Langchain Ai 스킬

OpenAPI 문서화 및 REST API 디자인 패턴

주제별로 arXiv에서 프리프린트와 학술 논문을 검색하고 초록을 가져옵니다. 물리학, 수학, 컴퓨터 과학, 생물학, 통계학 및 관련 분야를 쿼리 기반으로 검색합니다. 결과 개수를 설정할 수 있으며(기본값 10개), 관련성 순으로 정렬됩니다. 각 일치하는 논문의 제목과 초록을 반환합니다. arxiv Python 패키지가 필요하며, 설치되어 있지 않은 경우 pip를 통해 설치해야 합니다.

arXiv 프리프린트 저장소에서 물리학, 수학, 컴퓨터 과학, 정량 생물학 및 관련 분야의 논문을 검색합니다.

긴 형식의 블로그 포스트 작성 기능으로, 연구 위임, 구조화된 콘텐츠 템플릿, AI 생성 커버 이미지를 포함합니다. 작성 전에 하위 에이전트에 연구를 위임하고, 결과물을 참조 및 맥락을 위해 마크다운으로 저장합니다. 후크, 맥락, 주요 콘텐츠(3~5개 섹션), 실용적 적용, 행동 촉구가 포함된 결론의 다섯 부분 포스트 구조를 적용합니다. 주제, 스타일, 구성, 색상, 조명을 다루는 상세 프롬프트를 사용하여 SEO 최적화된 커버 이미지를 생성합니다. 포스트를 다음으로 출력합니다...

변경 사항에 대해 구조화된 코드 리뷰를 수행하여 정확성, 스타일, 테스트 및 잠재적 문제를 확인합니다.

사용자의 코딩 선호도를 /memory/coding-prefs.md에서 읽어 중요한 스타일 결정을 내리기 전에 참고하고, 사용자가 새로운 선호도를 제시하면 이를 추가합니다.

경쟁사를 분석하라는 요청을 받았을 때:

GPU 가속 데이터 분석을 위해 데이터셋, CSV 또는 테이블 형식 데이터에 NVIDIA cuDF를 사용합니다. groupby 집계, 통계…와 관련된 작업에서 트리거됩니다.

GPU 가속 머신러닝을 위해 NVIDIA cuML을 사용하여 표 형식 데이터를 처리합니다. 분류, 회귀, 클러스터링, 차원 축소와 관련된 작업에서 실행됩니다.

출판 품질의 차트와 다중 패널 분석 요약을 생성하는 데 사용됩니다. 데이터 시각화, 결과 플로팅, 생성 작업이 포함된 작업에서 활성화됩니다.

데이터베이스 마이그레이션 패턴 및 스키마 버전 관리

deep-agents-memory-&-filesystem — langchain-ai/langchain-skills에서 게시한 AI 에이전트용 설치 가능한 스킬입니다.

다단계 에이전트 구축을 위한 기반 프레임워크로, 내장된 계획 수립, 메모리, 스킬 위임 기능을 제공합니다. 여섯 가지 핵심 미들웨어 옵션(작업 계획, 파일 시스템 컨텍스트 관리, 하위 에이전트 위임, 영구 메모리, 인간 승인 워크플로우, 주문형 스킬 로딩)을 제공하며, 세 가지 항상 존재하는 내장 도구(작업 추적을 위한 write_todos, 파일 시스템 작업(ls, read_file, write_file, edit_file, glob, grep), 전문화된 하위 에이전트 생성을 위한 task)를 포함합니다. 지원...

Deep Agents 애플리케이션을 구축할 때 이 스킬을 호출하세요. create_deep_agent(), 하네스 아키텍처, SKILL.md 형식 및 구성 옵션을 다룹니다.

Deep Agents를 위한 플러그형 메모리 및 파일 백엔드로, 임시, 영구 및 하이브리드 라우팅 옵션을 제공합니다. 네 가지 백엔드 유형: StateBackend(스레드 범위, 임시), StoreBackend(세션 간 영구), FilesystemBackend(로컬 개발을 위한 실제 디스크 액세스), CompositeBackend(다른 경로를 다른 백엔드로 라우팅). FilesystemMiddleware는 ls, read_file, write_file, edit_file, glob, grep의 여섯 가지 파일 작업 도구를 제공합니다. CompositeBackend는 최장 접두사 일치를 사용하여 라우팅합니다...

