'structure' 검색 결과

Creates Pulumi infrastructure-as-code projects in Python, defines cloud resources (AWS, Azure, GCP), configures ESC environments for secrets management, sets up OIDC authentication for secure deployments, and builds multi-language component resources. Use when creating Pulumi Python projects, writing infrastructure code, configuring cloud providers, managing secrets with Pulumi ESC, setting up OIDC for Pulumi, automating infrastructure deployments with Python, creating reusable Pulumi components in Python, or configuring Python toolchains (pip, poetry, uv) for Pulumi. Also use when the user mentions pyproject.toml with Pulumi, component_provider_host, or Python virtual environments for infrastructure code.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

SERP-informed outline generation with H2/H3 heading hierarchy, competitive content gap analysis, section-by-section word count targets, chart and image placement markers, optional FAQ question planning, and internal linking zones. Skeleton only: structure, H2/H3 hierarchy, word counts, optional FAQ slots. Use blog-brief instead if you need full competitive analysis, statistics research, and image suggestions. Lighter than a full content brief, generates article skeleton and structure only, ready for /blog write to consume. Use when user says "outline", "blog outline", "content outline", "structure blog", "plan sections", "article skeleton", "heading structure", "SERP analysis", "competitive outline", "plan article".

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Structure persuasive speeches and formal arguments in forensic, legal, policy, and competitive debate styles. Use when the user needs to prepare talks, opening or closing arguments, policy pitches, public explanations, debate speeches, or mentions 'forensic speech', 'formal argument', 'persuasive speech structure', 'debate speech', 'opening statement', 'closing argument'. Turns structured claims into audience-tuned persuasive delivery.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Application architecture patterns and code organization — clean architecture, hexagonal architecture, feature-based structure, dependency inversion, module boundaries, SOLID principles at module scale. Activate on "clean architecture", "hexagonal architecture", "feature-based structure", "dependency inversion", "module boundaries", "architecture pattern", "folder structure", "fat controller", "circular dependency", "IoC container". NOT for microservice decomposition (use microservices-patterns) or database schema design (use database-design-patterns).

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

AWS Cloud Development Kit (CDK) expert for building cloud infrastructure with TypeScript/Python. Use when creating CDK stacks, defining CDK constructs, implementing infrastructure as code, or when the user mentions CDK, CloudFormation, IaC, cdk synth, cdk deploy, or wants to define AWS infrastructure programmatically. Covers CDK app structure, construct patterns, stack composition, and deployment workflows.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Expert-level data structures covering arrays, linked lists, trees, heaps, hash tables, graphs, and advanced structures like segment trees, tries, and union-find.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Expert-level aircraft structures covering structural design philosophy, wing and fuselage analysis, fatigue and damage tolerance, composite structures, and certification.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

AI-powered autonomous data extraction that navigates complex sites and returns structured JSON. Use this skill when the user wants structured data from websites, needs to extract pricing tiers, product listings, directory entries, or any data as JSON with a schema. Triggers on "extract structured data", "get all the products", "pull pricing info", "extract as JSON", or when the user provides a JSON schema for website data. More powerful than simple scraping for multi-page structured extraction.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Structured 6-step procedure for improving, renovating, or rebuilding existing pipelines, individual project folders, documentation structures, or software stacks. Addressable as "pipeline optimizer" (for whole topic pipelines, e.g. a software, research, or game-dev pipeline) or "project-folder optimizer" (for individual project folders within a pipeline, e.g. a single software tool or paper project). Triggers on tasks like "improve pipeline X", "optimize the stack", "rebuild Y", "renovation", "pipeline refactoring", "clean up project folder", "improve folder structure", "unify conventions", "documentation consolidation", "integrate into existing system", or any substantial intervention in established structures. Delivers building-stock analysis, purpose clarification, ideal sketch, gap plan, empirical pain-point identification, and retests with fresh subagents. Prevents parallel standards, duplication, and pipeline breaks.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Solves UI lock-in. Reverse engineers your existing UI, strips all layout/token decisions, preserves every hook, handler, and API call untouched, then rebuilds the UI from scratch with a fresh design system. Use /ui-restructure to fully redesign, --style apple|linear|minimal|dashboard for named styles, --mode layout|theme|grid for partial rebuilds, --god-mode to redesign from the user's perspective using 100-user mindset simulation and 6 UX principles, --keep-tokens to preserve your token system, --prompt for custom redesigns. Applies mandatory world-class polish: spring motion, 5-state micro-interactions, 8pt spacing grid, WCAG accessibility. Supports Next.js, React, Vue 3, Tailwind, CSS Modules, styled-components, shadcn.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Reduce LLM size and accelerate inference using pruning techniques like Wanda and SparseGPT. Use when compressing models without retraining, achieving 50% sparsity with minimal accuracy loss, or enabling faster inference on hardware accelerators. Covers unstructured pruning, structured pruning, N:M sparsity, magnitude pruning, and one-shot methods.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Protein structure prediction from sequence. ESMFold-based, single GPU, no MSA needed. Predicts 3D structures with pLDDT confidence scores for drug discovery targets.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Structure persuasive speeches and formal arguments in forensic, legal, policy, and competitive debate styles. Use when the user needs to prepare talks, opening or closing arguments, policy pitches, public explanations, debate speeches, or mentions 'forensic speech', 'formal argument', 'persuasive speech structure', 'debate speech', 'opening statement', 'closing argument'. Turns structured claims into audience-tuned persuasive delivery.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Application architecture patterns and code organization — clean architecture, hexagonal architecture, feature-based structure, dependency inversion, module boundaries, SOLID principles at module scale. Activate on "clean architecture", "hexagonal architecture", "feature-based structure", "dependency inversion", "module boundaries", "architecture pattern", "folder structure", "fat controller", "circular dependency", "IoC container". NOT for microservice decomposition (use microservices-patterns) or database schema design (use database-design-patterns).

