misc/skills/my-backend-architecture/SKILL.md
사용자 개인의 백엔드 아키텍처 선호(기본 4레이어: app / domain / infrastructure / shared, 선택적 사용자 정의 중간 레이어)를 Progressive Disclosure로 정리한 지식 스킬. FSD의 레이어 참조 규칙을 백엔드용으로 재구성. app은 resource(API 리소스) 단위, 나머지는 module 단위. app은 Presentation+Application 결합형(의도적 타협). 같은 레이어 module 간 참조 금지, domain은 허용(BC 간 ID 타입 외 강한 의존 지양), shared는 순환만 피하면 자유. infrastructure→domain DIP(import 방향 역전), domain은 프레임워크 의존 없는 순수 코드. 읽기는 Query Service(domain 우회), 도메인 단위 테스트 우선, ORM별 도메인 모델 배치 전략을 다룬다. Triggers — "백엔드 아키텍처", "레이어드 아키텍처", "도메인 레이어 구조", "Domain Service", "Application Service", "Repository 주입", "Drizzle 스키마 위치", "사용자 정의 레이어", "Aggregate", "BC 간 참조", "읽기 경로", "DIP", "의존 역전", "레이어 참조 규칙".
npx skillsauth add dev-goraebap/skills my-backend-architectureInstall this skill globally with one command. Works with Claude Code, Cursor, and Windsurf.
3 of 9 scanners reported clean
Some scanners were skipped, did not run, or reported a non-clean status. Review each row below.
사용자 개인의 백엔드 코드 구조 선호를 정리한 지식 스킬. SKILL.md는 라우팅 테이블 역할만 하고, 실제 내용은 references에 Progressive Disclosure로 분할되어 있다. 사용자 질문 유형에 따라 필요한 파일만 로드해 답한다.
app / domain / infrastructure / shared. 그 사이에 사용자 정의 중간 레이어를 필요할 때만 삽입한다. 이름·개수는 팀이 결정. 빈 레이어는 세금.infrastructure는 domain 인터페이스를 구현하므로 import 방향이 역전(DIP).app은 resource 단위, 나머지는 module 단위. domain은 프레임워크 의존 없는 순수 코드.domain·shared 제외). 해결책: 공통 로직을 하위 레이어로 추출하거나, 중간 레이어에 인터페이스를 두고 DIP 적용.domain에, 오케스트레이션·I/O·트랜잭션은 app / 중간 레이어에. Repository는 Application Service에만 주입, Domain Service에는 인자 전달.app (resource)
↓
(사용자 정의 중간 레이어)? module. 이름 자유. 선택.
↓
domain ◄───────── infrastructure ← DIP: infrastructure가 domain 인터페이스 구현
(module) (module)
↓ ↓
shared ← 모든 레이어가 shared 참조 가능
| 사용자가 묻는 것 | 파일 |
|---|---|
| 레이어 구조, 참조 방향 규칙, module/resource 명명, Public API(barrel) | references/01-layers-and-modules.md |
| app 레이어 책임, Presentation+Application 결합, 컨트롤러/서비스 구분, 읽기/쓰기 경로 | references/02-app-layer.md |
| 도메인 모델, Aggregate, Domain Service vs Application Service, Repository 주입 원칙, BC 간 참조 | references/03-domain-layer.md |
| infrastructure 책임, DIP import 방향, ORM별 배치, shared/db vs infrastructure, BC 경계 ORM 관계 | references/04-infrastructure-layer.md |
| shared 구성, segment 구분, shared vs infrastructure, DB 스키마 위치 | references/05-shared-layer.md |
| 중간 레이어 도입 시점, 하위 추출 vs 인터페이스 분리, use-cases·features·contracts | references/06-custom-layers.md |
| 테스트 전략, 도메인 단위 테스트, 오케스트레이션 테스트, TransactionManager·외부 서비스 Fake, 통합 테스트 | references/07-testing.md |
| ORM 비교(TypeORM·Drizzle·Prisma), 적용 범위, 의식적 타협 | references/08-misc.md |
domain이 shared를 참조하는 건 허용. 상세: 08-misc.md.testing
도메인 일반 패턴을 강의 모드로 가르치는 인지과학 기반 학습 스킬. AI가 가상 도메인 전문가(선생님) 역할을 하고 사용자가 학생으로 낯선 도메인을 차근차근 배운다. 메뉴로 시작해서 페이즈를 골라 잠수 → 능동 회상 Q&A → 자기 설명(Feynman) 순서로 진행. Dunlosky 메타분석 기반 인지과학 8원칙(Cognitive Load, Practice Testing, 정교화 질문, Self-Explanation, Schema 연결, Dual Coding, Desirable Difficulty, 분산 학습)을 본문에 명시 적용. 도메인의 법령·산업 표준·인증을 학습 본문에 정식 통합 (출처 인용이 아니라 학습 대상). AI가 판단해 보편적이고 자료 풍부한 도메인은 자료 요청 없이 진행, 좁고 깊은 도메인일 때만 사용자에게 자료 있는지 묻기. 산출물은 학습 노트 스타일 (진도 체크박스 + 페이즈별 일관 구조 + 출처 링크). 페르소나 강요 없이 보편 액터 표현("사원 A", "관리자 A"). bigpicture의 이전 단계로 작동하거나 단독 사용 가능. Triggers — "도메인 학습", "낯선 도메인 가르쳐줘", "이 산업 어떻게 굴러가요", "선생님 모드", "1:1 강의", "도메인 입문", "도메인 일반 패턴", "HR 플랫폼이 뭔지", "이커머스 흐름", "domain classroom", "/domain-classroom".
