Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
본 문서는 재사용 가능한 워크플로우, 프로토콜 및 지식 팩을 제공하는 AI 에이전트 스킬 모음집을 소개합니다. 이 스킬들은 표준화된 오픈 포맷을 따르며, 평가부터 운영 경제학, 다중 에이전트 협업에 이르기까지 실질적인 패턴들을 코디파이하여 에이전트를 더욱 유능하고 신뢰할 수 있게 만듭니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 GitHub AI Tools의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기AI 에이전트 스킬들의 집합체입니다 — 에이전트 시스템을 위한 재사용 가능한 워크플로우, 프로토콜 및 지식 팩입니다. 이 스킬들은 Agent Skills 오픈 포맷을 따르므로 표준을 지원하는 모든 에이전트 프레임워크와 호환됩니다.
또한 이 프로젝트는 평가(evaluations)부터 운영(production operations), AI 거버넌스, 운영 경제학, 다중 에이전트 협업에 이르기까지 실제 업무에서 에이전트를 더욱 유능하고, 관리 가능하며, 관찰 가능하고, 신뢰할 수 있게 만드는 실질적인 패턴들을 코디파이합니다.
보험, 보험 계리(actuarial), 금융 위험 결정에 대한 전문 통계 모델링을 포함하며, 회귀 분석(regression), GLMs, 클레임, 예측(forecasting), 보정(calibration), 꼬리 위험(tail risk), 및 모델 거버넌스를 다룹니다.
결과적인 아키텍처 선택 뒤에 숨겨진 추론 과정을 보존하여, 후속 기여자들이 이를 책임감 있게 이해하고, 재검토하거나, 대체할 수 있도록 합니다.
다중 에이전트 구조화된 토론 시스템입니다 — 전문가 에이전트 패널을 소집하여 수렴 인식 반복(convergence-aware iteration)을 통해 모든 질문에 대해 토론합니다. 신뢰도 진단, 공유 위험, 남아있는 이견, 그리고 주요 당사자의 경로 서술을 포함하는 의사결정 지형(decision landscape)을 생성합니다. PydanticAI + PydanticGraph를 기반으로 구축된 pip-설치 가능한 Python 패키지로 제공됩니다. pip install pydantic-ai && pip install agent-council 명령과 하나의 API 키만 있으면 첫 토론을 실행할 수 있습니다.
프레임워크에 구애받지 않는 AI 에이전트 평가, 궤적 증거(trajectory evidence), 위험 등급별 출시 게이트, 그리고 개인 정보 보호를 고려한 관찰 가능성(observability)을 설계하고 검토합니다. 데이터셋, 채점자 보정(grader calibration), 통계 비교, 사고-사례 학습(incident-to-case learning), 선택적 OpenTelemetry 상호 운용성, 영구적인 증거를 위한 템플릿 등을 다룹니다.
버전 관리(versioning), 단계적 배포(staged rollout), 폴백(fallback), 비용 및 지연 시간 예산(cost and latency budgets), 도구 상태(tool health), 인간 개입(human escalation), 비활성화(disablement), 그리고 추적-평가 피드백(trace-to-eval feedback)을 포괄하는 런타임 제어 평면(runtime control plane)을 통해 프로덕션 환경에서 평가된 에이전트를 도구와 권한으로 운영합니다.
에이전트 스킬 개방형 형식 자체에 대한 참고 자료입니다 — 디렉터리 구조, 프런트매터 스키마(frontmatter schema), 명명 규칙(naming conventions), 그리고 점진적 공개 모델(progressive disclosure model)을 다룹니다. 이 메타-스킬은 이 리포지토리의 다른 모든 스킬을 생성하거나 검토할 때 사용합니다.
