SKILL DIRECTORY
설치 수와 최근 흐름을 기준으로 필요한 Agent Skill을 찾아보세요.
skills.sh API 기준방금 확인
초고압축 통신 모드. 기술적 정확성을 완벽하게 유지하면서 원시인처럼 말함으로써 출력 토큰을 65% (측정값) 줄입니다. 강도 수준 지원: 라이트, 풀(기본값), 울트라, 원얀-라이트, 원얀-풀, 원얀-울트라. 사용자가 "원시인 모드", "원시인처럼 말해", "원시인 모드 사용", "토큰 줄여", "간결하게"라고 말하거나 /caveman 명령어를 실행할 때 사용합니다. 또한 토큰 효율성이 요청될 때도 자동으로 발동됩니다.
사용자가 최소 권한 액세스 방식을 적용하여 특정 ID에 적합한 Azure RBAC 역할을 찾도록 돕고, 이를 할당하기 위한 CLI 명령어와 Bicep 코드를 생성할 수 있도록 지원합니다. 또한 역할 부여에 필요한 권한에 대한 지침도 제공합니다. 적용 시나리오: 역할 할당을 위한 Bicep, 어떤 역할을 할당해야 하는지, 최소 권한 역할, 특정 용도의 RBAC 역할, BLOB 읽기용 역할, 관리형 ID용 역할, 사용자 지정 역할 정의, ID에 역할 할당, 액세스 권한을 부여하려면 어떤 역할이 필요한지, 역할 할당에 필요한 권한.
필수 확인 사항: 프로모션, 설명 영상, 자막이 포함된 클립, 타이틀 카드, 오버레이, 슬라이드쇼, 인터랙티브 데크, Remotion 포트 또는 HyperFrames HTML 컴포지션을 포함하여, 동영상, 애니메이션 또는 모션 그래픽을 요청, 생성, 편집, 애니메이션 적용 또는 렌더링하려는 경우 반드시 이 내용을 먼저 읽어보시기 바랍니다. 또한 기존 HyperFrames 프로젝트를 검사, 진단, 검증, 미리 보기, 게시하거나 일괄 렌더링할 때도 이 절차를 따르십시오. 입력 자료로는 웹사이트 URL, GitHub PR, Figma 디자인 또는 URL, 텍스트나 기획서, 기존 영상 자료, 음악 등이 있을 수 있습니다. 이 도구는 프로젝트 상태를 복원하고, 해당되는 경우 의도를 파악하며, 소유 워크플로를 선택 및 설치하고, 도메인 기능을 라우팅합니다. 사용자가 결과물에 대해 다른 프레임워크를 명시적으로 선택하거나 브라우저 세션만 기록하도록 요청하지 않는 한, HyperFrames가 기본 출력 프레임워크로 사용됩니다.
대량의 작업(한 명의 에이전트가 한 번에 처리할 수 있는 양보다 많은 작업)은 이슈 트래커에 의사결정 티켓의 공유 맵으로 계획하고, 목적지까지의 경로가 명확해질 때까지 하나씩 해결해 나가세요.
신뢰도가 높은 1차 자료를 바탕으로 특정 질문을 조사하고, 그 결과를 리포지토리에 마크다운 파일로 저장합니다. 사용자가 특정 주제에 대한 조사를 의뢰하거나, 문서나 API 정보를 수집하거나, 자료 수집 작업을 백그라운드 에이전트에 위임하고자 할 때 사용합니다.
현재 진행 중인 대화를 사양서로 정리하여 프로젝트 이슈 트래커에 게시하세요. 별도의 인터뷰는 필요 없으며, 이미 논의한 내용을 종합하기만 하면 됩니다.
랜딩 페이지, 포트폴리오, 리디자인을 위한 ‘슬롭 방지’ 프론트엔드 기술. 담당자는 기획서를 분석하여 적절한 디자인 방향을 도출하고, 템플릿처럼 보이지 않는 인터페이스를 완성합니다. 상황에 맞는 실제 디자인 시스템 적용, 리디자인 시 우선적으로 검토 수행, 엄격한 출시 전 점검을 실시합니다.
계획, 사양 또는 현재 대화를 일련의 트레이서-불렛 티켓으로 분할하고, 각 티켓에 차단 에지를 명시하여 구성된 트래커에 게시합니다(에지는 로컬에서 티켓당 하나의 파일에 텍스트로 저장되거나, 실제 트래커에서는 네이티브 차단 링크로 처리됩니다).
