'baseline' 검색 결과

배포된 URL의 페이지와 API 응답, 정적 파일, 지속 연결, 성능 저하를 점검합니다. 단일 점검, 기간을 정한 모니터링, 검증 환경과 운영 환경 비교를 지원합니다.

• 배포 후 운영 및 검증 환경 점검
• 병합이나 의존성 업데이트 후 수정 확인
• 공개 직후 사이트 지속 모니터링

커밋 전 코드 변경의 기밀 정보, 보안 위험, 테스트와 정적 검사 결과를 확인합니다. 독립 에이전트가 검토하고 지적된 문제만 자동으로 수정합니다.

• 기능 추가 후 커밋 전 점검
• 추가 코드의 기밀 정보와 공격 위험 검사
• 새 테스트 실패와 기존 실패 구분

배포 후 운영 중인 앱을 지속적으로 모니터링하여 콘솔 오류, 성능 저하, 페이지 장애를 확인합니다. 정기 스크린샷을 배포 전 기준 상태와 비교해 이상을 알립니다.

• 배포 후 운영 앱 모니터링
• 업데이트 후 성능 저하 확인
• 배포 전후 화면 비교

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

Paperclip 화면 변경을 Storybook, 운영용 소스, 기존 브라우저 테스트로 확인합니다. 렌더링, 조작, 시각적 비교, 운영 환경 검증 결과를 나누어 보고합니다.

• 기능 변경 후 화면 구성 요소 확인
• 오류·권한·모바일 화면 확인
• Storybook 안내와 링크 확인

웹 화면 코드를 Vercel 지침에 따라 검토합니다. 배치, 글자, 색상, 움직임, 접근성을 점검하고 문제를 파일명과 줄 번호로 표시하며, 동봉된 고정판으로 검토 기준을 맞춥니다.

• 제품의 화면 코드 검토
• 지침에 따른 사용 편의성 확인
• 배치·글자·색상·움직임 점검

빈방 상태와 재실자의 활동을 기록해 해당 방에 맞는 감지 모델을 학습합니다. 학습 후에는 사람의 유무, 자세, 호흡을 실시간으로 확인하는 과정까지 다룹니다.

• 특정 방에 맞는 감지 모델 학습
• 빈방 상태와 재실자 활동 기록
• 학습 후 사람 유무와 자세 및 호흡 확인

시스템과 여러 에이전트의 처리량, 응답 시간, 자원 사용량을 측정합니다. 과거 결과 비교와 부하 테스트로 성능 저하를 찾고 기준 충족 여부를 확인합니다.

• 코드 변경 전후의 성능 비교
• 부하를 높여 처리 한계 확인
• 여러 에이전트의 협업 성능 점검

실행 시간, 자원 사용량, 의존 관계로 개발 작업과 에이전트 협업의 지연 원인을 분석합니다. 병렬화와 캐시 등 개선안을 비교해 우선순위와 실행 계획을 정리합니다.

• 테스트 실행 지연 원인 조사
• 작업 사이의 불필요한 대기 탐색
• 에이전트 간 통신 지연 개선

코드 성능 측정과 벤치마크로 느린 처리와 메모리 부담을 조사합니다. 같은 조건에서 비교할 수 있는 기록을 남기며 측정 결과에 따라 최적화를 진행합니다.

• 느린 처리의 원인을 조사할 때
• 변경 전후의 성능을 비교할 때
• 메모리 부담이 클 때 성능을 측정할 때

지정 기간의 작업 완료 수, 오류, 메모리 사용량, 토큰 소비 등을 집계합니다. 과거 기준값과 비교해 이상을 표시하여 에이전트 그룹의 운영 상태를 확인합니다.

• 최근 한 시간의 완료 수와 오류 확인
• 활성 수, 메모리, 토큰 소비 확인
• 처리 시간의 비정상적인 변화 탐색

알려진 취약점과 혼동하기 쉬운 정상 예시로 보안 탐지 방식을 비교합니다. 탐지율, 오탐, 수정 후 테스트 등의 평가 결과를 JSON으로 정리합니다.

