/session-wrap
Use when wrapping up a session before ending. 4 parallel subagents detect doc updates, repeated patterns, learning points, and follow-ups, then a verifier deduplicates and presents choices. Triggers on /session-wrap, session wrap, session cleanup, end of session.
$ npx -y skills add sangrokjung/claude-forge --skill session-wrap --agent claude-codeHow it fires
How this skill gets triggered: by you, by Claude, or both.
- Fires itselfAuto-invocation. Claude auto-loads it when your prompt matches the work.Auto-invocation is when the right skill fires by itself at the right moment, driven by a FLOW.md router and a hook, instead of you invoking it by name. It is the difference between a skill being installed and a skill actually getting used.Read the full definition →
- You can call itInvoke it directly when you want it.
- Slash command
/session-wrap
Context preview
The summary Claude sees to decide when to auto-load this skill.
Use when wrapping up a session before ending. 4 parallel subagents detect doc updates, repeated patterns, learning points, and follow-ups, then a verifier deduplicates and presents choices. Triggers on /session-wrap, session wrap, session cleanup, end of session.
SKILL.md
session-wrap.SKILL.mdname: session-wrap
description: Use when wrapping up a session before ending. 4 parallel subagents detect doc updates, repeated patterns, learning points, and follow-ups, then a verifier deduplicates and presents choices. Triggers on /session-wrap, session wrap, session cleanup, end of session.
argument-hint: '[--dry-run] [--skip-docs] [--skip-learning] [--skip-scout] [--skip-followup]'
/session-wrap 스킬
파이프라인 개요
입력: /session-wrap [--dry-run] [--skip-docs] [--skip-learning] [--skip-scout] [--skip-followup]
[Phase 0] 컨텍스트 수집
├─ git diff --stat (이번 세션 변경사항)
├─ ~/.claude/homunculus/observations.jsonl (최근 관찰)
└─ /tmp/session-wrap/context.md 생성
[Phase 1] 병렬 4개 subagent (Explore, sonnet)
├─ doc-updater → 문서 업데이트 필요 곳 탐지
├─ automation-scout → 반복 패턴 발견 + 스킬 후보 제안
├─ learning-extractor → 배운 점 추출 (instinct 후보)
└─ followup-suggester → 다음 작업 제안
[Phase 2] 순차 1개 subagent (Explore, sonnet)
└─ duplicate-checker → Phase 1 결과 중복 제거 + 카테고리 분류
[Phase 3] AskUserQuestion으로 사용자 선택
[Phase 4] 선택된 항목만 실행
[Phase 5] 리포트 출력 + session-wrap-followups.md 기록
파라미터 파싱
사용자 입력에서 다음을 추출:
| 파라미터 | 기본값 | 설명 | |---------|--------|------| | --dry-run | false | 탐지만 수행, 실행하지 않음 (Phase 3에서 중단) | | --skip-docs | false | doc-updater subagent 생략 | | --skip-learning | false | learning-extractor subagent 생략 | | --skip-scout | false | automation-scout subagent 생략 | | --skip-followup | false | followup-suggester subagent 생략 |
Phase 0: 컨텍스트 수집
세션 중 변경사항과 관찰 데이터를 수집하여 subagent에 전달할 컨텍스트를 구성한다.
# 1. Git 변경사항 수집 (git repo인 경우만)
WORK_DIR=$(pwd)
if git -C "$WORK_DIR" rev-parse --is-inside-work-tree 2>/dev/null; then
git -C "$WORK_DIR" diff --stat HEAD~5..HEAD > /tmp/session-wrap/git-changes.txt 2>/dev/null || true
git -C "$WORK_DIR" diff --name-only HEAD~5..HEAD > /tmp/session-wrap/changed-files.txt 2>/dev/null || true
git -C "$WORK_DIR" log --oneline -10 > /tmp/session-wrap/recent-commits.txt 2>/dev/null || true
fi
# 2. 관찰 데이터 수집 (최근 50개)
OBS_FILE="$HOME/.claude/homunculus/observations.jsonl"
if [ -f "$OBS_FILE" ]; then
tail -50 "$OBS_FILE" > /tmp/session-wrap/recent-observations.jsonl
fi
# 3. 버퍼 데이터 수집 (있으면)
BUFFER_FILE="$HOME/.claude/homunculus/buffer.jsonl"
if [ -f "$BUFFER_FILE" ]; then
tail -30 "$BUFFER_FILE" > /tmp/session-wrap/recent-buffer.jsonl
fi
`/tmp/session-wrap/` 디렉토리를 생성하고 위 수집을 실행한다.