Deep Agent가 메모리, 지속성 또는 파일 시스템 접근이 필요할 때 이 스킬을 호출하세요. StateBackend(임시), StoreBackend(지속적) 등을 포함합니다.

서브 에이전트를 조율하고, 다단계 작업을 계획하며, 민감한 작업에 대해 인간의 승인을 요구합니다. task 도구를 통해 전문화된 서브 에이전트에 작업을 위임합니다. 맞춤형 서브 에이전트는 격리된 도구 세트와 시스템 프롬프트를 지원하며, 기본 "범용" 서브 에이전트는 메인 에이전트 구성을 상속받습니다. write_todos를 사용하여 복잡한 워크플로우를 계획 및 추적하고, 보류 중, 진행 중, 완료 상태로 작업을 구성합니다. 호출 간 지속성을 위해 thread_id가 필요합니다. 구현...

Deep Agents에서 서브 에이전트, 작업 계획 또는 인간 승인을 사용할 때 이 스킬을 호출하세요. SubAgentMiddleware, 계획을 위한 TodoList, HITL 인터럽트를 다룹니다.

도커 컨테이너화 및 멀티 스테이지 빌드의 모범 사례

deepagentsjs 모노레포를 위한 새로운 평가 스위트를 생성합니다. 데이터셋 설계, 테스트 케이스 스캐폴딩, 점수 로직, vitest 설정, LangSmith…를 처리합니다.

지능적으로 컴퓨터 전체의 파일과 폴더를 정리하여 컨텍스트를 이해하고, 중복을 찾아내며, 더 나은 구조를 제안하고, 자동화합니다…

LangChain, LangGraph, Deep Agents 계층형 아키텍처를 위한 프레임워크 선택 가이드. LangChain이 기본 프리미티브를 제공하고, LangGraph가 오케스트레이션 및 제어 흐름을 추가하며, Deep Agents가 계획, 메모리, 파일 관리 및 스킬 위임을 추가하는 계층형 프레임워크. 작업 복잡성에 따라 프레임워크 선택을 안내하는 결정 테이블: 단일 목적 에이전트에는 LangChain, 사용자 정의 제어 흐름 및 루프에는 LangGraph, 다단계 계획 및 지속적 세션에는 Deep Agents...

LangChain/LangGraph/Deep Agents 프로젝트를 시작할 때, 에이전트 코드를 작성하기 전에 이 스킬을 호출하세요. 어떤 프레임워크 계층이 적합한지 결정합니다…

대용량 PDF, 문서 컬렉션 또는 GPU 가속 처리가 유리한 대량 텍스트 추출 작업을 처리할 때 사용합니다. 사용자가…

LangChain, Deep Agents 또는 LangGraph 오픈 소스 에이전트 프로젝트를 시작할 때 항상 여기서 시작하세요. 모든 LangChain 오픈 소스 에이전트의 필수 시작점입니다…

langchain-middleware-&-hitl — AI 에이전트를 위한 설치 가능한 스킬로, langchain-ai/langchain-skills에서 게시되었습니다.

이 스킬을 호출하여 검색 증강 생성(RAG) 시스템을 구축하세요. 문서 로더, RecursiveCharacterTextSplitter, 임베딩(OpenAI) 등을 다룹니다.

langchain-structured-output-&-hitl — AI 에이전트를 위한 설치 가능한 스킬로, langchain-ai/langchain-skills에서 게시되었습니다.

LangChain 제품(LangChain, LangGraph, LangSmith SDK)과 관련된 모든 코딩 질문에 이 스킬을 사용하세요. 에이전트 개발 패턴, 프리미티브 등을 다룹니다.

LangChain 생태계 패키지 버전, 의존성, Python 및 TypeScript 설치 가이드. 모든 신규 프로젝트는 LangChain 1.0 LTS로 시작하세요. 버전 0.3은 레거시 유지보수 전용입니다. 다른 패키지와 함께 항상 langchain-core를 명시적으로 설치하세요. 하나의 오케스트레이션 레이어를 선택하세요: 세밀한 그래프 제어를 위한 LangGraph, 또는 배터리 포함 계획 및 메모리를 위한 Deep Agents. langchain-community는 보수적으로 정확한 마이너 버전으로 고정하세요 (예: >=0.4.0,<0.5.0). 이는...

