총 485건 · 필터: AI KIT
기존의 모든 동작을 유지하면서 구조가 좋지 않거나 복잡하거나 중복된 코드를 깨끗하고 유지 가능한 시스템으로 변환해야 할 때 사용하세요. 구체적으로:\n\n<example>\n문맥: 코드베이스에는 200줄을 넘는 메서드, 깊이 중첩된 조건, 유사한 코드 중복률 15%가 있습니다
메모리 안전성, 소유 패턴, 제로 코스트 추상화 및 성능 최적화가 시스템 프로그래밍, 임베디드 개발, 비동기 애플리케이션 또는 고성능 서비스에 중요한 Rust 시스템을 구축할 때 사용하세요. 구체적으로:\n\n<example>\n문맥: 높은 처리량 설계
시스템, 인프라 및 프로세스 전반에 걸쳐 종합적인 보안 감사, 규정 준수 평가 또는 위험 평가를 수행할 때 이 에이전트를 사용하세요. 체계적인 취약점 분석, 규정 준수 격차 식별 또는 증거 기반 보안 결과가 필요할 때 호출하세요. 구체적으로:\n\n<예시
SLO 정의, 오류 예산 관리, 자동화를 통해 시스템 신뢰성을 확립하거나 개선해야 할 때 이 에이전트를 사용하세요. SLI/SLO 프레임워크 구현, 운영 수고 감소, 내결함성 시스템 설계, 혼돈 엔지니어링 수행 또는 사고 대응 최적화 시 호출
고급 동시성 패턴, 프로토콜 지향 아키텍처, Swift 전용 최적화가 필요한 네이티브 iOS, macOS 또는 서버 측 Swift 애플리케이션을 구축할 때 이 에이전트를 사용하세요. 스위프트 호출UI 현대화, 비동기/대기 구현, 행위자 기반 상태 관리 또는 메모리 안전 공동체
자동화된 테스트 프레임워크를 구축, 구현 또는 향상시켜야 할 때, 테스트 스크립트를 생성하거나 CI/CD 파이프라인에 테스트를 통합해야 할 때 이 에이전트를 사용하세요. 구체적으로:\n\n<example>\n문맥: 한 팀이 회귀 테스트 시간을 줄이기 위해 자동화해야 하는 일련의 수동 테스트 케이스를 발견했습니다
CLI, 코드 생성기, 빌드 도구 및 IDE 확장을 포함한 개발자 도구를 구축하거나 향상시켜야 할 때 이 에이전트를 사용하세요. 구체적으로:\n\n<example>\n문맥: 팀은 맞춤형 CLI 도구로 자동화할 수 있는 반복적인 수동 작업을 수행하고 있습니다.\n사용자: "우리는 매일 30분씩 반복적인 딥러닝을 합니다
신흥 패턴을 분석하거나, 산업 변화를 예측하거나, 전략적 계획과 경쟁 포지셔닝을 알리기 위해 미래 시나리오를 개발할 때 사용하세요. 구체적으로:\n\n<example>\n문맥: 한 소프트웨어 회사가 향후 3~5년 동안 자사 시장이 어떻게 발전할지 파악하여 제품을 안내하고자 합니다
스프레드시트 파일이 기본 입력 또는 출력인 경우 언제든지 이 스킬을 사용하세요. 사용자가 기존 .xlsx, .xlsm, .csv, .tsv 파일을 열기, 읽기, 편집, 수정(열 추가, 수식 계산, 서식 지정, 차트 작성, 지저분한 데이터 정리 등)하거나, 처음부터 새 스프레드시트를 만들거나, 표 형식 파일 형식 간에 변환하는 모든 작업에 사용. 특히 사용자가 파일 이름이나 경로로 스프레드시트를 언급할 때(캐주얼하게 '다운로드의 xlsx'라고 해도) — 스프레드시트로 작업이나 생성을 원할 때 트리거. 잘못된 행, 잘못 배치된 헤더,
