'quality' 검색 결과

Validates agent outputs against schemas and quality criteria, scores confidence, detects hallucinations, monitors convergence, decides when to iterate, and synthesizes actionable feedback. Use when checking if a node's output is acceptable, scoring confidence, detecting fabricated content, deciding whether to re-execute, or generating improvement feedback. Activate on "validate output", "check quality", "confidence score", "hallucination check", "should we iterate", "improvement feedback". NOT for executing DAGs (use dag-runtime), planning DAGs (use dag-planner), or matching skills (use dag-skills-matcher).

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Route a PR review request to the correct tool — code-review plugin (quick parallel scan across all dimensions) or pr-review-toolkit (deep-dive on a specific quality dimension such as type design, error handling, test quality, comments, or simplification). Use when the user asks for a code review, PR review, or mentions a specific quality concern before creating a PR.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Quality assurance review for implementations. Use when reviewing code quality, checking implementation standards, performing QA cycles, or validating feature quality.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

GPU-accelerated data curation for LLM training. Supports text/image/video/audio. Features fuzzy deduplication (16× faster), quality filtering (30+ heuristics), semantic deduplication, PII redaction, NSFW detection. Scales across GPUs with RAPIDS. Use for preparing high-quality training datasets, cleaning web data, or deduplicating large corpora.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Comprehensive truth scoring, code quality verification, and automatic rollback system with 0.95 accuracy threshold for ensuring high-quality agent outputs and codebase reliability.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

논문과 연구 계획을 공통 기준으로 검토하고 연구 방법, 근거, 인용, 글의 구성을 점검합니다. 평가 이유와 수정 우선순위, 다음 수정 사항을 정리합니다.

• 투고 전 논문 검토
• 인용 문헌의 주장 뒷받침 여부 확인
• 연구 방법과 한계 평가

머신러닝 모델의 운영 적용을 위해 데이터 규격, 재현 가능한 학습, 품질 평가, 배포, 모니터링과 롤백을 정리하고 구현 계획과 검토 항목을 만듭니다.

• 실험 코드를 학습 파이프라인으로 만듭니다
• 모델 공개 전 품질 기준을 정합니다
• 데이터 누출과 전처리 차이를 조사합니다

Claude Code에서 개발 작업을 반복하는 자율 루프 설계를 안내합니다. 순차 실행부터 병렬 작업까지 진행 상황 인계, 품질 확인, 변경 사항 통합과 중단 조건을 정리합니다.

• 순차적으로 실행할 개발 절차를 설계할 때
• 반복 실행 사이에 진행 상황을 인계할 때
• 병렬 작업과 변경 사항 통합을 조율할 때

공통 기준으로 코드의 명명, 가독성, 원본 데이터를 바꾸지 않는 갱신 방식과 오류 처리를 검토합니다. 중복과 복잡한 구조를 찾아 유지보수하기 쉽게 정리합니다.

• 기존 코드의 명명과 가독성 검토
• 긴 함수와 깊은 조건 분기 정리
• 새 모듈의 코딩 규칙 통일

400개 이상의 분야별 색인에서 유전체·유전자 발현 분석 등에 맞는 전문 가이드와 실행 절차를 찾습니다. 필요한 자료를 가져와 코드 예시와 분석 파이프라인을 참고합니다.

• 서열 품질 확인 절차를 찾을 때
• 유전자 발현 분석 절차를 선택할 때
• 단일 세포 분석 방법을 알아볼 때

API로 사용하는 언어 모델의 프롬프트와 입력 표현을 바꾸어 안전 필터 우회 시도에 대한 응답을 검증합니다. 여러 모델의 답변 비교와 Hermes 설정 저장도 다룹니다.

• 모델의 안전장치 우회 저항성 평가
• 입력 표현에 따른 응답 차이 비교
• 여러 모델의 거절·품질·속도 비교

구현 계획의 각 작업을 별도 하위 에이전트에 맡깁니다. 명세 준수와 코드 품질을 차례로 검토하고 수정과 재검토를 거친 뒤 전체 연동을 점검합니다.

• 기능 구현 계획을 작업별로 진행합니다
• 명세 준수 여부를 먼저 확인합니다
• 테스트를 먼저 작성하며 개발합니다

가중치가 공개된 언어 모델의 응답 거부 원리를 분석하고 재학습 없이 가중치를 수정하는 실험을 돕습니다. 환경에 맞는 모델과 방법을 선택하고 수정 전후의 거부율과 답변 품질을 비교합니다.

