ai-slop-cleaner

AI Slop Cleaner

의도한 동작을 바꾸거나 범위를 표류시키지 않고 AI 생성 코드 slop을 정리할 때 이 스킬을 사용합니다. OMC에서 이 스킬은 동작은 하지만 비대하거나, 반복적이거나, 테스트가 약하거나, 지나치게 추상화된 느낌의 코드를 위한 제한된 cleanup workflow입니다.

When to Use

다음 경우 이 스킬을 사용합니다:

• 사용자가 명시적으로 deslop, anti-slop, AI slop이라고 말한 경우
• 요청이 시끄럽거나, 반복적이거나, 지나치게 추상적인 느낌의 코드를 정리하거나 리팩터링하는 것인 경우
• 후속 구현이 중복 로직, dead code, wrapper layer, boundary leak, 약한 회귀 커버리지를 남긴 경우
• 사용자가 --review를 통한 reviewer-only anti-slop pass를 원하는 경우
• 목표가 새 기능 전달이 아니라 단순화와 정리인 경우

When Not to Use

다음 경우 이 스킬을 사용하지 않습니다:

• 작업이 주로 새 기능 빌드나 제품 변경인 경우
• 사용자가 점진적 cleanup pass가 아니라 광범위한 redesign을 원하는 경우
• 요청에 단순화나 anti-slop 의도가 없는 일반 refactor인 경우
• 동작이 테스트나 구체적 verification plan으로 보호하기에 너무 불명확한 경우

OMC Execution Posture

• 사용자가 명시적으로 동작 변경을 요청하지 않는 한 동작을 보존합니다.
• 실용적일 때는 먼저 focused regression test로 동작을 잠급니다.
• 코드를 편집하기 전에 cleanup plan을 작성합니다.
• 추가보다 삭제를 우선합니다.
• 새 유틸리티를 도입하기 전에 기존 유틸리티와 패턴을 재사용합니다.
• 사용자가 명시적으로 요청하지 않는 한 새 dependency를 피합니다.
• diff를 작고, 되돌릴 수 있고, smell-focused하게 유지합니다.
• 간결하고 evidence-dense하게 유지합니다: inspect, edit, verify, report.
• 새 사용자 지시는 이전의 충돌하지 않는 제약을 버리지 않고 local scope update로 취급합니다.

Scoped File-List Usage

호출자가 안전한 cleanup surface를 이미 알고 있을 때 이 스킬은 명시적 file list나 changed-file scope로 제한할 수 있습니다.

• Good fit: oh-my-claudecode:ai-slop-cleaner skills/ralph/SKILL.md skills/ai-slop-cleaner/SKILL.md
• Good fit: 해당 세션에서 변경된 파일만 handoff하는 Ralph 세션
• scope가 짧은 file list여도 같은 regression-safe workflow를 보존합니다
• 사용자가 명시적으로 요청하지 않는 한 changed-file scope를 더 넓은 cleanup work로 조용히 확장하지 않습니다

Ralph Integration

Ralph는 이 스킬을 제한된 post-review cleanup pass로 호출할 수 있습니다.

• 이 workflow에서 cleaner는 standard mode(--review 아님)로 실행됩니다
• cleanup scope는 Ralph 세션의 changed files only입니다
• cleanup pass 후 Ralph는 완료 전에 regression verification을 다시 실행합니다
• --review는 reviewer-only follow-up mode로 남으며, 기본 Ralph integration path가 아닙니다

Review Mode (--review)

--review는 cleanup work가 초안으로 작성된 뒤 수행하는 reviewer-only pass입니다. anti-slop work에서 명시적 writer/reviewer 분리를 보존하기 위해 존재합니다.

• Writer pass: 테스트로 동작을 잠근 상태에서 cleanup changes를 만듭니다.
• Reviewer pass: cleanup plan, changed files, verification evidence를 검사합니다.
• 같은 pass가 별도 review step 없이 high-impact cleanup을 쓰고 self-approve해서는 안 됩니다.

review mode에서는:

1. 파일 편집으로 시작하지 않습니다.
2. cleanup plan, changed files, regression coverage를 review합니다.
3. 특히 다음을 확인합니다:
   • 남은 dead code나 unused exports
   • 통합됐어야 하는 duplicate logic
   • boundary를 여전히 흐리는 needless wrappers 또는 abstractions
   • 보존된 동작에 대한 missing tests 또는 weak verification
   • 의도 없이 동작을 바꾼 것처럼 보이는 cleanup
4. 필요한 follow-up이 포함된 reviewer verdict를 산출합니다.
5. 한 단계에서 수정과 승인을 모두 하지 말고 필요한 변경을 별도 writer pass로 돌려보냅니다.