조직의 AI 거버넌스 시스템을 설계하고 운영하는 방법을 다룹니다: 거버넌스 원칙(governance principles), 운영 모델 및 의사 결정 권한(operating models and decision rights), 위험 프레임워크(risk frameworks), 생명 주기 게이트(lifecycle gates), 그리고 공정성, 투명성, 개인정보 보호, 보안, 규제, 이사회 감독 통제(fairness, transparency, privacy, security, regulatory, and board-oversight controls). 거버넌스 프로그램 구축 또는 성숙화, 사용 사례 위험 계층화(tiering use-case risk), 거버넌스 및 안전성 격차를 위해 LLM이나 에이전트 시스템을 검토할 때, 규제를 컴플라이언스 계획에 매핑할 때, 또는 이사회 보고서를 준비할 때 사용합니다. 법적 해석(legal-strategy) 경로, 데이터 거버넌스 메커니즘(data-architect/data-engineering), 또는 애플리케이션 보안 구현(secure-software-engineering)에는 사용하지 마십시오.
워크플로우 결과, 작업자 또는 사용자 영향, 품질 가드레일(quality guardrails), 전체 운영 비용, 원격 측정(telemetry), 불확실성, 그리고 책임 있는 거버넌스를 연결하여 AI 기반 워크플로우를 채택할지, 확장할지, 제약할지, 재설계할지, 또는 폐기할지 결정합니다. 상세한 금융, 통계, 분석, 평가, 런타임, 거버넌스 및 출시 작업을 소유 전문 스킬로 연결합니다.
Amazon 스타일의 서사적 의사결정 메모(decision memos), PR/FAQ, 그리고 짧은 브리프를 작성하고 수정합니다. 증거 기반 추론, 실용적인 인간 가독성 수정, 회의록 작성을 포함하며 독립적인 문서화 문화를 존중하는 적응 기능을 제공합니다.
아날로그 오컬티즘(analog occultism) / 산업용 CRT 누아르 미학으로 주제 중립적인 이미지와 비디오를 생성합니다: 거의 단색의 아카이브 기술 분위기, 강한 로우키 조명, 촉각적 신호 열화, 산업 기하학, 그리고 고요하고 해결되지 않은 긴장감을 특징으로 합니다. 컬러풀한 사이버펑크, 광택 있는 광고, 일반적인 공포물, 또는 깨끗한 디지털 렌더링에는 적합하지 않습니다.
Any Doc CLI를 사용하여 Word, PowerPoint, Excel, OpenDocument, RTF, EPUB, CSV 및 텍스트 기반 PDF 문서를 로컬에서 GitHub Flavored Markdown으로 변환합니다. 사무용 문서, 스프레드시트, 프레젠테이션, 전자책 또는 직접 읽을 수 없는 PDF의 내용이 필요한 작업을 수행할 때 사용합니다. 콘텐츠 생성, 편집 또는 검증, 전자책 패키징, 또는 스캔되거나 이미지 전용 PDF에 대한 OCR에는 사용하지 마십시오.
사용자 대상 HTTP, GraphQL, RPC, 이벤트, 웹훅 및 스트리밍 인터페이스를 설계하고, 거버넌스하며, 문서화하고, 검토하고, 발전시킵니다. 사용자 여정(jobs), 도메인 의미론, API 환경, 소유권, 생명 주기, 토폴로지, 계약, 실패 동작, 호환성, 사용 중단(deprecation), 마이그레이션 및 배포 경계 검증을 다룹니다. 제품 발견, 플랫폼 운영, 전체 보안 평가, ADR 작성 또는 전달 게이트에는 사용하지 마십시오.
사람과 에이전트가 결론부터 시작하여 필요할 때만 분석 및 근본적인 증거를 검사할 수 있도록 지속 가능한 연구 작업을 구조화합니다.
이식 가능한 1인칭 색상 ASCII 도시 엔진과 소규모 GIS 기반 도시 팩을 구축합니다. 지형 추적 보행자 물리, 레이캐스트-문자 그리드 렌더링, 오프라인 검증기가 포함된 플러그인 방식의 도시 제공자 JSON 계약, 재현 가능한 공공 GIS 수집(ingestion), 그리고 커밋된 다운타운 Raleigh 샘플 팩을 다룹니다. WebGL/3D 게임, 다층 내부 공간, 또는 전체 해상도 GIS 아카이브를 처리하는 용도는 아닙니다.