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Plan, evaluate, and adopt agent infrastructure for a named workload. Use for agent runtime/framework selection, agent evaluation or observability plans, memory and tool boundaries, infrastructure cost controls, and organizational adoption. Covers workload-first comparison, risk and recovery planning, held-out evaluation, cost accounting, and staged rollout. Not a vendor ranking or a production certification. NOT for implementing a specific agent behavior (agentic-patterns), building a specific agent (ai-engineer), prompt optimization (prompt-engineer), or conventional ETL workflow design (jury_rig-architect).

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

AI-powered autonomous data extraction that navigates complex sites and returns structured JSON. Use this skill when the user wants structured data from websites, needs to extract pricing tiers, product listings, directory entries, or any data as JSON with a schema. Triggers on "extract structured data", "get all the products", "pull pricing info", "extract as JSON", or when the user provides a JSON schema for website data. More powerful than simple scraping for multi-page structured extraction.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Slack 답변을 제목, 표, 버튼, 선택 메뉴로 정리해 결과 확인과 후속 작업을 돕습니다. Slack 앱용 Block Kit JSON 작성과 검증도 지원합니다.

• Slack 진행 보고를 정리합니다
• Slack 답변에 확인 버튼을 추가합니다
• 메뉴에서 다음 작업을 선택하도록 합니다

반복하는 LLM API 요청에서 공통 지시와 자료를 캐시로 재사용하기 쉽게 배치합니다. 캐시 사용량, 읽기·쓰기·저장 비용과 응답 시간을 확인해 구성을 검토합니다.

• 반복 API 요청의 공통 지시를 재배치합니다
• 캐시 읽기·쓰기·저장 비용을 계산합니다
• 캐시 사용률과 응답 시간을 측정합니다

검색엔진이 사이트를 더 쉽게 찾도록 기술 문제, 페이지 제목과 설명, 구조화 데이터, 표시 성능을 점검합니다. 페이지별 개선안을 만들고 구현을 진행합니다.

• 검색엔진에 페이지가 등록되지 않는 원인 조사
• 제목과 설명, 본문 제목 구조 개선
• 글이나 상품 페이지에 구조화 데이터 추가

장기 프로젝트의 기존 문서를 규칙, 구조, 현황, 결정 이력으로 정리합니다. 에이전트의 참조 경로와 갱신 규칙을 마련해 문서 불일치와 삭제한 파일의 재생성을 방지하도록 돕습니다.

• 흩어진 프로젝트 문서 정리
• 세션 사이에 프로젝트 맥락 전달
• 의도적으로 삭제한 이유 기록

제공된 글 예시나 브랜드 문체에 맞춰 기사, 가이드, 뉴스레터를 작성합니다. 메모와 조사 자료를 글로 정리하고 기존 원고의 구성과 근거도 검토합니다.

• 메모나 녹취록을 기사로 정리
• 브랜드 문체로 가이드 작성
• 기존 원고의 구성과 근거 검토

LLM이 JSON, 정규 표현식, Pydantic 타입 정의에 맞춰 답변을 생성하도록 합니다. 텍스트에서 추출한 정보와 분류 결과를 후속 프로그램에서 다루기 쉬운 형식으로 정리합니다.

• 텍스트에서 기업과 제품 정보를 추출할 때
• 정해진 라벨로 리뷰를 분류할 때
• 프로필을 항목별로 정리할 때

텍스트에서 필요한 정보를 추출하고 Pydantic으로 자료형과 값을 검증합니다. 언어 모델 출력을 정해진 구조로 정리하며 검증 실패 시 재시도와 생성 중 결과 수신도 다룹니다.

• 텍스트에서 연락처나 기업 정보를 추출합니다
• 기사를 정해진 범주로 분류합니다
• 리뷰 분석의 항목을 통일합니다

앱이나 에이전트에 Firecrawl의 웹 검색, 페이지 내용 수집, 구조화된 정보 추출, 브라우저 조작 기능을 추가하도록 선택부터 설정, 구현, 동작 확인까지 안내합니다.

• 앱에 웹 검색 추가
• 알고 있는 URL에서 구조화된 데이터 추출
• 클릭과 양식 입력을 처리 흐름에 추가