데이터 분석, 머신러닝, LLM 앱, 프롬프트 설계 (9.1천건)
Provides patterns to implement persistence layers with Spring Data JPA. Use when creating repositories, configuring entity relationships, writing queries (derived and `@Query`), setting up pagination, database auditing, transactions, UUID primary keys, multiple databases, and database indexing.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Provides patterns for implementing Spring Boot caching: configures Redis/Caffeine/EhCache providers with TTL and eviction policies, applies @Cacheable/@CacheEvict/@CachePut annotations, validates cache hit/miss behavior, and exposes metrics via Actuator. Use when adding caching to Spring Boot services, configuring cache expiration, evicting stale data, or diagnosing cache misses.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Provides Spring Data Neo4j integration patterns for Spring Boot applications. Use when you need to work with a graph database, Neo4j nodes and relationships, Cypher queries, or Spring Data Neo4j. Creates node entities with @Node annotation, defines relationships with @Relationship, writes Cypher queries using @Query, configures imperative and reactive Neo4j repositories, implements graph traversal patterns, and sets up testing with embedded databases.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
AI 에이전트와의 과거 대화를 분석해 기술 이해도, 지시 방식, AI에 결정을 맡기는 경향을 추정합니다. 구체적인 발언을 근거로 개선점과 변화 추이를 일본어 보고서로 정리합니다.
Evaluate WooAIAssistant against a structured scenario suite with hard invariants + LLM-as-judge rubric scoring. Runs live against the demo store + gpt-5.1 via the woo-mobile-ai backend wrapper, writes a JSONL run record, compares against stored baselines, and surfaces regressions. Always delegated to a subagent so the main context only sees the markdown report.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Develop art direction for image generation with curated style cards distilled from Open Image Prompts. Use when choosing or comparing visual directions, improving an existing generation prompt, or translating a subject, use case, or supplied image into a compact creative spec. Use img-gen-prompts for real archive examples, exact source prompts, or gallery browsing.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Search oip-visual-v2 for traceable prompt-image pairs and open local result galleries. Use when finding, inspecting, comparing, browsing, or copying real image-generation references or exact source prompts. After references are selected, adapt them into a derived bilingual prompt when requested; use img-gen-taste first when the visual direction is still unclear.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Guidelines for handling text files
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Guidelines for handling databases
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Guildlines for handling json files
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Guidelines for handling image files
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Guidelines for handling CSV/Excel files
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use when drafting an IRB or ethics research protocol. Writes Background, Study Design, Sample Size and Statistical Plan in full prose and leaves institution-specific sections as TODO skeletons. Filling an institutional Word form is /fill-protocol.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use when you must prove an analysis ran on the intended data or lock a dataset version. Builds a deterministic content-hash manifest (file SHA-256, schema, per-column value hashes), verifies later copies against it for drift, and diffs two manifests.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Renamed to /imaging-data in v6 (removed in v7).
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use when a trained medical-imaging model needs its documentation. Fills a Model Card and a Datasheet for its dataset from facts you supply, adds a METRIC-informed data-quality pass and gates that no required section is empty. Never invents numbers, provenance or licence.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use when exposure, outcome, covariate or eligibility definitions and cutoffs need a citable basis before the protocol. Reads the data dictionary first, then maps each variable to a guideline or published definition and the database columns in a citation-backed table.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use when data needs statistical analysis. Runs reproducible Python/R code for Table 1, diagnostic accuracy, agreement, regression, survival, propensity score, survey-weighted and repeated-measures models, with publication tables. Sample size is /calc-sample-size; pooling studies is /meta-analysis.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use when building or auditing a radiomics or tabular clinical-ML prediction model with a classical learner (LASSO, SVM, random forest, XGBoost and similar). Enforces nested CV, dimensionality control, in-fold feature selection, feature stability, calibration and external validation.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Renamed to /imaging-data in v6 (removed in v7).
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use when preparing a medical-imaging dataset (DICOM/NIfTI) for modelling. Profiles spacing, orientation, intensity, label integrity, foreground fraction and target volume, gates them against the plan, then plans and audits preprocessing and augmentation for leakage.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use when sending local changes back to the project (an added journal profile, a fixed checklist item, an adapted skill) or reporting a false positive or bug. Finds what changed, scans it for patient data, shows every line and sends nothing until you confirm.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use when clinical data may contain PHI and must be de-identified before any LLM-assisted analysis. A local Python script (no network or AI calls) detects identifiers with regex and heuristics in 12 country locale packs, with interactive terminal review.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use when a clinical CSV/Excel dataset needs profiling and cleaning before analysis (missing values, outliers, duplicates, type mismatches). Profiles, flags and generates cleaning code in three stages, each gated on the researcher's approval. Never auto-cleans.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.