Phase 1: 병렬 Subagent 실행
4개 subagent를 **동시에** 실행한다. `--skip-*` 플래그로 특정 subagent를 건너뛸 수 있다.
각 subagent 프롬프트는 `references/` 디렉토리에 위치:
| Subagent | 프롬프트 파일 | 출력 파일 | |----------|-------------|----------| | doc-updater | `references/prompt-doc-updater.md` | `/tmp/session-wrap/results/doc-updates.json` | | automation-scout | `references/prompt-automation-scout.md` | `/tmp/session-wrap/results/automation-patterns.json` | | learning-extractor | `references/prompt-learning-extractor.md` | `/tmp/session-wrap/results/learning-points.json` | | followup-suggester | `references/prompt-followup-suggester.md` | `/tmp/session-wrap/results/followup-tasks.json` |
Subagent 실행 패턴
# 활성화된 subagent만 필터링
active_agents = [
("doc-updater", skip_docs 아니면),
("automation-scout", skip_scout 아니면),
("learning-extractor", skip_learning 아니면),
("followup-suggester", skip_followup 아니면),
]
# 병렬 Task 호출 (Explore, sonnet)
for agent in active_agents:
Task(
subagent_type="Explore",
prompt=Read("references/prompt-{agent}.md") + context_data
)각 subagent는 결과를 JSON 파일로 `/tmp/session-wrap/results/`에 기록한다.
출력 JSON 스키마
모든 subagent의 출력은 동일한 아이템 스키마를 따른다:
{
"items": [
{
"id": "unique-id",
"source": "doc-updater|automation-scout|learning-extractor|followup-suggester",
"title": "항목 제목",
"description": "상세 설명",
"category": "auto|user|info",
"priority": "high|medium|low",
"action": "실행할 구체적 작업 (있으면)",
"files": ["관련 파일 경로들"]
}
]
}카테고리 분류 기준:
- **auto**: 사용자 확인 없이 자동 실행 가능 (문서 타임스탬프 갱신 등)
- **user**: 사용자 선택이 필요 (스킬 생성, 코드 수정 등)
- **info**: 정보 제공만 (학습 포인트, 통계 등)
Phase 2: 중복 검증
Phase 1의 모든 결과를 수집하여 duplicate-checker subagent에 전달한다.
프롬프트: `references/prompt-duplicate-checker.md`
역할: 1. 4개 subagent 결과를 병합 2. 의미적으로 중복되는 항목 제거 (더 구체적인 항목 유지) 3. 최종 카테고리 재분류 (auto/user/info) 4. 우선순위 정렬 (high → medium → low)
출력: `/tmp/session-wrap/results/merged-actions.json`
Phase 3: 사용자 선택
`--dry-run`이면 여기서 중단하고 탐지 결과만 출력한다.
표시 형식
## 세션 정리 항목
### 자동 실행 (auto) - N건
1. [docs] README.md 타임스탬프 갱신
2. [docs] CODEMAPS/backend.md 모듈 추가
### 사용자 선택 필요 (user) - M건
3. [ ] [scout] "API 에러 처리" 패턴 → 스킬 후보
4. [ ] [followup] auth 모듈 리팩토링 제안
5. [ ] [learning] "Supabase RLS 패턴" instinct 생성
### 참고 정보 (info) - K건
6. [learning] 이번 세션에서 3개 새 라이브러리 사용
7. [stats] 변경 파일 12개, 커밋 5개
실행할 항목 번호를 선택하세요 (예: 1,3,4 또는 all 또는 auto-only):
AskUserQuestion으로 사용자 입력을 받는다.
