2.2천건 · 관련도순
Add tree-sitter language support to codegraph end-to-end — wire the grammar + extractor, write tests, then benchmark extraction quality and retrieval value on 3 popular real-world repos. Use when the user runs /add-lang <language> or asks to add/support a new language (e.g. Lua, Elixir, Zig, OCaml) in codegraph.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
The SuperCollider language itself - function blocks and argument syntax, UGen rate methods (.ar/.kr/.ir), multi-channel expansion, var scoping, ~environment variables, the class library's shape, and the error messages that mean a specific mistake. Written for an agent that knows audio DSP but not this language.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Generate strategic-consultant-grade meeting minutes from transcripts or notes in Japanese OR English (matching the source language), then run a self-review loop (max 3 iterations) that checks for internal contradictions, action-item omissions, speaker-name errors, and date/day-of-week mistakes before reporting completion. Use this skill whenever the user asks to draft meeting minutes, summarize a transcript, or document a meeting discussion — including Japanese-language transcripts (議事録 / 会議メモ / 文字起こし) and English-language transcripts.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Exasol User Defined Functions (UDFs) and Script Language Containers (SLCs). Covers `CREATE SCRIPT`, SCALAR and SET functions, variadic scripts with `EMITS(...)` and `default_output_columns`, the `ExaIterator` and `ExaMetadata` APIs, Python, Java, Lua, and R scripts, Lua execute scripts and `pquery`, BucketFS file access, GPU-accelerated UDFs, `ALTER SESSION SET SCRIPT_LANGUAGES` activation, and building custom Script Language Containers with `exaslct`, `exaslpm`, and `packages.yml`.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Rewrite dense or technical text into a clear plain-language summary with a fixed structure (TL;DR, why it matters, key points, caveats). Use when the user asks to summarize, simplify, explain, "put this in plain language", or make something readable for a general / non-expert audience.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Detects domain terms drifting between code identifiers and the established ubiquitous language (same concept under different names, or different concepts sharing a name).
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Ensure architecture docs define bounded contexts, ownership, and a consistent ubiquitous language to prevent domain drift and coupling.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Generate read-only MongoDB queries (find) or aggregation pipelines using natural language, with collection schema context and sample documents. Use this skill whenever the user asks to write, create, or generate MongoDB queries, wants to filter/query/aggregate data in MongoDB, asks "how do I query...", needs help with query syntax, or discusses finding/filtering/grouping MongoDB documents. Also use for translating SQL-like requests to MongoDB syntax. Does NOT handle Atlas Search ($search operator), vector/semantic search ($vectorSearch operator), fuzzy matching, autocomplete indexes, or relevance scoring - use search-and-ai for those. Does NOT analyze or optimize existing queries - use mongodb-query-optimizer for that. Does NOT handle aggregation pipelines that involve write operations. Requires MongoDB MCP server.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Apply modern Swift language patterns and idioms for non-concurrency, non-SwiftUI code. Covers if/switch expressions (Swift 5.9+), typed throws (Swift 6+), result builders, property wrappers, opaque and existential types (some vs any), guard patterns, Never type, Regex builders (Swift 5.7+), Codable best practices (CodingKeys, custom decoding, nested containers), modern collection APIs (count(where:), contains(where:), replacing()), FormatStyle (.formatted() on dates, numbers, measurements), and string interpolation patterns. Use when writing core Swift code involving generics, protocols, enums, closures, or modern language features.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Apple Intelligence (Foundation Models / Evaluations / Image Playground) の API リファレンス。 LanguageModelSession, SystemLanguageModel, PrivateCloudComputeLanguageModel (PCC), Generable, GenerationSchema, Tool, OCRTool, Transcript, DynamicInstructions, Attachment, Evaluation, ModelJudgeEvaluator, ToolCallEvaluator, ImagePlaygroundSheet, ImageCreator, Foundation Models SDK for Python (apple-fm-sdk)。
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
OpenAI's model connecting vision and language. Enables zero-shot image classification, image-text matching, and cross-modal retrieval. Trained on 400M image-text pairs. Use for image search, content moderation, or vision-language tasks without fine-tuning. Best for general-purpose image understanding.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Build-system setup for GNOME apps per language: Python/PyGObject, Rust/gtk-rs, C, Vala, JavaScript/GJS — meson files, blueprint-compiler wiring, Flatpak manifests. Use when choosing a language for a GNOME app or setting up its build.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Large Language and Vision Assistant. Enables visual instruction tuning and image-based conversations. Combines CLIP vision encoder with Vicuna/LLaMA language models. Supports multi-turn image chat, visual question answering, and instruction following. Use for vision-language chatbots or image understanding tasks. Best for conversational image analysis.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Hreflang and international SEO audit, validation, and generation. Detects common mistakes, validates language/region codes, and generates correct hreflang implementations. Use when user says "hreflang", "i18n SEO", "international SEO", "multi-language", "multi-region", or "language tags".
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
OpenAI's model connecting vision and language. Enables zero-shot image classification, image-text matching, and cross-modal retrieval. Trained on 400M image-text pairs. Use for image search, content moderation, or vision-language tasks without fine-tuning. Best for general-purpose image understanding.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
기술 문서와 에이전트·기여자용 지침 파일을 작성하고 검토합니다. 설명과 운영 절차, 다국어 버전의 일관성을 확인하고 근거가 충분한 문제를 수정합니다.
자연어로 수정 내용을 전달해 nano-pdf로 PDF의 지정 페이지 제목을 바꾸거나 부제의 오타를 고칩니다. 편집 후 대상 페이지와 결과 내용을 확인합니다.
음성 파일을 OpenAI 전사 API로 보내 결과를 텍스트나 JSON으로 저장합니다. 모델과 언어를 지정하고 화자별로 발언을 구분할 수 있습니다.
앱의 실제 표시 위치와 용어를 확인해 JSON 번역 파일을 갱신합니다. 누락된 번역과 원문 변경을 검토하고 기존 구조와 동적 값 자리표시자를 보존합니다.
vLLM으로 대규모 언어 모델을 API로 제공하거나 많은 입력을 일괄 처리하도록 돕습니다. 배포와 성능 모니터링, 메모리 절약, 응답 속도 조정도 다룹니다.
TRL로 언어 모델을 추가 학습해 지시와 사람의 선호에 맞는 답변을 만들도록 안내합니다. 데이터 준비, 학습 방식 선택, 보상 모델 학습과 평가를 다룹니다.
NVIDIA GPU에서 대규모 언어 모델의 응답 생성을 가속하고 API로 제공하도록 설정을 돕습니다. 양자화, 일괄 처리, 여러 GPU로의 분산도 다룹니다.
제한된 GPU 메모리에서 대규모 언어 모델을 추가 학습하도록 LoRA와 QLoRA 설정을 돕습니다. 어댑터 저장, 용도별 전환, 기본 모델과의 병합도 다룹니다.
가중치가 공개된 언어 모델의 응답 거부 원리를 분석하고 재학습 없이 가중치를 수정하는 실험을 돕습니다. 환경에 맞는 모델과 방법을 선택하고 수정 전후의 거부율과 답변 품질을 비교합니다.