• 보안 탐지 방식 비교
• 탐지율과 오탐 변화 추적
• 정기 평가의 불합격 결과 감지

AI 에이전트의 계획, 기억, 도구 사용 등 운영 방침을 한 영역씩 바꾸고 격리 환경에서 평가하여 실제 측정 결과가 개선된 후보만 채택합니다.

• 평가 점수를 개선할 방침을 찾습니다
• 새 분야의 초기 설정을 탐색합니다
• 수동 조정과 탐색 결과를 비교합니다

저장된 감사와 현재 저장소의 새 감사를 명령 하나로 비교합니다. 구조 유사도가 지정한 임곗값보다 낮아지는 변화를 감지하고 비교 결과와 종료 코드로 알립니다.

• 주간 감사 이후 구조 변화 확인
• 최소 7일 전 감사와 비교
• 구조 변화 감지를 CI 판정에 활용

에이전트의 연결 상대별로 최근 1시간, 24시간, 7일간의 처리 건수와 달러 지출을 집계하고, 설정한 중단 기준 금액을 넘은 상대를 확인합니다.

• 새 연결 상대의 비용 기준 파악
• 연결 상대별 지출 정기 확인
• 중단 기준 금액을 넘은 상대 확인

비용 분석 질문에 맞춰 ReasoningBank의 압축된 맥락을 가져옵니다. 검색된 기억 수, 보고된 토큰 절감량과 캐시 적중률을 정리하고 관련 패키지의 사용 가능 여부를 확인합니다.

• 비용 분석에 쓸 압축된 맥락 가져오기
• 검색된 기억 수와 캐시 상태 확인
• 보고된 토큰 절감량과 한계 확인

사이트 로그인 흐름을 기록하고 인증 정보가 포함된 리디렉션, CSRF 방어, 세션 Cookie 노출과 OAuth 설정을 점검하여 심각도와 판정이 포함된 보고서를 만듭니다.

• 공개 전 로그인 흐름 점검
• 토큰 유출 의심 상황 조사
• 인증 과정의 리디렉션 조사

Evaluate BMad skills using your agent's configured runner. Compare results with the model alone or another version, grade outputs against criteria, and test whether descriptions trigger correctly, preserving transcripts and evidence for each run.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Compare a skill with the model alone
• Compare an edited skill with a previous version
• Grade outputs against defined criteria

Simulate concentration changes over time from biochemical models in SBML or Antimony, and compare fixed parameter conditions. Checks model units and exports CSV results plus COMBINE archives containing models and experiment settings, then replays them to compare results.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Calculate concentration changes in reaction networks
• Compare baseline and altered kinetic parameters
• Inspect model units and consistency warnings

Combine laboratory animal welfare measurements into reference-relative RELSA severity scores. Analyze individual trajectories, explore forecasts for specified observation times, and derive candidate score zones, with explicit checks on normalization, reference selection, prediction intervals, and evaluation limits.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Combine animal welfare measurements into daily scores
• Compare group severity using a shared reference
• Explore severity forecasts at specified observation times

Helps build and review NeuroKit2 research workflows for physiological recordings such as ECG, respiration, and skin conductance. Covers preprocessing, time alignment, event analysis, heart rate variability, and complexity measures, while recording methods and checking data quality.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Inspect physiological recordings before preprocessing
• Analyze ECG and heart rate variability for research
• Plan event windows and baseline correction

Create reusable agent skills or improve existing ones through test prompts and user feedback. Compare output quality, execution time, and token usage against a baseline, then refine instructions and descriptions so the skill is invoked in appropriate situations.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Turn a recurring workflow into a reusable skill
• Improve an existing skill using test results
• Compare quality, runtime, and token usage across versions

Coordinate specialist agents to investigate and improve application performance across databases, backend services, frontend code, and delivery infrastructure. Establish baseline measurements, address observed bottlenecks, validate changes with load tests, and set up monitoring to detect future slowdowns.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Finding bottlenecks across an entire application
• Coordinating database, backend, and frontend improvements
• Validating performance changes with load tests

Improve workflows involving multiple AI agents by measuring bottlenecks, adjusting workload distribution, and managing model costs. This design guide helps compare changes against a measured baseline while checking quality, latency, and resource use.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Finding bottlenecks in workflows involving multiple agents
• Reviewing task distribution and parallel execution
• Reducing model costs within quality thresholds