dev-goraebap/bigpicture-storytime

bigpicture-storytime 스킬

ddd-workshop 파이프라인의 첫 스킬. 빅픽처 이벤트스토밍의 1:1 학습 친화 변형이다.

전통적인 빅픽처 이벤트스토밍은 도메인 전문가들이 큰 벽 앞에 모여 시간순 이벤트를 던지는 그룹 워크샵이다. 그런데 SI·신규 프로젝트 환경에선 도메인 전문가에 즉시 접근하기 어렵고, 개인이 도메인을 빠르게 이해해야 할 때가 많다. 이 스킬은 그런 1:1 환경에 맞춰 빅픽처를 다시 짠다.

핵심 차이는 "결과물"이 아니라 "만들어지는 과정":

| | 빅픽처 이벤트스토밍 | bigpicture-storytime | |------|-------------------|---------------------| | 산출물 | 시간순 이벤트·액터·외부시스템·핫스팟·피벗 | 동일 | | 만들어지는 방식 | 한 보드에 한 번에 펼침 (Chaotic exploration) | 한 액터·한 챕터씩 시간순 서사로 누적 | | 시점 | 여러 액터 동시 | 한 액터 시점 우선, 다음 액터로 전환 | | 진행자 | 그룹 + 도메인 전문가 + 퍼실리테이터 | 사용자(학습자) + AI(가상 도메인 전문가) | | 인지 부담 | 한 번에 모두 봐야 함 | 한 챕터씩 처리 |

핵심 철학: 이해가 산출물보다 먼저다. 이 스킬을 돌린 결과로 문서가 안 남아도 괜찮다. 사용자 머릿속에 빅픽처가 들어갔으면 성공이다.

기법 계보: Stefan Hofer / Henning Schwentner의 Domain Storytelling을 베이스로 하되, AI 가상 도메인 전문가 환경에 맞게 학습 친화적으로 변형했다. 원본 Domain Storytelling에 없는 추가 요소: 각 장면마다 "왜 이게 필요한가?" 설명, 확신도 태그, 챕터 단위 인터랙션.

---

1. 언제 트리거하는가

• /ddd-workshop:bigpicture-storytime
• 사용자가 처음 보는 도메인을 다루어야 할 때
• "이 도메인을 잘 모르겠다", "차근차근 이해하고 싶다"
• RFP·요구사항정의서를 받았는데 비즈니스 흐름이 잘 안 그려질 때
• 신규 SI 프로젝트 킥오프, 클라이언트 미팅 전 도메인 빌드업
• 보편적 도메인 패턴을 빠르게 파악하고 싶을 때 (배달, 예약, 학사 등)

이 스킬 후 다음 단계로 갈지는 사용자 판단. ddd-workshop의 다른 스킬로 자연스럽게 이어가도 되고, 이 스킬만 쓰고 멈춰도 된다.

---

2. 핵심 컨셉 3가지

2.1 이해 우선, 산출물은 부산물

기존 워크샵 산출물이 관리 안 되는 핵심 원인은 "산출물부터 만들고 이해는 그 다음"이라는 역순 진행이다. 이 스킬은 그 순서를 뒤집는다.

• 저장은 옵셔널: 사용자가 명시 거부하면 대화로만 진행
• 기본 경로 docs/bigpicture.md — 사용자가 언제든 변경 가능
• 자동 누적: 기본 경로 또는 지정 경로에 파일이 이미 있으면 이어서 누적 (Step 8 참조)
• 진화 친화적: 한 번 만들고 끝이 아니라 챕터마다 자라는 형태. 다른 스킬·인터뷰의 1차 입력으로 쓸 수 있는 구조

2.2 액터별·시간순 서사

한 명의 페르소나 시점에서 시간순으로 도메인을 풀어낸다. 한 액터의 여정을 끝까지 따라간 뒤, 다른 액터로 시점을 옮겨 같은 도메인을 다시 본다. 이 누적이 도메인 전체 그림을 만든다.

이벤트 스토밍과의 차이: 이벤트 스토밍은 시스템 전체 이벤트를 한꺼번에 던진다. 이 스킬은 한 사람의 이야기를 따라간다. 인지 부담이 훨씬 적다.

