으로 프로젝트 루트의 `experiences.md`에
append한다. 파일이 없으면 새로 만든다. 기존 항목을 덮어쓰지 않는다.

### 7단계 (선택) — 기존 경험 검색/추천
사용자가 "이 문항/질문에 맞는 경험 있어?"라고 물으면 `experiences.md`를 읽어
태그·키워드로 매칭되는 항목을 추천하고, 필요하면 해당 문항에 맞게 강조점을
재구성한 버전을 새로 제안한다 (원본 항목은 그대로 두고 별도 버전으로).

## Quick Start

1. 사용자의 자유 서술을 받는다.
2. S/T/A/R로 초안 분류하며 있는 수치는 그대로 추출한다.
3. 맥락 공백이 있으면 맥락 질문부터, 없으면 정량화 공백(Result 우선)을 되묻는다.
4. 답변 반영 후 재점검, 필요하면 1회 더 좁혀 묻는다.
5. 역량 태깅 확인받고 `experiences.md`에 저장한다.

## References

- `references/quantification-questions.md` — 모호 표현 체크리스트, 상황별(팀 프로젝트/영업·마케팅/개발/서비스·CS/리더십) 정량화 질문 패턴 모음.
- `assets/star_entry_template.md` — 경험 뱅크에 저장할 단일 STAR 항목 템플릿.

## Scope & Limitations

**In scope:** 개별 경험 하나를 STAR로 구조화, 정량화 유도 질문, 경험 뱅크 누적/검색.

**Out of scope:** 완성된 STAR 항목을 실제 자소서 문항의 완성된 문장으로 각색하는 작업(문체 다듬기)은 이 스킬의 핵심이 아니다 — 요청하면 STAR 내용을 바탕으로 초안을 써줄 수 있지만, 이 스킬은 어디까지나 "재료 정리"가 목적이다. 이력서 전체 구성, 포트폴리오 디자인은 다루지 않는다.

**Caveats:** 사용자가 실제로 언급하지 않은 숫자나 성과를 지어내서 채우지 않는다. 추정치를 쓸 경우 반드시 "추정" 표시를 남기고 사용자 확인을 받는다.