'optimize' 검색 결과

Autonomous experiment loop that optimizes any file by a measurable metric. Inspired by Karpathy's autoresearch. The agent edits a target file, runs a fixed evaluation, keeps improvements (git commit), discards failures (git reset), and loops indefinitely. Use when: user wants to optimize code speed, reduce bundle/image size, improve test pass rate, optimize prompts, improve content quality (headlines, copy, CTR), or run any measurable improvement loop. Requires: a target file, an evaluation command that outputs a metric, and a git repo

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Analyze and optimize CLAUDE.md files for quality improvements and token reduction. Supports analysis-only, simplification-only, or full optimization modes. Use when asked to "review", "optimize", "simplify", "improve", "check", or "reduce tokens" in CLAUDE.md.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Procedimiento estructurado de 6 pasos para mejorar, renovar o reconstruir pipelines existentes, carpetas de proyectos individuales, estructuras de documentación o stacks de software. Direccionable como "pipeline optimizer" (para pipelines temáticos completos, p. ej. de software, investigación o desarrollo de videojuegos) o "project-folder optimizer" (para carpetas de proyectos individuales dentro de un pipeline, p. ej. una herramienta de software o proyecto de artículo académico). Se activa ante tareas como "mejorar pipeline X", "optimizar el stack", "reconstruir Y", "renovación", "refactorización de pipeline", "limpiar carpeta de proyecto", "mejorar estructura de carpetas", "unificar convenciones", "consolidación de documentación", "integrar en sistema existente" o cualquier intervención sustancial en estructuras establecidas. Proporciona análisis del estado actual, aclaración del propósito, boceto del estado ideal, plan de brechas, identificación empírica de puntos de dolor y reevaluación con subagentes limpios. Previene estándares paralelos, duplicación y rupturas en el pipeline.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

结构化的6步骤流程，用于改进、改造或重构现有的流水线（pipeline）、独立项目文件夹、文档结构或软件技术栈。可调用为“pipeline optimizer”（针对整个主题流水线，例如软件、研究或游戏开发流水线）或“project-folder optimizer”（针对流水线内的独立项目文件夹，例如单个软件工具或论文项目）。触发于诸如“改进流水线X”、“优化技术栈”、“重构Y”、“改造”、“流水线重构”、“清理项目文件夹”、“改进文件夹结构”、“统一规范”、“文档整合”、“集成到现有系统”或针对既有结构的任何实质性干预等任务。提供既有资产调查、目的明确化、理想蓝图草图、差距规划、实证痛点识别以及使用全新的子智能体进行重新测试。防止并行标准、重复建设和流水线中断。

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Структурированная 6-шаговая процедура для улучшения, реновации или перестройки существующих пайплайнов, отдельных папок проектов, структур документации или стек-технологий. Вызывается как "pipeline optimizer" (для целых тематических пайплайнов, например, пайплайнов разработки ПО, исследований или создания игр) или "project-folder optimizer" (для отдельных папок проектов внутри пайплайна, например, единичного инструмента ПО или проекта статьи). Активируется при выполнении таких задач, как "улучшить пайплайн X", "оптимизировать стек", "перестроить Y", "реновация", "рефакторинг пайплайна", "навести порядок в папке проекта", "улучшить структуру папки", "унифицировать конвенции", "консолидация документации", "интегрировать в существующую систему" или при любом существенном вмешательстве в устоявшиеся структуры. Обеспечивает анализ существующего фонда, уточнение целей, эскиз идеального состояния, план устранения разрывов, эмпирическое выявление проблемных мест и повторное тестирование с помощью свежих субагентов. Предотвращает появление параллельных стандартов, дублирование и сбои в пайплайне.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Optimize and convert Zenn Flavored Markdown (ZFM) articles to Dev.to (Forem) compatible Markdown. Use this skill whenever the user wants to post a Zenn article to Dev.to, needs to convert markdown for cross-posting, or asks to "optimize for dev.to". It handles front matter conversion, Liquid tag embeds, KaTeX math blocks, callout transformations, and general formatting adjustments required by Dev.to.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Optimize a single Jetpack Compose @Composable function. Use when the user wants to improve, polish, animate, or refactor ONE Composable — keywords like "optimize this composable", "make this smoother", "add animation to this", "split this composable", "fix recomposition", "this composable is laggy", "polish this UI", or when user pastes/points to a single @Composable function. Analyzes the target for recomposition issues, missing animations, size/concern splits, and stability problems, then iterates with the user via AskUserQuestion to pick which optimizations to apply, then delegates implementation to the kta-compose-developer agent and summarizes changes. Input MUST be exactly one Composable (file path + function name, or function name alone).