이 스킬을 호출하는 시점은 새 프로젝트를 설정할 때, 또는 LangChain, LangGraph,…의 패키지 버전, 설치, 의존성 관리에 대해 질문을 받았을 때입니다.

create_agent(), 도구, 미들웨어 패턴을 사용하여 프로덕션 LangChain 에이전트를 구축합니다. 모델, 도구 목록, 시스템 프롬프트와 함께 create_agent()를 사용하고, 체크포인터와 thread_id로 상태 지속성을 구성하여 호출 간 대화 메모리를 유지합니다. @tool 데코레이터(Python) 또는 tool() 함수(TypeScript)를 사용하여 명확한 설명과 함께 도구를 정의하면 에이전트가 호출 시점을 알 수 있습니다. HumanInTheLoopMiddleware와 같은 미들웨어를 추가하여 승인 워크플로, 사용자 정의 오류 처리, 인간 개입 루프를 구현합니다...

create_agent로 LangChain 에이전트를 생성하고, 도구를 정의하며, 사람의 개입 및 오류 처리를 위한 미들웨어를 사용합니다.

LangChain 에이전트를 위한 인간 개입 승인, 커스텀 미들웨어 및 구조화된 출력 패턴. HumanInTheLoopMiddleware는 위험한 도구 호출 전에 실행을 일시 중지하여 인간이 승인, 인수 편집 또는 피드백과 함께 거부할 수 있도록 합니다. 도구별 인터럽트 정책을 통해 위험 수준에 따라 다른 승인 규칙을 구성할 수 있으며, 상태 지속성을 위해 체크포인터와 thread_id가 필요합니다. 명령 재개 패턴은 인간의 결정 후 실행을 계속하며, 도구 인수 편집을 지원합니다...

인간의 개입 승인, 사용자 정의 미들웨어 또는 구조화된 출력이 필요할 때 이 스킬을 호출하세요. 인간 승인을 위한 HumanInTheLoopMiddleware를 포함합니다…

LangChain, Deep Agents 또는 LangGraph 에이전트 구축 프로젝트를 시작할 때는 항상 여기서 시작하세요. 다른 스킬을 선택하거나 코드를 작성하기 전에 반드시 거쳐야 하는 시작점입니다.

문서 수집, 임베딩, 검색, LLM 기반 응답 생성을 위한 완전한 RAG 파이프라인입니다. 여러 문서 로더(PDF, 웹 페이지, 디렉토리)와 영구 벡터 저장소(Chroma, FAISS, Pinecone)를 지원하며, 최적의 컨텍스트 보존을 위해 청크 크기와 오버랩을 구성할 수 있습니다. 결과의 관련성과 다양성의 균형을 맞추기 위해 유사도 검색, MMR(Maximal Marginal Relevance) 검색, 메타데이터 필터링을 포함합니다. OpenAI 임베딩과 함께 작동하며 원활하게 통합됩니다...

langchain-rag — AI 에이전트를 위한 설치 가능한 스킬로, langchain-ai/skills-benchmarks에서 게시되었습니다.

LangGraph 워크플로우, 병렬 실행, 인터럽트 또는 스트리밍을 위해 이 스킬을 호출하세요. 팬아웃을 위한 Send API, 인간 개입을 위한 interrupt() 등을 다룹니다.

langgraph-persistence-&-memory — AI 에이전트를 위한 설치 가능한 스킬로, langchain-ai/langchain-skills에서 게시되었습니다.

LangGraph 문서에 접근하여 상태 기반 에이전트 및 멀티 에이전트 워크플로우를 구축합니다. 공식 LangGraph Python 문서를 가져오며, 상태 머신, 그래프 기반 에이전트 설계, 인간 개입 패턴을 다룹니다. 쿼리 유형에 따라 관련 문서를 우선시합니다: 방법 질문에는 구현 가이드, 이론에는 개념 페이지, 종단 간 예제에는 튜토리얼, 기술 세부 사항에는 API 참조를 제공합니다. 자동으로 가장 관련성 높은 2~4개의 문서 URL을 선택하고 해당 콘텐츠를 검색하여 답변합니다...

LangGraph와 관련된 요청에 대해 이 스킬을 사용하여 관련 문서를 가져오고 정확하고 최신의 지침을 제공하세요.

