blind-spot-pass
blind-spot-pass — surface your unknown unknowns before you start
(착수 전 나의 맹점 발굴 + 사전 학습)
Analogy. Before asking for directions in an unfamiliar city, a good local guide first tells you "what to watch out for here, what's worth seeing, the words people use." Only then do you know what to ask. This skill gives you that "local briefing" right before you hand off work in a domain you don't know well.
비유. 낯선 도시에서 길을 묻기 전에, 현지 가이드가 먼저 "이 동네에서 조심할 것, 꼭 봐야 할 것, 여기 사람들이 쓰는 말"을 짚어준다. 그러면 이제 무엇을 물어야 할지 스스로 알게 된다. 이 스킬은 낯선 분야의 작업을 맡기기 직전, 그 "현지 브리핑"을 해주는 역할이다.
Why it matters (왜 필요한가)
Since Fable-class models, the bottleneck on output quality is no longer model capability — it's how well you surface what you don't know. When you hand off work in an unfamiliar domain, you don't even know what to ask (unknown unknowns). Prompt too vaguely and the model silently applies some industry default; prompt too specifically and it follows your wrong turn off a cliff. This skill drains that blind spot before real work starts, because discovering it mid-build is expensive to undo (cost asymmetry / shift-left).
한글: Fable 이후 결과물 품질의 병목은 모델 성능이 아니라 "내가 무엇을 모르는지"를 얼마나 짚어내느냐다. 낯선 분야를 맡길 때는 무엇을 물어야 할지조차 모르는 상태(unknown unknowns)라, 너무 막연하면 모델이 업계 표준을 임의로 갖다 쓰고, 너무 구체적이면 틀린 방향도 고집한다. 이 스킬은 착수 전에 사각지대를 값싸게 드러낸다 — 구현 중에 발견하면 되돌리기 비싸기 때문이다.
The real deliverable is not a "list of questions" — it's a method that surfaces blind spots and teaches the minimum. If it degrades into "let me ask you some questions", it just duplicates planner. Don't let it. (진짜 산출물은 질문 목록이 아니라 사각지대를 드러내고 최소한만 가르치는 방법이다.)