- `all`: auto + 모든 user 항목 실행
- `auto-only`: auto 항목만 실행
- `1,3,4`: 특정 번호만 실행
- `none`: 아무것도 실행하지 않음
Phase 4: 선택 항목 실행
사용자가 선택한 항목을 실행한다:
| 카테고리 | 실행 방식 | |---------|----------| | docs 업데이트 | Edit/Write로 직접 수정 | | scout 스킬 후보 | `/tmp/session-wrap/skill-candidates.md`에 기록 | | learning instinct | `~/.claude/homunculus/instincts/personal/`에 MD 파일 생성 | | followup 작업 | `/tmp/session-wrap/session-wrap-followups.md`에 기록 |
Phase 5: 리포트 출력
최종 리포트 형식
## Session Wrap 완료
### 실행 결과
- 문서 업데이트: N건 완료
- 스킬 후보 기록: M건
- Instinct 생성: K건
- 후속 작업 기록: L건
### 후속 작업 파일
/tmp/session-wrap/session-wrap-followups.md
### 스킬 후보 파일 (있으면)
/tmp/session-wrap/skill-candidates.md
후속 작업 파일(`session-wrap-followups.md`)은 다음 세션 시작 시 `/context-sync`로 로드할 수 있다.
에러 처리
| 상황 | 대응 | |------|------| | git repo 아님 | git 관련 컨텍스트 생략, 나머지 진행 | | observations.jsonl 없음 | 관찰 데이터 없이 진행, 경고 표시 | | subagent 실패 (일부) | 실패 subagent 결과 생략, 나머지로 진행 | | 결과가 0건 | "정리할 항목이 없습니다" 출력 | | /tmp 쓰기 불가 | 에러 메시지 출력 후 중단 |
관련 파일
| 파일 | 용도 | |------|------| | `references/prompt-doc-updater.md` | doc-updater subagent 프롬프트 | | `references/prompt-automation-scout.md` | automation-scout subag
Read more
name: session-wrap description: Use when wrapping up a session before ending. 4 parallel subagents detect doc updates, repeated patterns, learning points, and follow-ups, then a verifier deduplicates and presents choices. Triggers on /session-wrap, session wrap, session cleanup, end of session. argument-hint: '[--dry-run] [--skip-docs] [--skip-learning] [--skip-scout] [--skip-followup]'
/session-wrap 스킬
파이프라인 개요
입력: /session-wrap [--dry-run] [--skip-docs] [--skip-learning] [--skip-scout] [--skip-followup] [Phase 0] 컨텍스트 수집 ├─ git diff --stat (이번 세션 변경사항) ├─ ~/.claude/homunculus/observations.jsonl (최근 관찰) └─ /tmp/session-wrap/context.md 생성 [Phase 1] 병렬 4개 subagent (Explore, sonnet) ├─ doc-updater → 문서 업데이트 필요 곳 탐지 ├─ automation-scout → 반복 패턴 발견 + 스킬 후보 제안 ├─ learning-extractor → 배운 점 추출 (instinct 후보) └─ followup-suggester → 다음 작업 제안 [Phase 2] 순차 1개 subagent (Explore, sonnet) └─ duplicate-checker → Phase 1 결과 중복 제거 + 카테고리 분류 [Phase 3] AskUserQuestion으로 사용자 선택 [Phase 4] 선택된 항목만 실행 [Phase 5] 리포트 출력 + session-wrap-followups.md 기록
파라미터 파싱
사용자 입력에서 다음을 추출:
| 파라미터 | 기본값 | 설명 | |---------|--------|------| | --dry-run | false | 탐지만 수행, 실행하지 않음 (Phase 3에서 중단) | | --skip-docs | false | doc-updater subagent 생략 | | --skip-learning | false | learning-extractor subagent 생략 | | --skip-scout | false | automation-scout subagent 생략 | | --skip-followup | false | followup-suggester subagent 생략 |
Phase 0: 컨텍스트 수집
세션 중 변경사항과 관찰 데이터를 수집하여 subagent에 전달할 컨텍스트를 구성한다.