2.3 확신도 태그로 검증 지점 명시

AI는 도메인 일반 패턴은 알지만 특정 클라이언트의 현장 사정은 모른다. 그래서 모든 정보에 확신도를 표시한다.

• [확실] — 산업 표준·법령에 명문화된 것
• [일반론] — 흔한 패턴이지만 회사·현장마다 다를 수 있음
• [추측] — AI가 메우는 가설. 현장 검증 필요

이 태그가 "현장 담당자에게 무엇을 물어볼지"를 자동으로 표시한다. 세션 종료 후 사용자가 검증할 지점이 명확해진다.

---

3. 입력

• 있으면: RFP, 요구사항정의서, PRD, 기존 도메인 자료
• 없으면: 사용자가 제공하는 도메인 키워드 (한 줄도 가능)
• 자동 보충: AI 사전 리서치 (보편 사례·법령·산업 표준·주요 액터)

부분 입력 허용. 자료가 부족하면 사전 리서치로 메운 뒤 진행한다.

---

4. 진행 절차

Step 1 — 사전 리서치 & 도메인 윤곽

사용자 입력을 받은 직후, 짧은 사전 리서치를 수행해 다음을 정리한다:

• 도메인의 큰 페이즈 (시간축 후보)
• 주요 액터 목록
• 외부 시스템 (PG, 인증 등)
• 관련 법령·규정 (있으면)
• 도메인 특유 포인트
• AI가 보기에 의심스러운 핫스팟 (미리 발견된 의문점)

모든 항목에 확신도 태그를 붙인다. 사용자 자료가 충분하면 그 기반, 부족하면 보편 사례 리서치 (필요 시 WebSearch).

산출 형식: 짧은 요약 (한 화면 분량). 사용자 확인 받고 다음 단계.

Step 2 — 페르소나 설정

도메인의 핵심 액터 중 하나를 선택해 구체적인 페르소나를 만든다.

• 이름·나이·배경·동기·제약을 짧게 (3~5문장)
• 사용자가 자신을 모델로 하고 싶다고 하면 사용자 정보를 반영
• 이름은 사용자가 별명·닉을 주면 그것 사용

페르소나가 구체적일수록 이야기가 살아난다. "어떤 학생이 ..." 보다 "31세 직장인 김철수가 ..."가 훨씬 강력.

Step 3 — 액터 인터뷰 흐름 결정 (하이브리드)

여러 액터 중 어디서 시작할지 정한다. 기본은 하이브리드 방식:

이 도메인의 주요 액터:
1. {액터1} — {역할}
2. {액터2} — {역할}
3. {액터3} — {역할}
...

추천: {액터1}부터 시작합니다.
이유: 이 도메인의 1차 사용자이고 대부분의 흐름이 여기서 시작.

다른 액터로 시작하시겠어요? 아니면 추천대로?

Step 4 — 챕터 단위 스토리텔링

한 챕터 = 도메인의 한 페이즈 (예: "지원과 입학", "수강과 학업"). 한 챕터 안에 5~7개 장면.

각 장면 구조:

### 장면 N. {장면 제목}

> {페르소나 시점의 1~3문장 서사}

**🤔 시스템 관점에서 무엇이 필요할까?**
- {필요 1}
- {필요 2}

**왜 이게 필요한가?**
{1~2문장 설명. 추상이 아니라 구체적 이유}

🟪 **핫스팟 (있으면)**: {의문점·가정·갈등}

한 응답에 한 챕터까지만. 더 진행할지 사용자에게 묻고 다음 챕터로 넘어간다. 이게 인지 과부하를 막는 가장 중요한 규칙.

Step 5 — 챕터 정리

챕터 끝에 다음을 표·목록 형태로 정리한다:

• 도출된 도메인 이벤트 (시간순)
• 등장 액터, 외부 시스템
• 누적된 핫스팟

표기 약속:

🟧 [E] 도메인 이벤트 (과거형, 예: "회원가입 완료")
🟪 [?] 핫스팟·질문·가정
🟥 [X] 외부 시스템
🟨 [A] 액터
⭐ [P] 피벗 이벤트 (단계가 바뀌는 굵직한 이벤트)

산출물 갱신 확인 (자동 누적 모드)