Microsoft의 AutoGen 프레임워크를 사용하여 대화형 멀티 에이전트 시스템을 구축하기 위한 전문가 수준의 스킬입니다. 그래프 기반 또는 역할 기반 오케스트레이션과 달리, AutoGen은 오케스트레이션 기본 요소(primitive)로 **에이전트 간 대화(agent-to-agent conversations)**를 사용합니다.
백엔드 서비스 및 API를 설계하고 구현합니다 — REST, gRPC, GraphQL 엔드포인트 패턴, 클린/헥사고날/레이어드 서비스, 이벤트 기반 핸들러, 아웃박스/인박스 전송(delivery), 마이그레이션 공존(coexistence), 데이터베이스 접근, 통합(integrations), 오류 처리, 및 서비스 수준 테스트를 포함합니다. 언어에 구애받지 않으며; API 계약, 분해 전략, 교차 시스템 마이그레이션, 데이터 엔지니어링, 플랫폼 프로비저닝을 소유자에게 안내합니다.
결정론적 CLI를 사용하여 정적 PE, ELF, Mach-O 및 펌웨어 조사 계획을 수립합니다. 실시간 Ghidra 작업은 현재 미구현 상태이며 명시적으로 실패합니다; 프로젝트 관리 및 종속성 진단이 가능합니다. 고정된(Fixture) 결과는 제공된 바이너리에 대한 증거가 아닙니다.
BMad 방법(Breakthrough Method of Agile AI-Driven Development)을 하네스에 구애받지 않는 제어 평면 프로토콜로 실행합니다: 인간의 의도를 5개 필드 계약으로 압축하고, 작업을 직접/경계 지정/주도적 이니셔티브로 분류하며 가장 작은 안전 경로로 라우팅하고, 결정을 영구적인 아티팩트에 담고, 트리아지(triage) 방식으로 검토하며, 실패를 모호성이 유입된 계층으로 라우팅하고, 기계가 읽을 수 있는 상태에 따른 관찰 가능한 승인으로 자율성을 게이팅합니다. 의도 포착, 경계 지정 구현, 검토 및 재개 가능성 등 모든 에이전트 하네스에서 사용하십시오.
모든 브랜드에 대한 포괄적인 브랜드 아이덴티티 문서를 생성합니다. 전략, 시각적 아이덴티티(로고, 색상, 타이포그래피, 이미지), 목소리 및 톤, 적용 가이드라인, 거버넌스, 자산 인벤토리 문서화를 안내합니다. 마크다운 스펙, 컴파일된 브랜드 북, 그리고 참조 이미지를 인식하는 생성을 통해 브랜드 준수 이미지를 생성합니다. 7개의 템플릿, 검증/컴파일을 위한 브랜드 북 CLI, 브랜드 카드 및 목업 이미지 생성을 위한 생성 스크립트를 제공합니다.
시스템 경계, 책임 및 관계를 독자에게 적절한 아키텍처 수준에서 가독성 있게 만듭니다.
수요, 성능 및 신뢰성 결정과 연결된 기술적 용량, 단위 비용 및 예산 제약을 모델링합니다. 성장 예측, 피크 크기 지정, 저하 모드 용량, 다중 테넌트 수요 분포 및 편향(skew), 풀링/사일로 헤드룸, 계층 연계 적격성 및 공정성 증거, 테넌트 변수 단위 비용, 예산/할당량 제어, 대표 부하/지속 테스트 증거, SLO-비용 상충 관계 기록을 다룹니다. SaaS 아키텍처, 보안, 재무 결과, 인프라 구현, SRE, 분석 및 일반 아키텍처를 전문 담당자에게 라우팅합니다. 집중적인 참고 자료, 6개의 채울 수 있는 템플릿, 그리고 10개의 평가(evals)를 제공합니다.
실행 의사결정(executive decisions), 정보 분류(information triage), 조직 감지(organizational sensing), 제도적 기억(institutional memory), 그리고 캘린더 선택을 책임 있는 인간 권한 하에, 투명한 데이터 사용 및 검토 가능한 트레이드오프와 함께 준비합니다.
