총 126건
이 기술은 사용자가 "침투 테스트를 위해 메타스플롯을 사용하라"고 요청할 때 사용해야 합니다. "msfconsole을 사용하여 취약점을 악용하라", "msfvenom을 사용하여 페이로드를 생성하라", "공격 후 수행하라", "스캔을 위해 보조 모듈을 사용하라", "맞춤형 익스플로잇을 개발하라"고 요청할 때 사용해야 합니다. 포괄적인 지침을 제공합니다
제로 샷 전송을 통한 이미지 분할의 기초 모델. 점, 상자 또는 마스크를 프롬프트로 사용하여 이미지에서 객체를 분할하거나 이미지의 모든 객체 마스크를 자동으로 생성해야 할 때 사용하세요.
HuggingFace 디퓨저를 통한 안정적인 확산 모델을 통해 최첨단 텍스트-이미지 생성. 텍스트 프롬프트에서 이미지를 생성하거나, 이미지 간 번역을 수행하거나, 인페인팅을 하거나, 맞춤형 확산 파이프라인을 구축할 때 사용하세요.
사용자가 Google 광고, 메타(페이스북/인스타그램), LinkedIn, 트위터/X 또는 기타 광고 플랫폼에서 유료 광고 캠페인에 대한 도움을 원할 때. 사용자가 'PPC', '유료 미디어', '광고 카피', '광고 크리에이티브', 'ROAS', 'CPA', '광고 캠페인', '재타겟팅' 또는 '오디언스 타겟팅'을 언급할 때도 사용하세요 이 스키
3D 단백질/핵산 구조를 위해 RCSB PDB에 접근하세요. 텍스트/서열/구조별 검색, 좌표 다운로드(PDB/mmCIF), 메타데이터 검색, 구조 생물학 및 약물 발견.
이 기술은 사용자가 "펜테스트 명령 실행", "nmap으로 스캔", "메타스플롯 익스플로잇 사용", "하이드라 또는 존으로 비밀번호를 해독", "니코로 웹 취약점 스캔", "네트워크 열거" 또는 필수 침투 테스트 명령 참조가 필요할 때 사용해야 합니다.
이 기술은 2025년 12월 메타가 20억 달러에 인수한 AI 에이전트 회사 Manus의 컨텍스트 엔지니어링 원칙에 기반합니다.
인프라와 알고리즘을 분리하는 메타의 라이브러리인 토치포지를 사용하여 PyTorch 네이티브 에이전트 RL에 대한 지침을 제공합니다. 깨끗한 RL 추상화, 쉬운 알고리즘 실험, 또는 Monarch와 TorchTitan을 사용한 확장 가능한 훈련을 원할 때 사용하세요.
LLM 프롬프트를 위한 캐싱 전략: Anthropic 프롬프트 캐싱, 응답 캐싱, CAG (Cache Augmented Generation) 사용 시: 프롬프트 캐싱, 캐시 프롬프트, 응답 캐시, cag, 캐시 증강.
LLM 기반 애플리케이션을 위한 효과적인 프롬프트 설계 전문가. 마스터 프롬프트 구조, 컨텍스트 관리, 출력 형식 지정 및 신속한 평가. 사용 시기: 신속한 엔지니어링, 신속한 시스템, 소수의 시도, 사고의 연쇄, 신속한 설계.
신속한 엔지니어링 패턴, 모범 사례 및 최적화 기법에 대한 전문가 가이드. 사용자가 프롬프트를 개선하고, 프롬프트 전략을 배우거나, 에이전트 동작을 디버깅하고 싶을 때 사용하세요.
프롬프트와 모델 가중치를 개선하기 위한 DSPy의 최적화 알고리즘에 대한 완전한 가이드.
선언적 프로그래밍을 사용하여 복잡한 AI 시스템을 구축하고, 프롬프트를 자동으로 최적화하며, DSPy를 통해 모듈식 RAG 시스템 및 에이전트를 생성하세요 - Stanford NLP의 체계적인 LM 프로그래밍 프레임워크
다양한 사용 사례를 위한 고품질 프롬프트 모음. 역할 기반 프롬프트, 작업별 템플릿, 그리고 신속한 개선 기법이 포함되어 있습니다. 사용자가 코딩, 쓰기, 분석 또는 창의적인 작업을 위해 프롬프트 템플릿, 역할극 프롬프트 또는 즉시 사용할 수 있는 프롬프트 예제가 필요할 때 사용하세요.
PyOpenMS는 소분자에 최적화된 특징 감지, 부가물 그룹화, 화합물 식별 및 메타버스와의 통합을 포함한 비표적 대사체학 분석을 위한 전문 도구를 제공합니다
AI 애플리케이션을 위한 오픈 소스 임베딩 데이터베이스. 임베딩과 메타데이터를 저장하고, 벡터와 전체 텍스트 검색을 수행하며, 메타데이터로 필터링합니다. 간단한 4기능 API. 노트북에서 프로덕션 클러스터로 확장됩니다. 의미 검색, RAG 애플리케이션 또는 문서 검색에 사용하세요. 지역 개발자에게 최적
Facebook의 라이브러리는 밀집 벡터의 효율적인 유사성 검색 및 클러스터링을 제공합니다. 수십억 개의 벡터, GPU 가속 및 다양한 인덱스 유형(Flat, IVF, HNSW)을 지원합니다. 빠른 k-NN 검색, 대규모 벡터 검색 또는 메타데이터 없이 순수 유사성 검색이 필요할 때 사용하세요. 안녕하세요
운영 AI 애플리케이션을 위한 관리형 벡터 데이터베이스. 완전히 관리되고 자동으로 확장되며 하이브리드 검색(밀집 + 희소성), 메타데이터 필터링 및 네임스페이스를 제공합니다. 지연 시간(<100ms p95). 프로덕션 RAG, 추천 시스템 또는 대규모 의미 검색에 사용하세요. 서버리스 관리 인프라에 가장 적합
구성, 스틸, 폴더, 기본 소품 및 동적 메타데이터 정의하기
구성, 스틸, 폴더, 기본 소품 및 동적 메타데이터 정의하기