'ngc' 검색 결과

Design AI applications with LangChain 1.x and LangGraph, libraries for coordinating language models and workflows. Build agents that use external tools, manage conversation history and saved state, process documents, and support tracing and testing.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Build an AI agent that calls external tools
• Manage conversation history and saved execution state
• Create document processing and retrieval workflows

Guides building chatbots and tool-using agents with LangChain. Covers conversation history, model provider integration, and RAG, which retrieves relevant documents to inform answers, plus tracing to inspect application behavior.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Build a chatbot that remembers conversation history
• Create document question answering with source references
• Build an agent that uses custom tools

FAISS로 대규모 벡터에서 유사한 데이터를 검색하도록 돕습니다. 인덱스 선택과 저장, GPU 사용을 안내하고 검색 속도·정확도·메모리 사용량을 조정합니다.

• 대규모 벡터 유사도 검색 구현
• 속도·정확도·메모리에 맞는 인덱스 선택
• GPU를 이용한 일괄 검색

Guide development of a LangChain or LangGraph project created with agents-cli. It explains tool additions, local runs, evaluation, and serving while identifying the required graph structure and commands that differ from ADK projects.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Adding tools to an existing agent
• Running and evaluating an agent locally
• Editing a graph while preserving its required interface

Build AI agents with LangChain v1 and LangGraph in Python. Use this skill whenever the user mentions LangChain, LangGraph, create_agent, init_chat_model, @tool, ToolRuntime, agent middleware, human-in-the-loop, structured output, MCP tools (langchain.mcp, MCPAdapter), RAG, multi-agent handoffs or subagents, checkpointers, Deep Agents (create_deep_agent) or Managed Deep Agents (mda, define_deep_agent). Also trigger for migrating from create_react_agent, LLMChain, AgentExecutor or langchain-mcp-adapters, stream_events, SummarizationMiddleware, and langchain-classic.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Fetch execution traces, records of an agent’s actions, from LangSmith Studio to debug LangChain and LangGraph agents. Inspect errors, tool calls, memory operations, execution times, and token usage, or export records for further review.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Investigating an agent failure
• Checking tool selection and execution order
• Investigating memory storage and recall

Fetch execution traces, records of an agent’s actions, from LangSmith Studio to debug LangChain and LangGraph agents. Inspect errors, tool calls, memory operations, execution times, and token usage, or export records for further review.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Investigating an agent failure
• Checking tool selection and execution order
• Investigating memory storage and recall

Scaffold a minimal local LangChain agent in TypeScript by following the official quickstart. Use when the user wants to quickly build or try a LangChain agent locally.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Scaffold a minimal local LangChain agent in Python by following the official quickstart. Use when the user wants to quickly build or try a LangChain agent locally.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

エージェント、メモリ、ツール統合パターンを備えたLangChainフレームワークを使用してLLMアプリケーションを設計します。LangChainアプリケーションの構築、AIエージェントの実装、または複雑なLLMワークフローの作成時に使用します。

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

使用 qingcloud CLI 操作青云 QingCloud。当用户提到青云、QingCloud、青云云、青云QingCloud 等时触发此技能。

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

에이전트의 과거 대화와 자료를 Pinecone에 저장하고 관련 정보를 검색해 답변에 활용하는 시스템을 구축합니다. 세션 간 장기 기억과 의미 기반 검색의 시제품 제작을 돕습니다.

• 세션이 바뀌어도 유지되는 기억 구축
• 검색한 정보를 에이전트 답변에 활용
• 사용자별로 기억을 나누어 관리

Set up Langfuse to record LLM application activity, costs, and response times. Manage prompt versions, organize evaluation datasets, and compare results to investigate failures and guide improvements using recorded evidence.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Investigating failures in LLM applications
• Comparing prompt versions and evaluation scores
• Monitoring LLM costs and response times

Build AI applications with LangChain, including chatbots with conversation history and systems that search documents before answering. The skill provides examples for connecting models, calling tools, retrieving information, and tracing application runs.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Building a chatbot that uses conversation history
• Creating a question-answering system for documents
• Developing an agent that calls external tools

Build AI agents that perform Solana operations such as transfers, token creation, NFT minting, and asset swaps. Provides plugin setup, LangChain and Vercel AI SDK integration, Claude Desktop connectivity through MCP, and autonomous execution patterns.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Build an agent for Solana transfers and balance checks
• Add token creation and NFT minting tools
• Connect Solana operations to Claude Desktop through MCP

Linting best practices and golangci-lint configuration for Golang projects — running linters, configuring .golangci.yml, suppressing warnings with nolint directives, interpreting lint output, and selecting linters. Use when configuring golangci-lint, asking about lint warnings or nolint suppressions, setting up code quality tooling, or choosing linters. Also use when the user mentions golangci-lint, go vet, staticcheck, or revive. Not for wiring a lint step into a GitHub Actions pipeline (→ See `samber/cc-skills-golang@golang-continuous-integration` skill).

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

INVOKE FIRST for any LangChain / LangGraph / Deep Agents agent building project before consulting other skills or writing any agent code. Required starting point for up to date info on framework selection (LangChain vs LangGraph vs Deep Agents vs hybrid composition), agent patterns, install, environment setup, and which skill to load next.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Create LangChain agents with create_agent, define tools, and use middleware for human-in-the-loop and error handling.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

INVOKE THIS SKILL when setting up a new project or when asked about package versions, installation, or dependency management for LangChain, LangGraph, LangSmith, or Deep Agents. Covers required packages, minimum versions, environment requirements, versioning best practices, and common community tool packages for both Python and TypeScript.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

LangChain 1.0 使用指南。提供 Agent、Tool、Memory、Middleware 等核心概念的快速参考。当用户需要创建 AI Agent、集成 LangChain、或解决 LangChain 相关问题时激活。

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Go バックエンドの品質チェック（golangci-lint + Swagger 生成）。「lint」「golangci-lint」「静的解析」「swagger」「OpenAPI」「ドキュメント生成」などのキーワードで自動適用。

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Chroma로 의미가 비슷한 문서를 찾는 시스템을 구축합니다. 문서와 부가 정보를 저장·갱신하고 조건으로 검색을 좁히며 AI 앱을 시제품으로 만듭니다.

• 의미가 비슷한 문서를 검색할 때
• 검색 자료 기반 AI 답변을 시험할 때
• 문서 데이터를 로컬에 저장할 때

Pinecone으로 내용의 의미가 비슷한 정보를 찾는 검색 기반을 구축합니다. 데이터 등록과 조건별 필터링, 키워드 검색과의 결합을 다룹니다.

• 문서를 근거로 답하는 AI 검색 기반 구축
• 의미 검색과 키워드 검색 결합
• 범주나 가격에 따른 검색 결과 필터링

Build AI agents with LangGraph by connecting processing steps into a graph. Define shared state, conditional paths, tool calls, saved checkpoints, and human review points to create workflows that retain information as they run.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Building an agent that calls tools in a loop
• Sharing accumulated findings between multiple agents
• Routing requests to different processing paths