704건 · 관련도순
Codex CLIと相談するスキル。 ユーザーが「codexと相談して」「codexに聞いて」「codexにレビューしてもらって」と言った時に使用する。 現在の会話コンテキストに基づいてCodex CLIにプロンプトを送り、結果を要約して報告する。 「codexはAstraで」「effortはhighで」のようにCodexのmodelやreasoning effortを指定された時は、そのmodelとeffortで実行する。
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Agentic workflow patterns for autonomous LLM reasoning. Use when building ReAct agents, implementing reasoning loops, or creating LLMs that plan and execute multi-step tasks.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Apply the Fable-derived 10-stage OBSERVE, OBSERVE, LISTEN, THINK, CONNECT, CONNECT, FEEL, ACCEPT, CREATE, GROW loop to consequential or ambiguous reasoning and decisions. Use for think this through, deep think, architecture review, postmortem, tradeoff analysis, or challenges to assumptions. This is a reasoning review, not a deterministic vault health check or repair workflow.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Adaptive learning for moflo agents via ReasoningBank: trajectory storage, verdict judgment, memory distillation, consolidation, and MMR retrieval. Use when building agents that should improve from experience across runs.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Abductive reasoning about causes. Takes a phenomenon, separates observations from interpretations, then spawns diagnosticians applying different reasoning lenses (technical, human-factors, process, incentive-structure, environmental, temporal, measurement-artifact, statistical) in isolation. Orchestrator evaluates candidate causes for fit-against-evidence, calibrates confidence honestly, and reports leading candidate(s) with distinguishing evidence needed. Produces feedback only — no code, no tickets, no artifacts.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Temporal interval algebra for reasoning about time relationships in planning and knowledge representation
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use when a problem requires structured step-by-step reasoning before acting. Prevents jumping to conclusions or guessing root causes without evidence. Triggers on complex debugging, multi-step analysis, hypothesis verification, or when mk:fix invokes diagnosis phase. NOT for being stuck on approach (too many implementations, forced assumptions, innovation block) — use mk:problem-solving instead.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Template for pre-reasoning → action → post-verification model allocation
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use this skill for ANY of the following — do not skip it even if the query seems simple: strategic decisions, business analysis, thesis building, complex problem solving, geopolitical analysis (non-market), philosophical reasoning, academic research, system design, decision under uncertainty, long-form thinking, or any question that benefits from First Principle deconstruction and multi-agent reasoning. ALWAYS use this skill when the user asks about: why something works the way it does, whether a decision is correct, how to think about a complex problem, what could go wrong, analyzing a situation from multiple angles, or any "should I..." question involving real-world trade-offs. This is NOT a market/trading skill — for financial markets, BTC, gold, stocks, forex, macro economics, use money-atlas-intelligence-os instead.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use for multi-step / ambiguous / end-to-end work — refactor a whole module, drive a vague ticket to a verified result, plan+build+verify a migration; coordinates the reasoning chain across skills.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use when simulating a technical interview to build confidence, expose reasoning gaps, and train structured communication under pressure.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use when the learner benefits from guided questioning to build reasoning and uncover misconceptions before receiving direct answers.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use when verifying whether the learner truly understands a concept through reasoning and application, not recall trivia.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use when the agent needs recursive reasoning, episodic memory retrieval, internet learning, or world-model prediction. Mini-OpenAmer: the 2B hybrid Mamba core with 9 tools, running 24/7 on Damir's laptop.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Brand palette reasoning: production-level category, trust, culture, hierarchy. Use when implementing, reviewing or testing brand palette reasoning for React, Vite, Next.js or Perfect_AI projects.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Expert guidance for GRPO/RL fine-tuning with TRL for reasoning and task-specific model training
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Implement ReasoningBank adaptive learning with AgentDB's 150x faster vector database. Includes trajectory tracking, verdict judgment, memory distillation, and pattern recognition. Use when building self-learning agents, optimizing decision-making, or implementing experience replay systems.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Implement adaptive learning with ReasoningBank for pattern recognition, strategy optimization, and continuous improvement. Use when building self-learning agents, optimizing workflows, or implementing meta-cognitive systems.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Break a stuck or complex problem into the smallest sub-question that, if answered, unlocks the next step — then answer it and repeat until the path forward is clear. Load when a problem feels genuinely stuck, when reasoning keeps circling, or when deep-thinking diagnoses a Socratic frame. Also triggers on "I keep going in circles", "what is the real question here", "help me reason through this step by step", "unstick my thinking", "recursive questioning", "what is the root question". Based on the recursive Socratic questioning method (EMNLP 2023) which outperforms CoT and Tree-of-Thought on complex reasoning tasks.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Temporal interval algebra for reasoning about time relationships in planning and knowledge representation
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
한 번의 대화로 다루기 어려운 큰 기획이나 변경을 결정할 질문과 의존 관계로 정리합니다. 이슈 관리 도구에 판단 근거를 남기고 실행까지의 경로를 명확히 합니다.
기존 코드의 일부를 감사하고 설계 결정 기록, 구현 관행, 누락 기능, 기술 선택의 네 관점에서 문제를 정리합니다. 계획부터 테스트, 수정, 재감사까지 진행합니다.
후보 탐색과 비교를 반복하며 근거와 판단을 추가 기록 방식의 장부에 남깁니다. 이전 결과와의 일관성과 재검증 결과를 확인하고 실거래나 운영 작업의 실행 조건을 명확히 합니다.
공통 과제로 대규모 언어 모델의 지식·추론·코드 생성을 평가합니다. 모델 비교표와 학습 단계별 성적 추이를 만들고 평가 결과와 개별 답변을 저장합니다.