자동화된 단백질 검사 및 검증을 위한 클라우드 실험실 플랫폼. 단백질을 설계하고 결합 분석, 발현 테스트, 열안정성 측정, 효소 활성 분석 또는 단백질 서열 최적화를 포함한 실험적 검증이 필요할 때 사용하세요. 경험치 제출에도 사용
이 기술은 분류, 회귀, 클러스터링, 예측, 이상 탐지, 세분화 및 유사성 검색을 포함한 시계열 기계 학습 작업에 사용되어야 합니다. 시간 데이터, 순차 패턴 또는 특수 알고리즘이 필요한 시간 인덱스 관찰 작업 시 사용
에이전트, 체인, RAG를 사용하여 LLM 기반 애플리케이션을 구축하는 프레임워크. 여러 제공자(OpenAI, Anthropic, Google), 500개 이상의 통합, ReAct 에이전트, 도구 호출, 메모리 관리 및 벡터 저장소 검색을 지원합니다. 챗봇 구축, 질문 응답 시스템, 자율 에이전트에 사용
브라우저 자동화는 웹 테스트, 스크래핑 및 AI 에이전트 상호작용을 지원합니다. 얇은 스크립트와 신뢰할 수 있는 시스템의 차이점은 선택기, 대기 전략, 탐지 방지 패턴을 이해하는 데 있습니다. 이 기술은 플레이라이트(추천)와 퍼펫티어를 포함하며, 다음과 같은 패턴을 가지고 있습니다
**설명**: Cloudflare 브라우저 렌더링에 대한 전문 지식 - 브라우저 자동화, 스크린샷, PDF, 웹 스크래핑, 테스트 및 콘텐츠를 위해 Cloudflare의 글로벌 네트워크에서 헤드리스 크롬을 제어합니다
공식 철도 데이터베이스 서비스 추가(Postgres, Redis, MySQL, MongoDB). 사용자가 데이터베이스를 추가하고 싶을 때, "게시글 추가", "redis 추가", "데이터베이스 추가", "데이터베이스 연결" 또는 "데이터베이스 연결"이라고 말할 때 사용하세요. 다른 템플릿(고스트, 스트래피, n8n)의 경우 철도 템플릿 스킬을 사용하세요.
원시 HTML을 스크랩한 후, 디자인 토큰을 체계적으로 추출하세요. 이 층들을 순서대로 작업하세요.
재훈련 없이 기능을 결합하기 위해 mergekit을 사용하여 여러 개의 미세 조정된 모델을 병합하세요. 도메인별 전문 지식(수학 + 코딩 + 채팅)을 혼합하여 특수 모델을 만들 때 사용하거나, 단일 모델을 넘어 성능을 향상시키거나, 모델 변형을 빠르게 실험할 때 사용하세요. SLERP, 넥타이 커버-
ESM3(서열, 구조, 기능을 아우르는 생성적 다중 모달 단백질 설계)와 ESM C(효율적인 단백질 임베딩 및 표현)를 포함한 단백질 언어 모델을 위한 포괄적인 툴킷입니다. 단백질 서열, 구조 또는 기능 예측을 다룰 때 이 기술을 사용하세요
60개 이상의 학술 벤치마크(MMLU, HumanEval, GSM8K, TruthfulQA, HellaSwag)에서 LLM을 평가합니다. 모델 품질을 벤치마킹하거나, 모델을 비교하거나, 학업 결과를 보고하거나, 교육 진행 상황을 추적할 때 사용하세요. Eleuther에서 사용하는 산업 표준AI, 허깅페이스, 그리고 주요 연구소들. 허깅페이스, vL 지원
신속한 생물정보학 쿼리를 위한 CLI/Python 툴킷. 빠른 BLAST 검색에 선호됩니다. 20개 이상의 데이터베이스에 액세스하세요: 유전자 정보(Ensemble/UniProt), 알파폴드, ARCS4, Enrichr, OpenTargets, COSMIC, 게놈 다운로드. 고급 BLAST/배치 처리를 위해 바이오피톤을 사용하세요. 다중 데이터베이스 통합을 위해 bi를 사용합니다