# 1. Git 변경사항 수집 (git repo인 경우만) WORK_DIR=$(pwd) if git -C "$WORK_DIR" rev-parse --is-inside-work-tree 2>/dev/null; then git -C "$WORK_DIR" diff --stat HEAD~5..HEAD > /tmp/session-wrap/git-changes.txt 2>/dev/null || true git -C "$WORK_DIR" diff --name-only HEAD~5..HEAD > /tmp/session-wrap/changed-files.txt 2>/dev/null || true git -C "$WORK_DIR" log --oneline -10 > /tmp/session-wrap/recent-commits.txt 2>/dev/null || true fi # 2. 관찰 데이터 수집 (최근 50개) OBS_FILE="$HOME/.claude/homunculus/observations.jsonl" if [ -f "$OBS_FILE" ]; then tail -50 "$OBS_FILE" > /tmp/session-wrap/recent-observations.jsonl fi # 3. 버퍼 데이터 수집 (있으면) BUFFER_FILE="$HOME/.claude/homunculus/buffer.jsonl" if [ -f "$BUFFER_FILE" ]; then tail -30 "$BUFFER_FILE" > /tmp/session-wrap/recent-buffer.jsonl fi
`/tmp/session-wrap/` 디렉토리를 생성하고 위 수집을 실행한다.
Phase 1: 병렬 Subagent 실행
4개 subagent를 **동시에** 실행한다. `--skip-*` 플래그로 특정 subagent를 건너뛸 수 있다.
각 subagent 프롬프트는 `references/` 디렉토리에 위치:
| Subagent | 프롬프트 파일 | 출력 파일 | |----------|-------------|----------| | doc-updater | `references/prompt-doc-updater.md` | `/tmp/session-wrap/results/doc-updates.json` | | automation-scout | `references/prompt-automation-scout.md` | `/tmp/session-wrap/results/automation-patterns.json` | | learning-extractor | `references/prompt-learning-extractor.md` | `/tmp/session-wrap/results/learning-points.json` | | followup-suggester | `references/prompt-followup-suggester.md` | `/tmp/session-wrap/results/followup-tasks.json` |
Subagent 실행 패턴
# 활성화된 subagent만 필터링
active_agents = [
("doc-updater", skip_docs 아니면),
("automation-scout", skip_scout 아니면),
("learning-extractor", skip_learning 아니면),
("followup-suggester", skip_followup 아니면),
]
# 병렬 Task 호출 (Explore, sonnet)
for agent in active_agents:
Task(
subagent_type="Explore",
prompt=Read("references/prompt-{agent}.md") + context_data
)각 subagent는 결과를 JSON 파일로 `/tmp/session-wrap/results/`에 기록한다.
출력 JSON 스키마
모든 subagent의 출력은 동일한 아이템 스키마를 따른다:
{
"items": [
{
"id": "unique-id",
"source": "doc-updater|automation-scout|learning-extractor|followup-suggester",
"title": "항목 제목",
"description": "상세 설명",
"category": "auto|user|info",
"priority": "high|medium|low",
"action": "실행할 구체적 작업 (있으면)",
"files": ["관련 파일 경로들"]
}
]
}카테고리 분류 기준:
- **auto**: 사용자 확인 없이 자동 실행 가능 (문서 타임스탬프 갱신 등)
- **user**: 사용자 선택이 필요 (스킬 생성, 코드 수정 등)
- **info**: 정보 제공만 (학습 포인트, 통계 등)
Phase 2: 중복 검증
Phase 1의 모든 결과를 수집하여 duplicate-checker subagent에 전달한다.
프롬프트: `references/prompt-duplicate-checker.md`
역할: 1. 4개 subagent 결과를 병합 2. 의미적으로 중복되는 항목 제거 (더 구체적인 항목 유지) 3. 최종 카테고리 재분류 (auto/user/info) 4. 우선순위 정렬 (high → medium → low)
출력: `/tmp/session-wrap/results/merged-actions.json`
Phase 3: 사용자 선택
`--dry-run`이면 여기서 중단하고 탐지 결과만 출력한다.