방향성 그래프 프레임워크로, 세밀한 제어가 가능한 상태 기반의 다단계 에이전트 워크플로우를 구축합니다. 타입이 지정된 상태 스키마, 리스트/값 누적을 위한 리듀서, 부분 상태 업데이트를 반환하는 노드를 갖춘 StateGraph. 고정 흐름을 위한 정적 엣지, 분기를 위한 조건부 엣지, 동적 라우팅과 상태 업데이트를 결합하는 Command. 리듀서를 통한 결과 집계와 함께 워커 노드로의 팬아웃 병렬 처리를 위한 Send API. 단일 실행을 위한 Invoke와 스트림 모드(값, 업데이트, ...).

LangGraph 코드를 작성할 때 이 스킬을 호출하세요. StateGraph, 상태 스키마, 노드, 엣지, Command, Send, invoke, 스트리밍 및 오류 처리를 다룹니다.

그래프 실행을 일시 중지하여 사람의 검토, 승인 또는 검증을 받은 후, 입력을 받아 다시 실행합니다. 세 가지 구성 요소가 필요합니다: 체크포인터(InMemorySaver 또는 PostgresSaver), config의 스레드 ID, JSON 직렬화 가능한 인터럽트 페이로드. interrupt(value)는 데이터를 일시 중지하고 표시하며, Command(resume=value)는 다시 시작하여 일시 중지된 노드에 해당 값을 반환합니다. interrupt() 이전의 모든 코드는 다시 시작 시 재실행되므로, 부작용은 멱등성을 가져야 합니다(insert 대신 upsert 사용). 승인 워크플로우를 지원합니다,...

LangGraph에서 인간-인-더-루프 패턴을 구현하거나, 승인을 위해 일시 중지하거나, 오류를 처리할 때 이 스킬을 호출하세요. interrupt(), Command(resume=...), …을 다룹니다.

LangGraph가 상태를 유지하거나, 대화를 기억하거나, 기록을 탐색하거나, 서브그래프 체크포인터 범위를 구성해야 할 때 이 스킬을 호출하세요.

지속적인 그래프 실행을 위한 스레드 범위 체크포인트, 상태 기록, 그리고 스레드 간 장기 메모리를 제공합니다. 세 가지 체크포인터 옵션: 테스트용 InMemorySaver, 로컬 개발용 SqliteSaver, 프로덕션용 PostgresSaver; 지속성을 활성화하려면 config에 항상 thread_id를 전달하세요. get_state_history()를 사용하여 과거 체크포인트를 탐색하고 재생하며, 과거 시점의 상태를 업데이트하여 실행을 분기하거나, 재개 전에 상태를 수동으로 수정할 수 있습니다. Store API는 사용자 간 스레드 메모리를 제공합니다...

이 스킬은 평가 데이터셋을 트레이스에서 생성하거나 LangSmith에 데이터셋을 업로드하거나 데이터셋을 쿼리할 때 호출하세요. 데이터셋 유형(final_response, …)을 다룹니다.

LangSmith 평가 파이프라인을 구축할 때 이 스킬을 호출하세요. 세 가지 핵심 구성 요소를 다룹니다: (1) 평가자 생성 - LLM-as-Judge, 사용자 정의 코드; (2)…

LangSmith 추적 작업 시 또는 추적 데이터를 쿼리할 때 이 스킬을 호출하세요. 애플리케이션에 추적을 추가하고 추적 데이터를 쿼리/내보내는 방법을 다룹니다. 포함 내용…

LangSmith 추적 에이전트를 위한 코드 기반 평가자를 생성합니다. 사용자 정의 평가 로직을 구축하거나, 도구 사용 패턴을 테스트하거나, 에이전트 출력을 평가할 때 사용하세요…

이 스킬은 trace에서 평가 데이터셋을 생성하거나 LangSmith에 데이터셋을 업로드하거나 데이터셋을 쿼리할 때 호출하세요. 데이터셋 유형(final_response, …)을 다룹니다.