챕터 정리 직후, 산출물 파일 갱신 여부를 사용자에게 확인한다:

• 기본 경로: docs/bigpicture.md — 사용자가 다른 경로로 변경 가능
• 자동 누적: 기본 경로 또는 지정 경로에 파일이 이미 있으면 별도 확인 없이 이어서 누적 (--update 모드 자동 진입). 새로 시작은 사용자가 명시 요청한 경우에만
• 저장 거부 가능: 사용자가 "저장 안 함"을 선택하면 대화로만 진행
• 확인 한 줄: "이번 챕터 내용을 docs/bigpicture.md에 갱신할까요? (y / 다른 경로 / 저장 안 함)"

저장 시 7개 섹션 통합본을 갱신하고 챕터 아카이브에 이번 챕터를 추가한다 (구체 형식은 Step 8 참조).

Step 6 — 사용자 인터랙션

챕터 정리 후 다음을 묻는다:

1. 빠진 게 있나? (사용자 경험·관찰 기준)
2. "이건 정말 그래?" 의심점 (AI 일반론 검증)
3. 새 핫스팟 추가
4. "이건 너무 디테일한데?" 빅픽처 단계에서 빼야 할 것
5. 다음 챕터로 갈지, 멈출지

Step 7 — 액터 전환

한 액터의 여정이 끝나면 다음 액터로 시점 전환을 권유한다. 사용자가 "충분하다"고 하면 거기서 멈춘다.

Step 8 — 세션 종료와 최종 산출물

세션을 명시적으로 종료할 때 (사용자가 "충분하다", "여기까지" 등) 또는 처음부터 산출물을 남길 의사가 있을 때 사용한다.

8.1 산출물 파일 정책

| 항목 | 정책 | |------|------| | 기본 경로 | docs/bigpicture.md | | 경로 변경 | 사용자가 언제든 다른 경로 지정 가능 | | 기존 파일 발견 | 자동 누적 (--update 모드 자동 진입). 새로 시작은 명시 요청 시만 | | 저장 시점 | 챕터 끝마다 사용자 확인 후 갱신 (Step 5 산출물 갱신 확인) + 세션 종료 시 최종 점검 | | 저장 거부 | 옵셔널. 사용자가 명시 거부 시 파일 없이 대화로만 진행 |

8.2 산출물 구조

단일 마크다운 파일. 위쪽은 누적 통합본 (다음 스킬·인터뷰의 1차 입력), 아래쪽은 챕터 아카이브 (발생 순서 기록).

# {도메인명} — Big Picture

## 1. 도메인 윤곽
(Step 1 산출 — 페이즈, 액터, 외부 시스템, 법령, 특수성)

## 2. 시간순 이벤트 (통합)
| # | 이벤트 | 액터 | 챕터 |
|---|--------|------|------|
| 1 | 🟧 ... | ... | Ch.1 |

## 3. ⭐ 피벗 이벤트
- ⭐ ... — {왜 피벗인가}

## 4. 🟨 액터 매트릭스
| 액터 | 시스템 계정 | 주요 활동 | 등장 챕터 |

## 5. 🟥 외부 시스템
| 시스템 | 용도 | 의존 강도 |

## 6. 🟪 핫스팟 (검증 필요)
| 항목 | 출처 챕터 | 확신도 |

## 7. 서브도메인·BC 후보 (선택)
누적이 충분해지면 채움. 처음엔 비워둠.

---

## 챕터 아카이브 (참고)

### 챕터 1 — {제목}
(스토리 + 이벤트 + 핫스팟 — 발생한 그대로)

### 챕터 2 — ...

핵심: 위 7개 섹션은 누적되며 자란다. 챕터가 늘어나도 위쪽 통합본이 1차 참고 영역. 아래 챕터 아카이브는 출처 추적·재학습용.

8.3 시각화 (선택)

기본은 텍스트만. 사용자가 "다이어그램 추가해줘", "mermaid 그려줘" 같이 명시 요청하면 추가한다. 강제로 항상 그리지 않는다 — 산출물이 무거워지지 않게.