표시 형식
## 세션 정리 항목 ### 자동 실행 (auto) - N건 1. [docs] README.md 타임스탬프 갱신 2. [docs] CODEMAPS/backend.md 모듈 추가 ### 사용자 선택 필요 (user) - M건 3. [ ] [scout] "API 에러 처리" 패턴 → 스킬 후보 4. [ ] [followup] auth 모듈 리팩토링 제안 5. [ ] [learning] "Supabase RLS 패턴" instinct 생성 ### 참고 정보 (info) - K건 6. [learning] 이번 세션에서 3개 새 라이브러리 사용 7. [stats] 변경 파일 12개, 커밋 5개 실행할 항목 번호를 선택하세요 (예: 1,3,4 또는 all 또는 auto-only):
AskUserQuestion으로 사용자 입력을 받는다.
- `all`: auto + 모든 user 항목 실행
- `auto-only`: auto 항목만 실행
- `1,3,4`: 특정 번호만 실행
- `none`: 아무것도 실행하지 않음
Phase 4: 선택 항목 실행
사용자가 선택한 항목을 실행한다:
| 카테고리 | 실행 방식 | |---------|----------| | docs 업데이트 | Edit/Write로 직접 수정 | | scout 스킬 후보 | `/tmp/session-wrap/skill-candidates.md`에 기록 | | learning instinct | `~/.claude/homunculus/instincts/personal/`에 MD 파일 생성 | | followup 작업 | `/tmp/session-wrap/session-wrap-followups.md`에 기록 |
Phase 5: 리포트 출력
최종 리포트 형식
## Session Wrap 완료 ### 실행 결과 - 문서 업데이트: N건 완료 - 스킬 후보 기록: M건 - Instinct 생성: K건 - 후속 작업 기록: L건 ### 후속 작업 파일 /tmp/session-wrap/session-wrap-followups.md ### 스킬 후보 파일 (있으면) /tmp/session-wrap/skill-candidates.md
후속 작업 파일(`session-wrap-followups.md`)은 다음 세션 시작 시 `/context-sync`로 로드할 수 있다.
에러 처리
| 상황 | 대응 | |------|------| | git repo 아님 | git 관련 컨텍스트 생략, 나머지 진행 | | observations.jsonl 없음 | 관찰 데이터 없이 진행, 경고 표시 | | subagent 실패 (일부) | 실패 subagent 결과 생략, 나머지로 진행 | | 결과가 0건 | "정리할 항목이 없습니다" 출력 | | /tmp 쓰기 불가 | 에러 메시지 출력 후 중단 |
관련 파일
| 파일 | 용도 | |------|------| | `references/prompt-doc-updater.md` | doc-updater subagent 프롬프트 | | `references/prompt-automation-scout.md` | automation-scout subag
Supercharge Claude Code with 11 AI agents, 36 commands & 15 skills — the claude-code plugin framework inspired by oh-my-zsh. 6-layer security hooks included. 5-min install.
Repo: sangrokjung/claude-forge
Other skills on claude-forge.
- /blind-spot-pass
Use *before* starting work in a domain you don't know well, to surface the "unknown unknowns" — the things you don't even know to ask about — and learn just enough to prompt and decide well. Implements the "blind spot pass" pattern from Anthropic's Fable "finding your unknowns"
Open skill - /build-system
Use when detecting and running project build systems automatically. Supports npm/yarn/pnpm/pip/poetry/gradle/maven/cargo/go/make. Triggers on build, test run, project setup, package manager detection.
Open skill - /cache-components
Expert guidance for Next.js Cache Components and Partial Prerendering (PPR). **PROACTIVE ACTIVATION**: Use this skill automatically when working in Next.js projects that have `cacheComponents: true` in their next.config.ts/next.config.js. When this config is detected,
Open skill - /cc-dev-agent
Use when starting Claude Code projects, writing CLAUDE.md/spec.md, dispatching subagents, or requesting Agent Teams parallel development. Covers Spec-Driven Development, Context Engineering, and post-dev workflow.
Open skill - /continuous-learning-v2
Instinct-based learning system that observes sessions via hooks, creates atomic instincts with confidence scoring, and evolves them into skills/commands/agents.
Open skill - /debugging-strategies
Master systematic debugging techniques, profiling tools, and root cause analysis to efficiently track down bugs across any codebase or technology stack. Use when investigating bugs, performance issues, or unexpected behavior.
Open skill

