# Absorption 중복 해소 구현: Progressive Disclosure 병합 + 벤치마크 검증

## 한정승인

## PRD 참조
- 분석 보고서: `/home/jay/workspace/memory/reports/task-1640.1.md`
- 계획서: `/home/jay/workspace/memory/tasks/task-1640.1-plan.md`
- 체크리스트: `/home/jay/workspace/memory/tasks/task-1640.1-checklist.md` — Phase 3 Item 3

## 배경
taste-skill의 Lazy-loaded Skills와 MoAI-ADK의 Progressive Disclosure가 중복. Agent Meeting에서 **A(병합)** 결정: moai 3레벨 + taste feature flag 통합.

## 구현 내용

### 1. skill_loader.py 구현
- 위치: `/home/jay/workspace/utils/skill_loader.py` (신규)
- 3레벨 enum: CORE(항상 로드) / STANDARD(키워드 트리거) / EXTENDED(명시적 호출)
- 키워드 트리거 매핑 함수: 사용자 프롬프트에서 키워드 감지 → 해당 스킬 로드
- taste feature flag를 마스터 스위치로 래핑

### 2. 보안 스킬 always-loaded 화이트리스트
- 보안 관련 스킬(로키 레드팀 등)은 lazy-load 대상에서 제외
- always-loaded 화이트리스트 정의 (config 파일)
- 화이트리스트 미등록 보안 스킬 경고

### 3. ★ 81% 절감 벤치마크 검증 (미해결 항목 — 필수)
- MoAI-ADK 리서치에서 "81% cold start 절감"이 주장됨 → **실제 우리 시스템에서 검증 필요**
- 벤치마크 방법:
  1. 현재 모든 스킬 로드 시간 측정 (baseline)
  2. 3레벨 분류 후 CORE만 로드 시 시간 측정
  3. 키워드 트리거로 STANDARD 로드 시 추가 시간 측정
  4. 절감율 계산: (baseline - CORE only) / baseline × 100
- 결과를 보고서에 명시 (실제 절감율 vs 주장 81%)
- 절감율 30% 미만이면 PD 도입 가치 재검토 필요

### 참조 파일
- taste-skill 리서치: `/home/jay/workspace/memory/research/taste-skill-analysis.md`
- MoAI-ADK 리서치: `/home/jay/workspace/memory/research/moai-adk-analysis.md`
- 현재 스킬 디렉토리: `/home/jay/workspace/skills/`
- settings.json: `/home/jay/.claude/settings.json`

## 테스트
1. skill_loader.py 단위 테스트 (3레벨 분류, 키워드 트리거)
2. 화이트리스트 보안 스킬 제외 테스트
3. 벤치마크 실행 + 결과 보고서 포함
4. 기존 스킬 기능 회귀 없음 확인

## 보고서
`/home/jay/workspace/memory/reports/task-{TASK_ID}.md`