릴스 훅을 점수 매기고 AI 냄새를 지워 인스타그램 운영을 돕는 13가지 클로드 스킬
촬영 전에 훅이 약한지 미리 알리고, 캡션이 피드에 잘리는지 확인하며, AI가 쓴 흔적을 지워주는 도구 모음입니다. 인스타그램 계정을 운영하는 사람이 콘텐츠 제작의 품질 관리를 자동화할 수 있게 해줍니다. 이 저장소는 13개의 클로드 스킬과 5개의 파이썬 스크립트로 구성되어 있으며, 모든 작업은 로컬에서 이루어집니다.
촬영 전 훅 검증과 타이밍 계산
가장 핵심적인 기능은 릴스 훅을 26가지 공식에 맞춰 점수 매기는 것입니다. hookscore.py는 특정성, 지분, 대상 지정 등 5가지 기준으로 훅을 평가하고, 약한 부분을 구체적으로 지적합니다. 예를 들어 인사말로 시작하는 훅은 '관심을 구걸하는 것'으로 판단해 낮은 점수를 줍니다. beats.py는 대본의 각 문장이 말로 나올 때 걸리는 시간을 계산해, 3초를 넘기면 이탈이 발생한다는 점을 경고합니다. 이를 통해 편집 단계에서 문제가 될 수 있는 긴 비트나 구체적인 내용이 없는 부분을 사전에 잡아낼 수 있습니다.
피드 노출 영역과 AI 문체 교정
인스타그램 피드는 캡션의 첫 125자만 보여주고 나머지를 접어두는데, caption.py는 이 접힌 영역을 시각적으로 보여줍니다. 사용자가 실제로 보는 문장이 중간에 끊기지 않는지, 핵심 키워드가 노출되는지 즉시 확인할 수 있습니다. 또한 humanize.py와 detect.py는 AI가 생성한 텍스트에 흔히 나타나는 em dash, 특수 기호, 그리고 '스크롤을 멈추세요' 같은 클리셰 표현을 제거합니다. 154개의 표준 AI 용어를 평이한 영어로 바꾸고, 보이지 않는 유니코드 문자까지 정리해 자연스러운 문체를 만듭니다.
실제 데이터 기반의 한계와 측정 결과
저장소 작성자는 훅 스코어의 정확도를 74개의 실제 유튜브 쇼츠 훅으로 테스트했습니다. 결과적으로 이 도구는 명백히 약한 훅을 걸러내는 데는 효과적이지만(AUC 0.83), 좋은 크리에이터의 히트작과 실패작을 구분하는 데는 한계가 있습니다(AUC 0.56). 이는 텍스트 분석만으로는 시청자의 반응이나 편집의 질을 예측할 수 없기 때문입니다. 따라서 이 도구는 '명백히 나쁜 훅을 제거하는 필터'로 사용하는 것이 적절하며, 최종 판단은 자신의 리텐션 그래프에 맡겨야 합니다.
수동 게시 원칙과 로컬 실행 환경
이 스킬들은 인스타그램에 직접 게시하지 않습니다. 메타의 콘텐츠 게시 API는 개발자 앱 승인 등 복잡한 절차가 필요하고, 브라우저 자동화는 이용약관 위반으로 계정 정지 위험이 있기 때문입니다. 모든 스킬은 복사할 수 있는 텍스트 블록으로 끝나며, 사용자는 이를 확인한 후 직접 게시해야 합니다. 또한 모든 파이썬 스크립트는 외부 네트워크 연결 없이 로컬에서 실행되며, 의존성이 없습니다. voice.md 파일을 작성해 자신의 목소리를 정의하면, 모든 스킬이 이 톤을 따르도록 설정됩니다.
사용 전 확인 사항과 적합 대상
이 저장소는 MIT 라이선스로 공개되어 자유롭게 수정 및 배포할 수 있습니다. 클로드 코드(Claude Code) 환경에서 가장 잘 작동하며, 파이썬 3가 필요합니다. 인스타그램 계정을 직접 운영하며, AI 생성 콘텐츠의 기계적인 느낌을 줄이고 싶은 크리에이터에게 적합합니다. 다만, 이 도구가 '바이럴을 보장'하거나 'AI 탐지를 완벽히 우회'한다고 주장하지 않습니다. 자동 게시 기능이 없으므로, 콘텐츠 제작 후 게시까지의 수동 단계를 감수할 수 있는 사람에게만 권장합니다.