'dag' 검색 결과

Apache Airflow best practices for DAG authoring, testing, and production deployment

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Routes data engineering tasks to the correct DE expert agent. Use when user requests data pipeline design, DAG authoring, SQL modeling, stream processing, or warehouse optimization.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Build container-based Foundry Agents with Azure AI Projects SDK (ImageBasedHostedAgentDefinition). Use when creating hosted agents with custom container images in Azure AI Foundry.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Quando o usuário precisa de ideias de marketing, inspiração ou estratégias para seu produto SaaS ou software. Use também quando o usuário pede 'ideias de marketing', 'ideias de crescimento', 'como fazer marketing', 'estratégias de marketing', 'táticas de marketing', 'formas de promover' ou 'ideias para crescer'. Esta skill oferece 140 abordagens de marketing comprovadas organizadas por categoria.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Quando o usuário quer editar, revisar ou melhorar copy de marketing existente. Também use quando o usuário menciona 'edite este copy', 'revise meu copy', 'feedback de copy', 'revise ortografia', 'polir isto', 'melhorar isto' ou 'revisão de copy'. Esta skill fornece uma abordagem sistemática para editar copy de marketing através de múltiplas passagens focadas.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Especialista em lançar produtos SaaS pequenos e focados rapidamente - a abordagem indie hacker para construir software lucrativo. Aborda validação de ideias, desenvolvimento de MVP, precificação, estratégias de lançamento e crescimento para receita sustentável. Lance em semanas, não meses. Use quando: micro saas, indie hacker, small saas, side project, saas mvp.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Extrai e analisa anúncios de concorrentes de bibliotecas de anúncios (Facebook, LinkedIn, etc.) para entender que mensagens, problemas e abordagens criativas estão funcionando. Ajuda a inspirar e melhorar suas próprias campanhas de anúncios.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Método da Anthropic para treinar IA inofensiva através de auto-aprimoramento. Abordagem em duas fases - aprendizado supervisionado com auto-crítica/revisão, depois RLAIF (RL from AI Feedback). Use para alinhamento de segurança, redução de outputs prejudiciais sem rótulos humanos. Alimenta o sistema de segurança do Claude.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Expert em LangGraph - o framework de nível produção para construir aplicações de IA com múltiplos atores e estado. Aborda construção de grafos, gerenciamento de estado, ciclos e ramificações, persistência com checkpointers, padrões human-in-the-loop e o padrão ReAct. Usado em produção no LinkedIn, Uber e 400+ empresas. Esta é a abordagem recomendada pelo LangChain para construir agentes. Use quando: langgraph, langchain agent, stateful agent, agent graph, react agent.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Framework de pré-treinamento visão-linguagem que conecta codificadores de imagem congelados e LLMs. Use quando você precisar de legendagem de imagens, resposta a perguntas visuais, recuperação imagem-texto ou chat multimodal com desempenho zero-shot de última geração.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Use when the user starts a non-trivial coding/building task in Claude Code (e.g. "帮我做个 X", "help me build Y", "add feature Z", "搭一个 Z"). Layers an AI-native pedagogical coat over normal coding work — surfaces implicit assumptions in user intent, annotates non-trivial design decisions inline with brief concept-scaffolding for terms the user may not know, and replaces "should I run it?" handoffs with rigorous AI self-verification plus a clean list of what only the user can verify. Skip for pure Q&A, single-line edits, read-only investigation, or refactoring along an existing pattern.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Guide users through a 6-phase pipeline to plan a complete project — from brainstorming through project metadata to blueprint, starter-file generation, and per-milestone micro-task design with inline pedagogical choreography.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Orchestrate AI/ML pipelines for data ingestion, model training, batch inference, and RAG indexing using Prefect, Airflow, or Dagster.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Build container-based Foundry Agents with Azure AI Projects SDK (HostedAgentDefinition). Use when creating hosted agents with custom container images in Azure AI Foundry.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Apache Airflow, dbt, Prefect, Dagster, and modern data orchestration for production data pipelines

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Develops an implementation plan ready for wave-orchestration to execute. Takes the user's goal or rough plan as input, mines the codebase for facts, grills the user one question at a time for the decisions, drafts the planning/ artifacts (task DAG, wave table, worker prompt template, state file), then reviews its own plan on two axes before seeking approval. Use when the user wants to turn a feature idea, master plan, or backlog into a wave-orchestration execution plan.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Build container-based Foundry Agents with Azure AI Projects SDK (ImageBasedHostedAgentDefinition). Use when creating hosted agents with custom container images in Azure AI Foundry.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Patterns and architectures for autonomous Claude Code loops — from simple sequential pipelines to RFC-driven multi-agent DAG systems.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Build container-based Foundry Agents with Azure AI Projects SDK (ImageBasedHostedAgentDefinition). Use when creating hosted agents with custom container images in Azure AI Foundry.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Authors reproducible bioinformatics pipelines with Snakemake - rules wired by output-file pattern, wildcards and expand() for sample fan-out, checkpoints for runtime-unknown outputs, resource/retry escalation, and conda/container software deployment on HPC and cloud. Use when deciding rule-based (Snakemake) vs channel/dataflow (Nextflow) authoring; wiring rules by OUTPUT-file pattern rather than imperative order; using wildcards + expand() for sample fan-out and constraining them to stop silent mis-routing; adding checkpoints when the set of outputs is unknown until a step runs (dynamic DAG); diagnosing why a job reran (or did not) under the mtime-plus-provenance trigger set; escalating memory on retry for OOM-killed jobs; and porting a Snakemake 7 `--cluster`/remote-provider command to the Snakemake 8+ executor-plugin and storage-plugin model (snakemake-executor-plugin-slurm) with `--software-deployment-method`.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Build container-based Foundry Agents with Azure AI Projects SDK (ImageBasedHostedAgentDefinition). Use when creating hosted agents with custom container images in Azure AI Foundry.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Build container-based Foundry Agents with Azure AI Projects SDK (ImageBasedHostedAgentDefinition). Use when creating hosted agents with custom container images in Azure AI Foundry.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Classify every destructive/gated action an agent body can attempt (git, filesystem, network, shell, github) into block/approve/allow tiers, and audit whether the pre-tool and post-tool governance backing that classification is real: blocked actions proven zero-side-effect by a negative fixture, every denial backed by a receipt and a transcript event, every block-tier denial paired with a safe alternative, and no unmanaged or same-UID body ever marked "contained." Use when building or reviewing Agent Harbor's C5 governance gate (destructive git blocker, approval request/result, denial receipts), gating a new tool surface before it can run destructive commands, or auditing whether an existing "destructive-action blocked" claim actually has evidence behind it. NOT for proving an existing sandbox boundary actually contains an adversary once an action is isolated (use sandboxed-adversarial-test-harness), deciding where in a DAG to place a human review node or designing the approval UX itself (use human-gate-designer), or designing the general work-receipt schema across an entire agent task (use agent-work-receipt-designer).

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

dbt Core/Cloud data transformations, testing, documentation, and CI/CD. Activate on: dbt, data transformation, analytics engineering, ref, source, staging model, mart, dbt test. NOT for: orchestration/scheduling (use airflow-dag-orchestrator), data warehouse tuning (use data-warehouse-optimizer).

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.