조사, 논문, 교육, 자격증 공부 (4.7천건)
PRODUCES a citation-budget plan/report (`output/CITATION_BUDGET_REPORT.md`); does NOT edit the draft. Allocates an in-scope per-H3 budget (NO NEW FACTS) so drafts stop failing the global unique-citation gate; citation-injector applies it.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Build per-chapter (H2) writing briefs (NO PROSE) so the final survey reads like a paper (chapter leads + cross-H3 coherence) without inflating the ToC.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Curate reader-facing survey tables for the Appendix (clean layout + high information density), using only in-scope evidence and existing citation keys.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
APPLIES/consumes a `citation-diversifier` budget report (`output/CITATION_BUDGET_REPORT.md`) to inject *in-scope* citations into an existing draft (NO NEW FACTS), so the run passes the global unique-citation gate without citation dumps.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Global consistency review for survey drafts: terminology, cross-section coherence, and scope/citation hygiene.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Regression-check citation anchoring (citations stay in the same subsection) to prevent “polish drift” that breaks claim→evidence alignment.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Bind addressable evidence IDs from `papers/evidence_bank.jsonl` to each subsection (H3), producing `outline/evidence_bindings.jsonl`.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Multi-route literature expansion + metadata normalization for evidence-first surveys.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Download a small corpus of open-access arXiv survey/review PDFs about agentic systems and extract text for style learning.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Rewrite limitation passages so the paper keeps limitations without falling into count-based slot phrases (e.g., \"Two limitations…\") across many H3s.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Synthesize the shortlist into a discussion-ready research idea brainstorm memo, writing `output/REPORT.md`, `output/APPENDIX.md`, and `output/REPORT.json`.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Conduct multi-round deep research on any GitHub Repo. Use when users request comprehensive analysis, timeline reconstruction, competitive analysis, or in-depth investigation of GitHub. Produces structured markdown reports with executive summaries, chronological timelines, metrics analysis, and Mermaid diagrams. Triggers on Github repository URL or open source projects.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use this skill instead of WebSearch for ANY question requiring web research. Trigger on queries like "what is X", "explain X", "compare X and Y", "research X", or before content generation tasks. Provides systematic multi-angle research methodology instead of single superficial searches. Use this proactively when the user's question needs online information.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
AI-powered defect prediction, pattern learning, and root cause analysis for proactive quality management.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Transfer learning, metrics optimization, and continuous improvement for AI-powered QE agents.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Quantum-resistant, self-learning version control for AI agents with ReasoningBank intelligence and multi-agent coordination
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Conduct evidence-first technical research for Agentic QE, Ruflo, related ruvnet projects, or external tools. Use when Codex must investigate a repository, compare current upstream changes, trace dependencies and history, distinguish verified facts from inference, or synthesize findings into actionable engineering recommendations. Do not use for a simple known-answer lookup or an implementation-only task.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Optimizes QE agent performance through transfer learning, hyperparameter tuning, and pattern distillation across test domains. Use when improving agent accuracy, applying learned patterns to new projects, tuning quality thresholds, or implementing continuous improvement loops for AI-powered testing.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Implement adaptive learning with ReasoningBank for pattern recognition, strategy optimization, and continuous improvement. Use when building self-learning agents, optimizing workflows, or implementing meta-cognitive systems.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Implement ReasoningBank adaptive learning with AgentDB's 150x faster vector database. Includes trajectory tracking, verdict judgment, memory distillation, and pattern recognition. Use when building self-learning agents, optimizing decision-making, or implementing experience replay systems.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Implement persistent memory patterns for AI agents using AgentDB. Includes session memory, long-term storage, pattern learning, and context management. Use when building stateful agents, chat systems, or intelligent assistants.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Create and train AI learning plugins with AgentDB's 9 reinforcement learning algorithms. Includes Decision Transformer, Q-Learning, SARSA, Actor-Critic, and more. Use when building self-learning agents, implementing RL, or optimizing agent behavior through experience.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
对照高可信度一手来源调查问题，并将发现以 Markdown 文件落库。当用户希望研究某个主题、收集文档或 API 事实、或把阅读跑腿交给后台 agent 时使用。
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Convert a LaTeX research paper into a policy brief, 1-page summary, or 5-page summary for a general audience, with factual review and a standalone HTML page for GitHub Pages.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.