스킬 찾기

AI 에이전트의 토큰 사용량과 미국 달러 비용을 모델, 에이전트, 처리 계층별로 집계하고 지정 기간의 예산 사용률, 잔액, 경고를 확인합니다.

• 오늘의 AI 사용 비용 확인
• 모델과 에이전트별 비용 비교
• 예산 사용률과 경고 확인

AI 팀의 작업을 담당자와 결과물이 명확한 과제로 나누고 의존 관계와 진행 상황을 기록합니다. 착수, 중단, 완료 상태를 관리하며 기존 과제와의 중복도 확인합니다.

• 팀 작업을 작은 과제로 분할
• 담당자와 의존 관계 정리
• 작업이 중단된 이유 기록

저장된 비용 집계 JSON 두 개를 비교해 총액과 모델별 증감을 표시합니다. 금액, 증가율, 토큰 유형별 임계값으로 PR에 따른 비용 증가를 감지합니다.

• PR 전후 비용 비교
• 비용 변화의 주요 원인 모델 확인
• PR 검사에 비용 증가 상한 설정

실행 전에 작업을 분류해 LLM 호출 없이 처리할 수 있다고 판정된 비율을 보고합니다. 나머지 작업의 권장 모델과 비용 상한을 추정하고 결과를 저장합니다.

• 유사 작업 일괄 처리 전 확인
• 단순 코드 변환의 LLM 비용 검토
• Agent Booster 적용 비율 확인

Claude Code 단일 세션의 비용을 메시지별로 계산해 비싼 응답을 찾습니다. 입력·출력 토큰, 캐시 읽기·쓰기, 모델과 비용 분포를 비교해 비용 원인을 살펴봅니다.

• 고비용으로 표시된 세션의 원인을 조사할 때
• 캐시 쓰기 비용을 확인할 때
• 지정 시각 이후의 고비용 메시지를 찾을 때

준비된 테스트 사례로 agent-booster의 성공률과 작업 분배를 검증합니다. 선택적으로 외부 모델과 비교하고 실측 결과와 집계를 JSON으로 저장합니다.

• 출시 전 성공률 확인
• 테스트 사례 추가 후 작업 분배 검증
• 실측 결과로 성능 설명 확인

게시물이나 API로 받은 글을 모델에 전달하기 전에 검사합니다. AIDefence로 지시 탈취나 정보 유출을 노리는 입력 등의 위협을 분류하고 판정 신뢰도를 확인합니다.

• 모델 처리 전 사용자 게시물 검사
• API와 Webhook 수신 내용 검사
• 도구 출력에 숨은 지시 검사

여러 컴퓨터의 ruflo 에이전트를 연결해 서명된 메시지로 상태와 성과를 공유합니다. 작업 담당 권한의 획득, 해제, 인계를 전달해 노드 간 담당을 조정합니다.

• 컴퓨터 간 상태와 성과 공유
• 공유 작업의 담당 권한 조정
• 다른 노드로 작업 인계

“로그인 버튼을 눌러 주세요”처럼 자연어로 브라우저 조작을 요청합니다. 요소를 지정하기 어려운 화면에 적합하며 필요한 설정이 없으면 다른 조작 방식으로 전환합니다.

• 말로 설명한 버튼 클릭
• 검색어 입력 후 제출
• 요소 식별 정보가 바뀌는 화면 조작

영업 에이전트 작업을 한 차례 시험 실행합니다. 운영 전에 템플릿과 예산 설정을 검증하고 담당별 지시문과 실행 결과 기록을 확인합니다.

• 영업 자동화 한 주기 시연
• 템플릿과 에이전트 유형 검증
• 예산 상한과 예약 처리 점검

보유한 장비의 전력과 구입 비용, 실측 생성 속도로 백만 토큰당 비용을 추산합니다. 가동률별로 외부 API와 비교해 손익분기점을 살펴봅니다.

• 로컬 모델과 API 비용 비교
• 가동률에 따른 비용 확인
• 전기료와 장비 감가상각을 포함한 원가 추산

운영 환경의 세션 비용을 기간별로 집계하고 최근 지출을 과거 평균과 비교합니다. 차액과 증가율을 표시하며, 설정한 증가율을 넘으면 종료 코드로 이상을 알립니다.

• 운영 환경의 일별 비용을 확인합니다
• 최근 지출을 과거 평균과 비교합니다
• CI에 비용 급증 경고를 연결합니다

세션별 지출의 중앙값과 변동 정도를 바탕으로 비용이 비정상적으로 높거나 낮은 세션을 찾습니다. 기간과 판정 기준을 지정하고 CI의 이상 탐지에도 사용할 수 있습니다.