• 언어 모델의 응답 거부 원리 연구
• 재학습 없이 가중치 수정 실험
• 계산 환경에 맞는 모델과 방법 선택

저장소 전체의 버그, 보안, 부하 취약점, 테스트 누락을 확인합니다. 속도와 불필요한 구현도 점검하고 수정안과 방치 시 영향을 우선순위별로 보고합니다.

• 인수한 코드 전체의 품질을 확인할 때
• 보안과 부하 관련 위험을 점검할 때
• 삭제·통합·분할할 코드를 찾을 때

전체 코드나 지정한 범위의 결함, 보안, 부하 대응, 테스트 부족, 불필요한 처리를 점검합니다. 구체적인 사례와 최소 수정안을 덧붙여 중요도순으로 보고합니다.

• 인수한 코드의 품질 확인
• 여러 사용자가 이용할 때의 위험 점검
• 불필요한 코드와 의존성 파악

ponytail의 공개 벤치마크에서 측정한 코드량, 출력 토큰, 비용, 시간 감소 결과를 막대그래프로 확인합니다. 현재 작업의 실측값과 구분해 보여 줍니다.

• 코드량과 비용 감소 결과를 확인할 때
• 실행 시간과 출력 토큰을 비교할 때
• 감소 결과와 품질 지표를 함께 볼 때

Test websites and web apps in a real cloud browser, including local development servers. Check a specific user journey or several flows, then receive a quality score from 1 to 5 with evidence and identified issues.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Checking whether checkout works
• Testing a local development app
• Evaluating a landing page

Caveman 관측 보고서를 바탕으로 사용자가 선택한 대상의 최소 코드 변경을 검토합니다. 승인 후 동일한 입력으로 변경 전후의 품질과 자원 사용량을 비교합니다.

• Caveman 관측 보고서 검토
• 변경 전후 토큰 수와 바이트 수 비교
• 최적화 후 품질 유지 여부 확인

병합 전에 코드 변경을 정확성, 가독성, 설계, 보안, 성능의 다섯 기준으로 검토합니다. 필수 수정과 선택 제안을 구분하고 구체적인 개선 방법을 제시합니다.

• 병합 전 풀 리퀘스트 검토
• 인공지능이 작성한 코드 확인
• 리팩터링의 개선 효과 확인

코드 변경 시 테스트, 타입 검사, 빌드를 자동 실행해 배포 전 품질 확인 절차를 마련합니다. GitHub Actions 설정부터 단계적 배포와 롤백 절차까지 다룹니다.

• 새 프로젝트에 CI 도입하기
• 테스트와 품질 검사 자동화하기
• 단계적 배포와 롤백 설계하기

기존 디자인 체계에 따라 스마트폰부터 큰 화면까지 대응하는 UI를 구현합니다. 컴포넌트 구조와 상태 관리, 키보드 조작, 로딩 중·빈 데이터·오류 표시를 정리합니다.

• 새 페이지와 UI 컴포넌트를 만듭니다
• 스마트폰과 컴퓨터 화면을 조정합니다
• 키보드와 화면 읽기 지원을 개선합니다

YouTube 등에서 영상을 내려받고 형식과 화질을 선택해 오프라인 시청, 편집, 보관에 활용합니다. 전체 작업을 실행하려면 원본 배포 묶음을 설치해야 합니다.

• 오프라인 시청용 영상을 저장합니다
• 편집에 사용할 영상을 내려받습니다
• 영상을 자료로 보관합니다

기존 OD Next 계획에 필요한 이미지 등 소재를 준비합니다. 확인된 기능과 소재를 재사용하고 요구 조건을 유지하며 확보, 크기 확인, 비동기 결과 수집을 진행합니다.

• 기존 계획에 필요한 소재 확보
• 여러 페이지에서 기존 소재 재사용
• 배치에 사용할 소재의 크기 확인

브라우저에서 페이지를 살펴보고 클릭, 입력, 화면 캡처, 정보 추출을 수행합니다. OpenDesign의 로컬 미리보기를 중심으로 웹 앱의 동작과 품질을 확인합니다.

• OpenDesign 미리보기를 확인합니다
• 웹 앱의 클릭과 입력을 테스트합니다
• 페이지나 요소의 화면을 캡처합니다