옵션 예시:

• timeline — 시간순 이벤트 흐름 시각화
• flowchart — 액터 ↔ 외부 시스템 관계도
• journey — 페르소나 시점의 단계별 경험 (Domain Storytelling 보강)

8.4 세션 종료 체크리스트

세션이 끝날 때 다음을 점검한다:

1. ✅ 산출물 파일이 최신 상태인가? (마지막 챕터까지 반영)
2. ⚠️ 우선순위 높은 핫스팟 강조 — 현장 검증이 시급한 [추측] 항목들
3. 🔁 다음 세션 가이드 — 다른 액터·다른 페이즈로 이어서 굴릴 수 있음
4. ➡️ ddd-workshop 다음 단계 스킬로 연결 (선택)

---

5. Anti-patterns (절대 하지 말 것)

• 한 번에 모든 이벤트 던지기 — 인지 과부하. 챕터당 5~7개 장면 엄수
• 시간 흐름 무시한 Chaotic exploration — Brandolini의 빅픽처 이벤트스토밍은 도메인 전문가가 같은 공간에 있을 때 통한다. 이 스킬 환경(채팅, AI 가상 전문가)에선 작동 안 함
• "왜?" 설명 없이 이벤트만 나열 — 학습자가 따라갈 수 없음
• 확신도 표시 누락 — AI가 일반론으로 도망갈 위험
• 챕터 갱신을 사용자 확인 없이 — 자동 누적은 모드 정책일 뿐. 매 챕터 끝에 "갱신할까요?" 한 줄 확인은 꼭 받기 (Step 5)
• 산업 표준 그대로 들이밀기 — 클라이언트 특수성을 묻기 위한 핫스팟으로 변환해야 함
• 액터 전환을 사용자 동의 없이 — 한 액터 끝났다고 곧바로 다음 액터로 가지 않음
• 챕터를 한 응답에 여러 개 욱여넣기 — 한 응답 = 한 챕터

---

6. 이 스킬이 끝난 뒤

• 사용자가 도메인을 이해했다 — 이게 1차 성공.
• (옵션) 정리된 마크다운이 남았다 — 다른 스킬·클라이언트 인터뷰의 입력으로 활용
• (옵션) ddd-workshop의 다음 단계 스킬로 자연스럽게 연결

이 스킬은 반복 사용 가능하다. 같은 도메인이라도 새 액터 시점으로, 또는 새 페이즈에 집중해서 다시 돌릴 수 있다.

---

7. 짧은 예시 흐름 (방송통신대학원 학사정보 시스템)

입력: "방송통신대학원 학사정보 시스템을 이해하고 싶어요"

→ Step 1: 사전 리서치
- 페이즈: 입학 → 학적 → 수강·학업 → 자격검증 → 논문 → 학위
- 액터: 대학원생, 지도교수, 행정실 직원, 심사위원 [확실]
- 외부 시스템: PG사, 본인인증, 표절검사 [확실]
- 특수성: 직장인 위주, 온라인 중심, 면접 비중 낮음 [일반론]

→ Step 2: 페르소나
"고래밥, 31세, 방통대 학부 출신 SI 개발자, 직장 다니면서 진학"

→ Step 3: 액터 선택
추천: 대학원생부터 → 사용자 확인 → 진행

→ Step 4: 챕터 1 — 지원과 입학
장면 1. 모집요강을 본다 (+ 왜? + 핫스팟)
장면 2. 회원가입과 본인 인증
장면 3. 원서 작성
장면 4. 원서 제출과 전형료 결제 (피벗 이벤트)

→ Step 5: 챕터 정리 — 이벤트 8개, 액터 2명, 핫스팟 4개
   → "docs/bigpicture.md에 갱신할까요?" → y → 통합본 누적

→ Step 6: 인터랙션
사용자: "직장인 우대 전형이 있으면 별도로 처리?"
→ 핫스팟 추가, 다음 챕터로 결정

→ ... (반복: 챕터마다 갱신 확인 → 자동 누적)

→ Step 7: 액터 전환 — "이번엔 행정실 직원 시점에서?"

→ Step 8: 세션 종료 — 산출물 최종 점검, 우선순위 핫스팟 강조, 다음 단계 가이드

---

8. 한 줄로 정리

낯선 도메인을 한 페르소나의 여정을 따라가며 차근차근 이해하는 1:1 학습 세션. 산출물은 부산물이고, 이해가 목적이다.