AI 에이전트가 사용할 수 있도록 CLI 도구를 구축하고 리팩터링합니다. 10가지 범용 패턴(비대화형, --json, --dry-run, Idempotent, 지연 인증(lazy auth), 점진적 도움말(progressive help)), 에이전트 호환성 테스트 스위트, Python API 클라이언트 패턴, 그리고 bash 스캐폴드 템플릿을 제공합니다. 이 원칙들은 15개 이상의 에이전트 대상 CLI를 구축하며 발생한 실제 실패 사례에 기반합니다.
실시간 CNCF Landscape API에서 클라우드 네이티브 기술을 발견하고 비교한 다음, 그 증거를 트레이드오프(trade-offs), 미지수(unknowns), 그리고 제한된 검증 계획(bounded validation plan)을 갖춘 제약 조건 인식의 간소화된 목록으로 변환합니다. stdlib 전용 쿼리 CLI, API 주의사항, 의사결정 프레임워크, 출력 템플릿, 그리고 여섯 가지 평가(evals)를 제공합니다.
오픈 소스 워크플로우를 위한 전문가 수준의 ICC 프로파일 색상 관리입니다. 색 과학 기본 원리(CIELAB, xyY, 색도(chromaticity)), 작업 공간 선택(sRGB, ProPhotoRGB, ACEScg, Rec.2020), ICC 프로파일 연산(convert, assign, extract, embed), 게뮴트 분석(gamut analysis), sRGB 변형 비교, 그리고 색 차이(color difference) 계산(dE)을 다룹니다. ImageMagick, ArgyllCMS, Exiftool, LittleCMS를 래핑하는 6개의 Python 스크립트를 제공하며, 개요, 연산, 도구 명령어, 작업 공간 데이터, 전체 용어집을 포함하는 5개의 참고 파일을 제공합니다. Elle Stone의 ninedegreesbelow.com과 Bruce Lindbloom의 색 과학 자료에서 추출되었습니다.
지역적 증거(local evidence), 참가자 활동 및 워크시트, 촉진자 지침(facilitator instructions), 유지보수 계획을 갖춘 실용적인 커뮤니티 가이드를 생성하고, 조정하며, 개정합니다. 원본 아파트 커뮤니티 예제, 오프라인 일관성 검사기, 그리고 8가지 출력 품질 평가 시나리오를 통해 짧은 워크숍과 더 긴 프로그램을 지원합니다.
반복적인 인간 관계가 필요한 제품을 위한 조건부 스킬입니다 — 성공 계획, 건강 증거(health evidence), 갱신 및 확장 신호, QBR(Quarterly Business Reviews), 에스컬레이션, 그리고 폐쇄 루프 고객의 소리(Voice of Customer). 계정, 갱신, QBR 또는 고객 성공 팀이 없는 제품에는 로드되지 않습니다 (내부 도구, 거래형 제품, 계정 기반 참여가 없는 공공 서비스). 네 가지 제품 모델 적응(B2B 구독, 거래형, 공공 서비스, 내부 제품)에 대한 참고 자료와 프라이버시 및 인간 판단 경계에 대한 자료, 그리고 네 가지 템플릿(적용 가능성 결정, 성공 계획, 건강/위험 기록, 에스컬레이션 및 피드백 폐쇄)을 제공합니다.
터미널에서 Atlassian Confluence를 사용합니다. 스페이스 목록 보기, 페이지 탐색, 본문 추출을 통한 콘텐츠 보기, CQL로 검색, 그리고 페이지 생성 기능을 합니다. Jira와 동일한 API 토큰을 사용합니다.
명시적인 실현 가능성(feasibility), 목적 단위(objective units), 정확하거나 휴리스틱 기반의 기준선, 반복 가능한 비교, 그리고 정직한 솔버 상태 증거를 통해 제약 조건이 있는 할당, 라우팅 및 스케줄링 결정을 공식화하고 평가합니다.