• 지출이 유난히 높은 세션 찾기
• 비용이 극히 낮은 세션 확인
• 최근 일주일의 비용 이상 조사

Claude Code와 Codex 사용 로그에서 비용 증가 원인을 찾고, 캐시와 모델 선택 등의 개선안을 근거 및 조건부 절감액 추정치와 함께 제시합니다.

• 사용 비용이 높은 원인을 파악합니다
• 캐시 사용 방식을 점검합니다
• 하위 에이전트의 모델을 선택합니다

예산 초과, 일일 비용 증가, 비용이 비정상적으로 높은 세션, 예산 소진 시점을 병렬로 확인하고 결과와 공통 종료 코드를 모아 CI의 진행 여부를 판단합니다.

• CI 비용 검사를 한 단계로 통합할 때
• 일일 비용 증가를 감지할 때
• 비용이 비정상적으로 높은 세션을 찾을 때

Ruflo 실행 환경을 점검하고 설정, 백그라운드 프로세스, 메모리 데이터베이스의 문제를 진단합니다. 흔한 오류를 자동으로 복구하거나 대상별로 조치할 수 있습니다.

• Ruflo 설치 후 환경을 확인합니다
• 설정이나 연결 문제를 조사합니다
• 메모리 데이터베이스를 복구합니다

기술 선택과 설계 판단을 기록하는 ADR을 기존 파일에 이어지는 번호로 만듭니다. 템플릿 생성, AgentDB 등록과 관련된 과거 결정의 연결을 처리합니다.

• 기술 도입 이유 기록
• API나 데이터 모델 변경 기록
• 인프라 구성 결정 문서화

여러 에이전트의 작업을 순서대로 연결하고 이전 결과를 다음 단계에 전달합니다. 직접 구성한 절차나 기본 제공 절차로 코드 분석, 수정, 테스트와 데이터 변환을 진행합니다.

• 코드 분석으로 개선 계획을 만듭니다
• 우선순위에 따라 리팩터링합니다
• 테스트 부족 확인과 단위 테스트 생성에 씁니다

ruflo 분석 명령으로 코드 변경 위험과 복잡한 부분을 확인하고 파일 통계를 살펴봅니다. 이미 수정한 버그의 재발을 막는 CI 점검 실행과 추가도 지원합니다.

• 코드 변경 위험 확인
• 복잡한 코드 찾기
• ruflo 회귀 점검 실행

여러 AI 에이전트에 작업을 나누고 병렬 실행과 순차 단계를 구성합니다. 정보 공유, 부하 분산, 실패 시 작업 재할당까지 조율합니다.

• API, 화면, 테스트의 병렬 개발
• 설계부터 검토까지 단계 연결
• 담당 에이전트 간 API 명세 공유

분산된 에이전트 기억을 AgentDB로 통합하고 SQLite와 Markdown 데이터 이전, 의미가 비슷한 정보 검색, 에이전트 간 기억 공유를 설계합니다.

• 분산된 에이전트 기억을 통합합니다
• SQLite와 Markdown 데이터를 이전합니다
• 의미가 비슷한 저장 정보를 검색합니다

백그라운드 작업을 종류에 따라 전문 에이전트에 배정하고, 실행 이력의 품질 점수와 성공률, 응답 시간을 바탕으로 담당 선택과 성능 확인을 지원합니다.

• 작업별로 전문 에이전트를 선택합니다
• 품질과 성공률, 응답 시간을 확인합니다
• 실행 결과를 다음 담당 선택에 활용합니다

분야별 AI 에이전트로 GitHub 코드 변경 제안을 검토합니다. 보안, 성능, 설계, 서식 등의 문제를 정리하고 수정안 제시와 검토 결과 게시까지 진행합니다.

• 인증 처리의 보안을 확인합니다
• 데이터베이스 변경의 성능을 확인합니다
• 화면 사용성과 서식을 검토합니다

GitHub Actions의 생성과 개선부터 실행 실패 분석, PR 검토, 출시 관리까지 지원합니다. 여러 AI 에이전트가 협력해 테스트와 운영 작업을 자동화합니다.

• 프로젝트 언어에 맞는 워크플로 생성
• 테스트 병렬화와 캐시 개선
• 실행 실패 원인 조사와 수정안 작성