SKILL DIRECTORY
설치 수와 최근 흐름을 기준으로 필요한 Agent Skill을 찾아보세요.
skills.sh API 기준방금 확인
사용자가 이미 해결된 패턴(crons, sharded-counter, rate-limiter, storage, search, presence, workflow, RAG, prosemirror-sync)을 직접 생성할 때, 이에 맞는 Convex 구성 요소를 제안합니다. 수동적 방식 — 작업이 끝난 후에 제안하며, 절대로 작업을 방해하지 않습니다. 동의 없이는 절대 설치하지 않습니다.
자신의 Convex 배포 환경에서 Sentinel 프로덕션 오류 수집 기능을 설정하세요.
컨테이너 쿼리, 유동적 타이포그래피, CSS 그리드, 모바일 우선 브레이크포인트 전략을 활용하여 현대적인 반응형 레이아웃을 구현하세요. 적응형 인터페이스를 구축하거나, 유동적 레이아웃을 구현하거나, 컴포넌트 수준의 반응형 동작을 만들 때 사용하세요.
Tokio, 비동기 트레이트, 오류 처리 및 동시성 패턴을 통해 Rust 비동기 프로그래밍을 마스터하세요. 비동기 Rust 애플리케이션을 구축하거나, 동시성 시스템을 구현하거나, 비동기 코드를 디버깅할 때 활용하세요.
ai-elements 컴포넌트(대화, 메시지, 도구 표시창, 프롬프트 입력 등)를 사용하여 AI 채팅 인터페이스를 구축하세요. 사용자가 챗봇, AI 어시스턴트 UI 또는 AI 기반 채팅 인터페이스를 구축하고자 할 때 활용하세요.
프로젝트용 README.md 파일을 생성하세요
이 스킬은 사용자가 “에이전트 생성”, “에이전트 추가”, “서브에이전트 작성”, “에이전트 프론트매터”, “설명은 언제 사용해야 하나”, “에이전트 예시”, “에이전트 도구”, “에이전트 색상”, "자율 에이전트"와 같은 요청을 할 때, 또는 Claude Code 플러그인을 위한 에이전트 구조, 시스템 프롬프트, 트리거 조건, 에이전트 개발 모범 사례에 대한 안내가 필요할 때 사용해야 합니다.
Caffeine Data Intelligence 에이전트가 캐니스터의 데이터를 쿼리할 수 있도록 설정합니다. 앱이 “주요 고객”, “지역별 매출”, “진행 중인 프로젝트”와 같이 자연어로 답변할 수 있어야 하는 구조화된 데이터(맵/리스트/레코드 배열)를 저장할 때마다 이 기능을 사용하십시오. `caffeineai-oql` MOPs 패키지의 `Expose` 믹신을 통해 검색 가능한 `schema()` 및 JSON `execute()` 쿼리 엔드포인트를 추가합니다.
사용자가 앱 스토어 또는 구글 플레이 상점 정보를 검토하거나 최적화하고자 할 때. 또한 사용자가 ‘ASO 검토’, ‘앱 스토어 최적화’, ‘내 앱 상점 정보 최적화’, ‘앱 노출도 향상’, '앱 스토어 순위', '내 리스팅 감사', '왜 사람들이 내 앱을 다운로드하지 않는가', '내 앱 전환율 향상', '앱 키워드 최적화' 또는 '내 앱을 경쟁사와 비교'와 같은 표현을 언급할 때도 사용합니다. 사용자가 앱 스토어 또는 Google Play URL을 공유하며 이를 개선하고자 할 때도 사용하십시오.
이 스킬은 사용자가 “스킬 생성”, “플러그인에 스킬 추가”, “새로운 스킬 작성”, “스킬 설명 개선”, “스킬 콘텐츠 정리”를 원하거나, Claude Code 플러그인을 위한 스킬 구조, 점진적 정보 공개, 스킬 개발 모범 사례에 대한 안내가 필요할 때 사용해야 합니다.
Playwright MCP를 사용하여 시나리오를 기반으로 Playwright 테스트 생성하기
Pinia는 Vue용 공식 상태 관리 라이브러리로, 타입 안전성을 보장하며 확장성이 뛰어납니다. Vue 앱에서 스토어를 정의하거나, 상태/게터/액션을 다루거나, 스토어 패턴을 구현할 때 사용하세요.