README 우선 방식의 딥러닝 저장소 재현을 위한 Rigor Paper Context 도우미입니다. README와 저장소 파일 간에 재현에 결정적인 미묘한 차이가 존재하고, 원본 논문 출처에서 데이터셋 분할, 전처리, 평가 프로토콜, 체크포인트 매핑 또는 런타임 가정과 같은 특정 논문 세부 사항을 해결하는 동시에 상충되는 부분을 기록해야 하는 경우에만 사용하십시오. 일반적인 논문 요약, 저장소 스캔, 환경 설정, 명령어 실행, 제목만으로 논문 검색, 또는 기본적으로 README 지침을 대체하는 용도로는 사용하지 마십시오.
README 우선 방식의 딥러닝 저장소 재현을 위한 Rigor Intake 헬퍼입니다. 저장소를 스캔하고, README 및 일반적인 프로젝트 파일을 읽은 후, 문서화된 명령어를 추출하며, 추론, 평가 및 훈련 후보를 분류하고, 가장 간결하면서도 신뢰할 수 있는 재현 계획을 메인 오케스트레이터에게 반환하는 것이 구체적인 작업일 때 사용하십시오. 환경 설정, 자산 다운로드, 명령어 실행, 최종 보고, 논문 검색 또는 종단 간 오케스트레이션에는 사용하지 마십시오.
README 우선 딥러닝 저장소 재현을 위한 Rigor Run 스킬입니다. 선택한 스모크 테스트나 문서화된 추론 또는 평가 명령어에서 증거를 구체적으로 포착하거나 정규화하고, 저장소 파일이 변경된 경우 패치 노트를 포함하여 표준화된 `repro_outputs/` 파일을 작성하는 것이 주된 작업일 때 사용하십시오. 이 스킬은 훈련 실행, 초기 저장소 인수, 일반적인 환경 설정, 논문 검색, 대상 선택, 과학적 의미가 내포된 변경 사항, 또는 이 스킬만으로는 엔드투엔드 오케스트레이션에 사용해서는 안 됩니다.
README 우선 딥러닝 저장소 재현을 위한 Rigor Setup 스킬. 이 작업은 README에 문서화된 저장소에서 실행을 시작하기 전에, 보수적인 conda-first 환경 준비, 체크포인트 및 데이터셋 경로 가정, 캐시 위치 안내, 설정 참고 사항을 구체적으로 준비해야 할 때 사용합니다. 저장소 스캔, 전체 오케스트레이션, 논문 해석, 최종 실행 보고, 또는 특정 재현 대상과 관련이 없는 일반적인 환경 설정에는 사용하지 마십시오.
진행 중인 Git 병합/리베이스 충돌을 해결해야 할 때 사용합니다.
Azure에서 GitHub Copilot SDK 앱을 빌드, 배포 및 수정합니다. package.json에 @github/copilot-sdk 또는 CopilotClient가 포함된 코드베이스의 경우 필수입니다. copilot-sdk 마커가 감지되면 azure-prepare보다 이 방법을 우선적으로 사용하십시오. 사용 시점: copilot SDK, @github/copilot-sdk, Copilot 기반 앱, copilot 앱 빌드, copilot 앱 준비, copilot 앱에 기능 추가, copilot 앱 수정, BYOM(Bring Your Own Model), CopilotClient, createSession, sendAndWait, azd init copilot. 다음 용도로는 사용하지 마십시오: 이미 준비된 Copilot SDK 앱 배포(azure-deploy 사용), Copilot SDK가 포함되지 않은 일반 웹 앱(azure-prepare 사용), Copilot 확장 프로그램, Foundry 에이전트(microsoft-foundry 사용).
HyperFrames 컴포지션에 레지스트리 블록과 컴포넌트를 설치, 검색 및 연결합니다. hyperframes add 또는 hyperframes catalog를 실행할 때, 특정 항목을 하나 설치하거나 태그와 일치하는 모든 블록을 설치할 때, 설치된 항목을 index.html에 연결할 때, 또는 hyperframes.json을 다룰 때 사용합니다. 이 문서에서는 탐색, 설치 위치, 블록 하위 컴포지션 연결, 컴포넌트 스니펫 병합, 그리고 업스트림에 기여할 새로운 블록이나 컴포넌트 제작(아이디어 → 스캐폴드 → 검증 → PR)에 대해 다룹니다.
