스킬 찾기

여러 파일에 걸친 개발이나 감사를 위해 세 개 이상의 AI 에이전트로 팀을 구성합니다. 전문 역할을 배정하고 병렬 실행과 에이전트 간 연락을 준비합니다.

• 여러 파일의 기능 구현 분담
• 모듈 간 리팩터링 협업
• 에이전트 팀을 통한 보안 감사

코드 파일 사이의 연결 그래프를 분석해 관련성이 높은 파일을 묶습니다. 분류 결과와 연결을 확인하며 코드 구성을 파악하고 다른 파일과 떨어진 파일을 조사할 수 있습니다.

• 관련 코드 파일의 그룹 파악
• 코드 그룹 사이의 연결 확인
• 고립된 파일 조사

거래 전략의 장기 검증, 여러 조건 비교와 모델 학습을 클라우드에서 수행합니다. 비용 추정부터 성과 지표와 CSV 수집, 결과 서명 검증과 저장까지 지원합니다.

• 거래 전략의 여러 해 성과 검증
• 다양한 매개변수 조합 비교
• 클라우드에서 LSTM 등 모델 학습

이미 생성한 곡에 음량 정규화와 피크 제한을 적용해 스트리밍에 맞는 음량으로 조정합니다. 처리 전후 수치를 보고하고 완성된 음원을 확인할 위치도 안내합니다.

• 생성한 곡의 스트리밍용 음량 조정
• 마스터링 전후 음량 비교
• 기존 곡의 순간적인 피크 제한

작업에 기록된 실행 구간을 모아 에이전트 사이의 처리 흐름을 트리로 정리합니다. 소요 시간과 대기 시간, 오류 및 처리가 느린 지점을 확인할 수 있습니다.

• 느린 작업의 원인 조사
• 에이전트 사이의 협업 확인
• 실행 기록의 오류 위치 확인

구현된 기능을 명세와 대조하고 코드 검토, 테스트 추가, 성능 검증을 진행합니다. 요구 사항과 코드·테스트의 대응표 및 문서를 정리해 배포 준비 상태를 확인합니다.

• 구현이 명세를 충족하는지 확인
• 미검증 요구 사항의 테스트 추가
• 요구 사항·코드·테스트 대응표 작성

로컬 RuVLLM의 설정을 생성하고 MicroLoRA와 SONA 인스턴스를 만듭니다. 품질 평가 점수에 따라 프로세스 내부의 작은 가중치를 조정합니다.

• 로컬 언어 모델의 추론 설정
• 외부 네트워크 격리 환경의 추론 준비
• 품질 평가로 MicroLoRA 조정

의존 관계와 분류 체계 같은 계층 데이터를 깊이와 텍스트 특징에 따라 푸앵카레 공 안에 배치합니다. 부모·자식과 서로 다른 가지 사이의 거리를 측정해 구조를 분석합니다.

• 모듈 의존 관계의 하위 구조 분석
• 클래스 계층의 구조 패턴 확인
• 분류 관계에 따라 개념 정리

확정된 명세를 바탕으로 의사 코드와 모듈 역할, API 입출력을 설계합니다. 사용자 확인 후 설계에 따라 구현과 단위 테스트를 진행합니다.

• 확정된 명세를 의사 코드로 작성
• 모듈 역할과 의존 관계 설계
• API 입출력과 오류 형식 설계

승인을 기다리며 중단했다가 재개하는 처리나 여러 에이전트에 병렬로 작업을 배분하는 흐름을 저장형 템플릿 또는 스크립트로 작성합니다.

• 승인 대기가 포함된 처리 작성
• 여러 에이전트에 검토 작업 분담
• 정해진 형식으로 조사 결과 취합

이미 생성한 곡의 음높이를 추적해 MIDI나 악보를 추출합니다. 채보, 편곡, 음악 제작 소프트웨어로 가져오기에 활용하도록 결과를 확인하고 다운로드 위치를 안내합니다.

• 이미 생성한 곡 채보
• 추출한 MIDI로 편곡
• 생성한 곡을 DAW로 가져오기

GAIA 평가를 실행하는 ruflo와 HAL의 구조를 비교합니다. 코드 실행과 브라우저 조작 등의 기능 차이를 정리해 개선 우선순위와 구현 부담을 검토합니다.

• 다음 GAIA 개발 계획 수립
• 코드 실행과 브라우저 기능 비교
• 개선 우선순위와 구현 부담 검토

저장된 워크플로를 실행하고 진행 상황을 확인하며 일시 중지, 재개, 취소를 관리합니다. JavaScript로 정의한 여러 에이전트의 작업도 실행하고 재개합니다.