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Reduce OpenClaw token usage and API costs through smart model routing, heartbeat optimization, budget tracking, and native 2026.2.15 features (session pruning, bootstrap size limits, cache TTL alignment). Use when token costs are high, API rate limits are being hit, or hosting multiple agents at scale. The 4 executable scripts (context_optimizer, model_router, heartbeat_optimizer, token_tracker) are local-only — no network requests, no subprocess calls, no system modifications. Reference files (PROVIDERS.md, config-patches.json) document optional multi-provider strategies that require external API keys and network access if you choose to use them. See SECURITY.md for full breakdown.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Help with MongoDB query optimization and indexing. Use only when the user asks for optimization or performance: "How do I optimize this query?", "How do I index this?", "Why is this query slow?", "Can you fix my slow queries?", "What are the slow queries on my cluster?", etc. Do not invoke for general MongoDB query writing unless user asks for performance or index help. Prefer indexing as optimization strategy. Use MongoDB MCP when available.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Answer Engine Optimization (AEO) skill — optimize content to be cited by AI language models (ChatGPT, Perplexity, Claude, Gemini, Mistral) as authoritative sources. Distinct from SEO — AEO optimizes for citation in LLM-generated responses, not search rankings. Use when planning content for AI-first search audiences, auditing existing content for E-E-A-T signals, tracking which pages get cited by which LLMs, or building a citation-friendly content strategy. Triggers — 'AEO audit', 'optimize for ChatGPT', 'get cited by Perplexity', 'LLM citation strategy', 'answer engine optimization', 'content for AI search', 'E-E-A-T audit'. Output is a markdown audit report (default) or JSON for pipeline integration. Stdlib-only Python tools.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Creates, optimizes, and iteratively refines agent prompts, system prompts, developer prompts, and reusable prompt templates. Use when asked to improve a prompt, optimize a system prompt, rewrite an agent prompt, tune prompt wording, make a prompt more reliable, port prompts between OpenAI, Claude, or Gemini, or build prompt evals.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Optimize AI system latency and throughput. TRIGGERS - Use when user needs help with ai-latency-optimizer related tasks.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Optimize embedding strategies for AI retrieval. TRIGGERS - Use when user needs help with ai-embedding-optimizer related tasks.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Warehouse cost reduction, auto-scaling, query optimization, and lifecycle policies for data infrastructure. Activate on: data cost, warehouse credits, cost reduction, auto-scaling, lifecycle policy, cold storage, cost monitoring, resource optimization. NOT for: query performance tuning (use data-warehouse-optimizer), batch job optimization (use batch-processing-optimizer).

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

CI/CD caching optimizer for dependency caching, Docker layer caching, and build speed improvements. Activate on: CI cache, build speed, dependency caching, Docker layer cache, turbo remote cache, GitHub Actions cache, pnpm store cache. NOT for: CI/CD pipeline creation (use github-actions-pipeline-builder), deployment strategy (use blue-green-deployment-orchestrator), Docker image building (use docker-multi-stage-optimizer).

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Optimizes Pine Script for performance, user experience, and visual appeal on TradingView. Use when improving script speed, reducing load time, enhancing UI, organizing inputs, improving colors and visuals, or making scripts more user-friendly. Triggers on "optimize", "improve", "faster", "better UX", "clean up", or enhancement requests.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Use when the user asks to "optimize entity presence", "build knowledge graph", "improve knowledge panel", "entity audit", "establish brand entity", "Google does not know my brand", "no knowledge panel", or "establish my brand as an entity". Works standalone with public search and AI query testing; supercharged when you connect ~~knowledge graph + ~~SEO tool + ~~AI monitor for automated entity analysis. For structured data implementation, see schema-markup-generator. For content-level AI optimization, see geo-content-optimizer.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Audit and optimize headings across AEM Edge Delivery Services pages for search intent, hierarchy, and consistency. Extracts all headings (H1-H6), evaluates uniqueness, keyword alignment, specificity, and structural correctness, then generates optimized heading suggestions per page. Use when improving on-page SEO, fixing heading hierarchy issues, or standardizing heading patterns across a site.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Optimizes Dockerfiles for smaller images, faster builds, better caching, and security hardening using multi-stage builds and best practices. Use when users request "optimize Dockerfile", "reduce Docker image size", "Docker best practices", or "containerize application".

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

개발 목표에 맞는 ECC 명령 그룹을 골라 실행 순서와 중단 조건을 안내합니다. 현재 파일을 읽어 용도별 목록을 정리하며 명령은 실행하지 않습니다.

• 버그 수정에 필요한 명령 순서 확인
• MVP 개발용 명령 선택
• ECC 작업 절차를 용도별로 조회

DSPy로 질문 응답과 문서 검색을 결합한 AI 처리를 만듭니다. 입출력을 정의한 구성 요소를 조합하고 학습 예시와 평가 지표로 프롬프트를 자동 조정합니다.

• 문서 검색을 결합한 질문 응답 만들기
• 학습 예시로 프롬프트 조정하기
• 텍스트에서 구조화된 데이터 추출하기

반복해서 요청하는 작업을 재사용할 스킬로 만들고 기존 스킬을 개선·평가합니다. 출력 비교와 사용자 의견을 바탕으로 지침과 호출 조건을 조정합니다.

• 반복 작업을 재사용할 스킬로 정리
• 사용자 의견으로 기존 스킬 개선
• 스킬 사용 여부에 따른 결과 비교

반복하는 작업 절차를 스킬로 만들고 테스트와 피드백으로 개선합니다. 기존 스킬 수정, 적용 전후 결과 비교, 적절한 요청에 호출되도록 설명 조정도 지원합니다.

• 반복 작업을 재사용할 스킬로 만듭니다
• 피드백을 바탕으로 기존 스킬을 개선합니다
• 스킬 적용 전후의 출력을 비교합니다

Retrieve compacted ReasoningBank context for cost-analysis queries and summarize retrieved memories, reported token savings, cache hit rate, and package availability. The savings figure is an estimate from the integration, not a measured comparison against a baseline.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Retrieve compacted context for a cost-analysis query
• Review retrieved memory counts and cache hit rate
• Inspect reported token savings and their limitations