여러 공급자에 걸친 Azure 할당량 및 사용량을 확인하고 관리합니다. 배포 계획 수립, 용량 검증, 리전 선택을 위해 사용됩니다. 사용 시나리오: “할당량 확인”, “서비스 제한”, “현재 사용량”, “할당량 증액 요청”, “할당량 초과”, “용량 검증”, \"리전 가용성\", \"프로비저닝 제한\", \"vCPU 제한\", \"내 구독에서 사용 가능한 vCPU 수\" 등이 있습니다.
Azure 워크로드를 플랜, 티어 또는 SKU 간에 평가하고 업그레이드하거나, 소스 코드 내의 Azure SDK 종속성을 최신 버전으로 업데이트합니다. 시나리오: Consumption 요금제를 Flex Consumption으로 업그레이드, Azure Functions 요금제 업그레이드, 호스팅 요금제 변경, Function App SKU 변경, App Service를 Container Apps로 마이그레이션, 레거시 Azure Java SDK 현대화(com.microsoft.azure에서 com.azure로 변경), Azure Cache for Redis(ACR/ACRE)를 Azure Managed Redis(AMR)로 마이그레이션할 때.
RunComfy에서 기존 동영상을 편집하세요 — 이 스킬은 사용자의 의도를 RunComfy 카탈로그에 있는 적절한 편집 모델과 매칭해 주는 스마트 라우터입니다. Wan 2.7 Edit-Video(일반적인 스타일 변경 / 배경 교체 / 의상 교체, 정체성 및 모션 보존), Kling 2.6 Pro Motion Control(참조 영상에서 대상 캐릭터로 정밀한 모션 전송), 또는 Lucy Edit Restyle(경량형 정체성 안정형 스타일 변경 / 의상 교체) 중 하나를 선택합니다. 각 모델에 문서화된 프롬프트 패턴을 묶어 제공하므로, 스킬은 잘못된 모델에 반복 작업을 낭비하지 않고 더 정교한 편집 결과를 얻을 수 있습니다. 로컬 RunComfy CLI를 통해 `runcomfy run <vendor>/<model>/<endpoint>`를 호출합니다. "video edit", "edit video", "restyle video", "swap video background", "motion control", "outfit swap video" 또는 동영상 변환을 명시적으로 요청하는 모든 명령어에 반응합니다.
RunComfy에서 어떤 정지 이미지든 생동감 있게 표현해 보세요. 이 스킬은 사용자의 의도를 RunComfy 카탈로그 내의 적합한 i2v 모델과 매칭해 주는 스마트 라우터입니다. 일반 애니메이션의 경우 HappyHorse 1.0 I2V(Arena #1, 네이티브 오디오, 정체성 보존)를, 사용자 지정 음성 해설과 입모양 동기화를 위한 경우 `audio_url`이 포함된 Wan 2.7을, 이미지 + 참조 영상 + 참조 오디오를 활용한 다중 모드 애니메이션의 경우 Seedance 2.0 Pro를 선택합니다. 각 모델에 문서화된 프롬프트 패턴을 묶어 제공하므로, 호출자는 잘못된 모델에 반복 시도를 낭비하지 않고도 더 정교한 결과를 얻을 수 있습니다. 로컬 RunComfy CLI를 통해 `runcomfy run <vendor>/<model>/image-to-video`(또는 엔드포인트 변형)를 호출합니다. "image to video", "image-to-video", "i2v", "animate image", "make this move" 또는 정지 이미지를 동영상으로 변환해 달라는 명시적인 요청이 있을 때 트리거됩니다.
RunComfy에서 Google Nano Banana 2(Gemini 계열 플래시 티어 텍스트-이미지 변환 모델)를 사용하여 이미지를 생성하세요. 이 모델의 문서화된 프롬프트 패턴이 함께 제공되므로, 동일한 모델을 대상으로 단순한 프롬프트를 사용할 때보다 더 정교한 결과를 얻을 수 있습니다. Nano Banana 2의 강점(신속한 반복 작업, 이미지 내 타이포그래피 렌더링, 예측 가능한 구도, 선택적 웹 기반 컨텍스트), 해상도 단계별 가격 정책, 안전성 허용 범위 조절 기능, 그리고 언제 Nano Banana Pro / GPT Image 2 / Flux 2 / Seedream으로 전환해야 하는지에 대해 설명합니다. 로컬 RunComfy CLI를 통해 `runcomfy run google/nano-banana-2/text-to-image`를 호출합니다. "nano banana", "nano-banana-2", "nano banana 2", "google image gen", "gemini image" 또는 이 모델로 생성해 달라는 명시적인 요청이 있을 때 트리거됩니다.