development
빅픽처 이벤트스토밍의 1:1 분석 도구. 학습 단계(domain-classroom)에서 머리에 박힌 도메인 일반 패턴을 클라이언트 시스템에 매핑해 빅픽처 산출물(시간순 도메인 이벤트·페이즈·액터·외부시스템·핫스팟·피벗)을 누적한다. domain-classroom의 학습 노트(docs/learning-notes/{도메인}- classroom.md)와 클라이언트 자료(RFP·요구사항정의서·기존 시스템 스키마)를 입력으로 받아 페이즈 단위로 진행. 페르소나·서사 없는 분석 톤. 도메인 이벤트 판별 4기준(도메인 전문가 관심·비즈니스 상태 변화·법적 의미·다른 흐름 트리거)을 명시 적용해 UI/Telemetry 이벤트 혼입 방지. 이벤트는 한국어 자연어 + Code Identifier 이중 표기. 핫스팟에 ID·답할 위치·확신도 태그 부여. 산출물은 docs/eventstorming.md 단일 파일로 시작, 후속 단계 스킬(process-modeling·software-design)이 추가될 때 폴더로 자연 분기. Initial/Update/Cycle 모드 지원 — 코드 작성 후에도 다시 사이클 가능. Triggers — "빅픽처", "빅픽처 만들어줘", "이벤트스토밍", "도메인 이벤트 정리", "Big Picture EventStorming", "페이즈 매핑", "도메인 산출물 정리", "/bigpicture".
data-ai
빅픽처 이벤트스토밍의 1:1 학습 친화 변형. 그룹 워크샵에서 도메인 전문가가 던지는 이벤트를 받아 적는 대신, AI가 가상 도메인 전문가 역할을 하고 사용자가 학습자로 1:1 인터뷰하며 빅픽처를 누적한다. 산출물(시간순 도메인 이벤트·액터· 외부시스템·핫스팟·피벗)은 빅픽처 이벤트스토밍과 거의 동일하지만, 한 보드에 한 번에 펼치는 방식이 아니라 **한 액터·한 챕터씩 시간순 서사로 누적**한다. 각 장면마다 "왜 이게 필요한가?" 설명을 곁들여 학습자가 따라올 수 있게 한다. RFP·요구사항정의서·기존 도메인 자료를 입력으로 받거나, 자료가 없으면 AI 사전 리서치(보편 사례·법령·산업 표준)로 보충해 진행. 페르소나 시점의 챕터 단위 (5~7개 장면) + 확신도 태그 [확실/일반론/추측]로 검증 지점 명시 + 사용자 인터랙션 + 액터 전환으로 빅픽처를 점진적으로 채운다. 산출물 저장은 옵셔널 — 이해 자체가 목적이다. Triggers — "낯선 도메인 이해", "도메인 차근차근 알려줘", "1:1 빅픽처", "솔로 이벤트스토밍", "RFP 분석", "비즈니스 흐름 이해", "액터 시나리오", "신규 프로젝트 도메인 파악", "빅픽처 스토리타임", "bigpicture storytime", "/bigpicture-storytime".
databases
PostgreSQL DB에 직접 접근하는 스킬. DB 조회, 테이블 구조 확인, 데이터 검증이 필요할 때 사용한다. Node.js 스크립트로 직접 연결하며 접속 정보는 환경변수 또는 credentials 파일에서 읽는다. "postgres 조회", "DB 확인", "테이블 구조", "pg-query", "쿼리 실행", "데이터 검증", "PostgreSQL 접속" 같은 요청에 트리거한다.