Workflow

1. 먼저 현재 동작 보호

   • 동일하게 유지되어야 하는 것을 식별합니다.
   • 편집 전에 필요한 가장 좁은 regression tests를 추가하거나 실행합니다.
   • 테스트를 먼저 둘 수 없으면 코드를 건드리기 전에 verification plan을 명시적으로 기록합니다.

2. 코드 전에 cleanup plan 작성

   • pass를 요청된 파일이나 feature area로 제한합니다.
   • 제거할 구체적인 smells를 나열합니다.
   • 가장 안전한 삭제부터 더 위험한 consolidation 순서로 작업을 배열합니다.

3. 편집 전에 slop 분류

   • Duplication — 반복 로직, copy-paste branches, redundant helpers
   • Dead code — unused code, unreachable branches, stale flags, debug leftovers
   • Needless abstraction — pass-through wrappers, speculative indirection, single-use helper layers
   • Boundary violations — hidden coupling, misplaced responsibilities, wrong-layer imports or side effects
   • Missing tests — behavior not locked, weak regression coverage, edge-case gaps
   • UI/design defaults — AI-built interface가 검토되지 않은 느낌을 주는 generic visual patterns

UI/Design Reviewer Checklist

이 항목들은 절대 금지가 아니라 review prompts로 사용합니다. 명확한 rationale이 있으면 의도적인 brand, accessibility, product-density, design-system choices를 유지합니다.

• Korean readability: 11-12px 안팎의 body text를 flag합니다. 검증된 dense-data 예외가 아니라면 한국어 body copy는 일반적으로 최소 14px가 필요합니다.
• Shadow restraint: 모든 surface, logo, background, card, icon에 box shadow가 있는지 의심합니다. elevation이나 interaction을 명확히 할 때만 shadow를 유지합니다.
• Content hierarchy: title이 이미 메시지를 전달할 때 반복적인 eyebrow/title/description/extra <p> stuffing을 제거합니다. product voice의 일부가 아니라면 generic emoji badges를 피합니다.
• Palette rationale: brand나 system rationale이 없으면 기본 AI blue/purple palette, 특히 Tailwind-like #3B82F6를 challenge합니다.
• Layout rhythm: product context가 rhythm, emphasis, asymmetry, carousel/bento treatment, varied card weights에서 이득을 보는 경우 지나치게 완벽한 3- 또는 4-column uniform grids를 피합니다.
• Gradient restraint: brand가 해당 visual language를 의도적으로 소유하지 않는 한 extreme gradients를 낮춥니다.

4. 한 번에 하나의 smell-focused pass 실행

   • Pass 1: Dead code deletion
   • Pass 2: Duplicate removal
   • Pass 3: Naming and error-handling cleanup
   • Pass 4: Test reinforcement
   • 각 pass 후 targeted verification을 다시 실행합니다.
   • 관련 없는 refactor를 같은 edit set에 묶지 않습니다.

5. quality gates 실행

   • regression tests를 green으로 유지합니다.
   • touched area에 관련된 lint, typecheck, unit/integration tests를 실행합니다.
   • 사용 가능한 기존 static 또는 security checks를 실행합니다.
   • gate가 실패하면 강행하지 말고 문제를 고치거나 위험한 cleanup을 되돌립니다.

6. evidence-dense report로 마감 항상 다음을 보고합니다:

   • Changed files
   • Simplifications
   • Behavior lock / verification run
   • Remaining risks

Usage

• /oh-my-claudecode:ai-slop-cleaner <target>
• /oh-my-claudecode:ai-slop-cleaner <target> --review
• /oh-my-claudecode:ai-slop-cleaner <file-a> <file-b> <file-c>
• Ralph에서: Ralph 세션의 changed files only에 cleaner를 실행한 뒤 post-cleanup regression verification을 위해 Ralph로 돌아갑니다

Good Fits

Good: deslop this module: too many wrappers, duplicate helpers, and dead code

Good: cleanup the AI slop in src/auth and tighten boundaries without changing behavior

Bad: refactor auth to support SSO

Bad: clean up formatting