• 저장된 워크플로를 ID로 실행
• 진행 상황과 단계별 결과 확인
• MCP 작업 일시 중지, 재개, 취소

코드와 의존 패키지에서 알려진 취약점, 직접 기록된 비밀 정보, 위험한 코드 패턴을 찾습니다. 탐지 위치를 확인하고 오탐을 제외해 보고합니다.

• PR로 보안 문제가 늘었는지 확인할 때
• 인증이나 입력 처리의 위험한 코드를 찾을 때
• 운영 환경 배포 전에 보안을 점검할 때

작업에서 얻은 해결책과 성공한 방법을 AgentDB에 저장하고 의미가 비슷한 정보를 검색해 재사용합니다. 작업 전 사례 확인부터 완료 후 배운 내용 기록까지 돕습니다.

• 성공한 절차를 저장할 때
• 이전 작업에서 해결책을 찾을 때
• 의미가 비슷한 지식을 검색할 때

인물 이름, 파일, 개념 등을 출발점으로 웹, 코드, 저장된 정보를 조사합니다. 관련 대상과 관계를 출처가 포함된 조사 자료와 JSON으로 정리합니다.

• 인물이나 개념의 관련 정보 파악
• 파일과 코드 식별자의 참조 관계 조사
• 설계 결정 기록과 관련 정보 조사

메모리에 쌓인 조사 결과를 모아 근거의 강도와 정보 간 충돌을 정리합니다. 요점, 한계, 출처, 다음 행동을 담은 보고서로 조사 후 판단을 돕습니다.

• 여러 차례의 조사 결과 통합
• 상충하는 주장과 근거 비교
• 다음 행동을 담은 조사 요약 작성

Cognitum Seed 기기의 측정 데이터에서 급증, 값 정체 등의 이상을 탐지하고 분류합니다. 높은 점수에는 격리를 제안하고 이상 유형과 점수를 기록합니다.

• 기기의 비정상적인 측정값 조사
• 카나리 배포 진행 전 점검
• 기기군의 상태 경보 원인 분류

Git 변경 차이의 위험과 복잡도를 평가하고 변경 유형과 권장 검토 역할을 정리해, 풀 리퀘스트 제출 전이나 병합 전에 집중해서 확인할 부분을 좁혀 줍니다.

• 풀 리퀘스트 제출 전 변경 위험을 확인합니다
• 여러 모듈에 걸친 대규모 변경을 검토합니다
• 변경에 적합한 검토 담당 역할을 정리합니다

Claude Code 세션에서 지정한 시각이나 간격으로 감사, 테스트 커버리지 분석 등을 실행할 워커를 등록하고 정기 작업을 확인하거나 해제합니다.

• 15분마다 보안 검사를 실행합니다
• 테스트 커버리지를 정기 확인합니다
• 두 시간마다 API 문서를 생성합니다

Claude Code의 `/loop`로 Ruflo 백그라운드 작업을 주기적으로 실행합니다. 보안 분석과 문서화 등의 진행 상태 확인부터 반복 실행 중지까지 관리합니다.

• 보안 분석을 주기적으로 실행
• 테스트 범위의 부족한 부분을 지속 확인
• 코드 분석이나 문서화를 반복 실행

기존 테스트에서 고정된 JSON 평가 데이터를 만들고 형식 오류를 검사합니다. 커밋이나 파생 버전이 달라도 같은 과제를 사용해 동일한 기준으로 개선안을 비교합니다.

• 기존 테스트에서 고정 평가 세트를 만듭니다
• CI에서 평가 파일을 검증합니다
• 같은 과제로 여러 커밋을 비교합니다

AI 에이전트의 실행 정책을 과제 모음으로 평가하고 개선 후보를 비교합니다. 기본 모의 실행에서는 모델을 호출하지 않고 과제 설정과 예상 비용을 확인합니다.

• 과제 모음을 활용한 실행 정책 개선
• 학습 실행 전 예상 비용 확인
• 별도 평가 과제로 개선 후보 비교

구성의 일관성, 위협, MCP 권한과 의존성을 정적으로 감사하고 시간 정보와 함께 기록합니다. 정기 실행으로 변화를 확인하고 지정한 심각도에 따라 CI를 실패시킬 수 있습니다.

• 구성과 보안에 대한 주간 감사
• MCP 권한과 의존성 확인
• 과거 감사 기록과 변화 비교