ARIA 레이블, 키보드 탐색, 포커스 관리, 색상 대비, 양식 오류 등 HTML 접근성 문제를 점검하고 수정합니다. 대화형 컨트롤, 양식, 대화 상자를 추가하거나 WCAG 준수 여부를 검토할 때 사용하세요.
Tavily CLI를 통해 인용 정보를 포함한 포괄적인 AI 기반 조사를 수행하세요. 사용자가 심층 조사, 상세한 보고서, 비교 분석, 시장 분석, 문헌 고찰을 원하거나 “조사”, “분석”, “심층 분석”, “X와 Y 비교”, "~에 대한 시장 상황은 어떤가"라고 말하거나, 명확한 인용 출처가 포함된 다중 출처 종합 분석이 필요한 경우에 이 기능을 사용하십시오. 웹 출처를 기반으로 한 체계적인 보고서를 반환합니다. 처리 시간은 30~120초입니다. 간단한 사실 확인이 필요한 경우에는 대신 tavily-search를 사용하십시오.
프로젝트의 UI를 다듬고 개선합니다. 동심원 형태의 모서리 반경, 시각적 정렬, 표면 깊이, 상황에 맞는 아이콘, 클릭 영역 등을 다룹니다.
사용자가 어떤 마케팅 활동이 실제로 전환과 매출을 이끌어내는지 파악하고자 할 때, 어트리뷰션 모델을 선택하거나 해석할 때, 혹은 여러 도구 간에 상충되는 수치를 조정하고자 할 때. 또한 사용자가 “어트리뷰션”, “어트리뷰션 모델”, “퍼스트 터치 대 라스트 터치”, “멀티 터치”, “어떤 채널이 매출을 창출하는지”, “내 실제 CAC는 얼마인가”, “대시보드 수치가 일치하지 않는다”, "Google/Meta는 X라고 하는데 GA는 Y라고 한다", "미디어 믹스 모델", "MMM", "증분 효과", "지리적 리프트", "홀드아웃 테스트", "저희를 어떻게 알게 되셨나요", "사용자 자체 보고 어트리뷰션", "다크 소셜"을 언급하거나, 직접 어트리뷰션을 구현하고자 할 때 — "예약 내역을 해당 소스에 연동하기", "SavvyCal/Calendly 어트리뷰션", "신원 정보 격차 해소", "제3자 도메인에서의 전환 추적", "퍼스트파티/자체 호스팅 어트리뷰션" 등이 있습니다. 이벤트 추적 설정 및 UTM에 대해서는 ‘분석(analytics)’ 섹션을 참조하십시오. 광고 플랫폼 픽셀/CAPI에 대해서는 ‘광고(ads)’ 섹션을 참조하십시오. 파이프라인 및 CRM 매출 보고에 대해서는 ‘revops’ 섹션을 참조하십시오. AI 검색 어트리뷰션의 사각지대에 대해서는 ‘ai-seo’ 섹션을 참조하십시오.
SQL 쿼리 최적화, 인덱싱 전략, EXPLAIN 분석을 숙달하여 데이터베이스 성능을 획기적으로 향상시키고 느린 쿼리를 제거하세요. 느린 쿼리 디버깅, 데이터베이스 스키마 설계 또는 애플리케이션 성능 최적화 시 활용하세요.
원문 설명을 불러오지 못했습니다.
오케스트레이터의 컨텍스트를 깔끔하게 유지하기 위해 잡음이 많은 조사 작업을 하나 이상의 하위 에이전트에 위임한 다음, 정제된 답변을 바탕으로 작업을 진행하세요. 질문에 답하기 위해 수많은 파일, 긴 로그, 방대한 diff, 또는 광범위한 코드베이스 조사가 필요한 경우, 즉 답변을 도출하는 과정에서 답변 자체보다 훨씬 더 많은 잡음이 발생하는 상황에서는 이 기술을 활용하세요. “X는 어떻게 작동하나요?”, “Y는 어디에서 사용되나요?”, “Z의 근본 원인은 무엇인가요?”, “이 PR/로그를 요약해 주세요”와 같은 유형의 질문에 이 기술을 활용하고, 수많은 파일을 일일이 읽기 전에 주저 없이 이 방법을 사용하십시오.