LangSmith에 평가 데이터셋을 생성, 관리 및 업로드하여 테스트와 검증을 수행합니다. 네 가지 데이터셋 유형을 지원합니다: final_response(전체 대화), single_step(개별 노드 동작), trajectory(도구 호출 시퀀스), RAG(질문/청크/답변/인용). 데이터셋 라이프사이클 관리를 위한 CLI 명령어: 생성, 목록 조회, 가져오기, 삭제, 내보내기, 로컬 JSON 파일에서 업로드. Python 및 JavaScript에서 SDK 기반 데이터셋 생성 및 프로그래밍 방식 예제 추가. 예제 관리...

이 스킬을 호출하는 경우는 평가 데이터셋 생성, LangSmith에 데이터셋 업로드, 또는 기존 데이터셋 관리 시입니다. 데이터셋 유형(final_response, …)을 다룹니다.

LangSmith 평가 파이프라인을 구축할 때 이 스킬을 호출하세요. 세 가지 핵심 구성 요소를 다룹니다: (1) 평가자 생성 - LLM-as-Judge, 사용자 정의 코드; (2)…

LangSmith를 위한 평가 파이프라인을 LLM-as-Judge 및 사용자 정의 코드 평가기로 구축합니다. 세 가지 핵심 구성 요소: 평가기 생성(LLM-as-Judge 또는 사용자 정의 코드), 에이전트 출력 및 궤적을 캡처하기 위한 실행 함수 정의, 로컬 평가 실행 또는 업로드된 평가기를 통한 자동 실행. 오프라인 평가기(실행 출력을 데이터셋 예시와 비교)와 온라인 평가기(프로덕션 실행에 대한 실시간 품질 검사)를 모두 지원합니다. LangSmith API 키와 프로젝트가 필요합니다...

LangSmith 평가 파이프라인을 구축할 때 이 스킬을 호출하세요. 세 가지 핵심 구성 요소를 다룹니다: (1) 평가자 생성 - LLM-as-Judge, 사용자 정의 코드; (2)…

LangSmith 트레이스를 가져와 에이전트 동작을 디버깅합니다. 에이전트 문제를 해결하거나, 대화 기록을 검토하거나, 도구 호출을 조사할 때 사용하세요.

LangSmith 추적 작업 시 또는 추적 데이터를 쿼리할 때 이 스킬을 호출하세요. 애플리케이션에 추적을 추가하고 추적 데이터를 쿼리/내보내는 방법을 다룹니다.

LangSmith 추적 작업 또는 추적 데이터 쿼리 시 이 스킬을 호출하세요. 애플리케이션에 추적을 추가하고 추적 데이터를 쿼리/내보내는 방법을 다룹니다. 포함 내용…

LangChain/LangGraph 앱에 추적을 추가하고 CLI를 통해 추적 데이터를 조회하여 디버깅 및 데이터셋 생성을 수행합니다. 환경 변수를 통한 LangChain/LangGraph 앱의 자동 추적; Python 및 TypeScript의 다른 프레임워크를 위한 @traceable 데코레이터와 wrap_openai()를 통한 수동 추적. langsmith CLI를 사용하여 시간, 지연 시간, 오류, 태그 및 사용자 정의 메타데이터 필터로 추적(완전한 실행 트리) 또는 실행(개별 노드)을 조회합니다. 계층 구조를 유지하며 추적을 JSONL 파일로 내보냅니다;...

LangSmith 추적 작업 시 또는 추적 데이터를 쿼리할 때 이 스킬을 호출하세요. 애플리케이션에 추적을 추가하고 추적 데이터를 쿼리/내보내는 방법을 다룹니다. 다음을 사용합니다…

코딩 작업을 명확한 단계, 파일 식별, 위험 평가가 포함된 구조화된 구현 계획으로 분해합니다.

간단한 SELECT부터 복잡한 다중 테이블 JOIN, 집계, 서브쿼리까지 SQL 쿼리를 작성하고 실행합니다. 사용자가 데이터베이스 쿼리를 요청할 때 사용하세요.

최신 React 컴포넌트 패턴 (hooks 및 TypeScript 포함)

현재 대화를 검토하고 귀중한 지식(모범 사례, 코딩 규칙, 아키텍처 결정, 워크플로우, 사용자 피드백 등)을 캡처합니다.

데이터베이스의 테이블을 나열하고, 컬럼과 데이터 타입을 설명하며, 외래 키 관계를 식별하고, 엔터티 관계를 매핑합니다. 사용자가 다음에 대해 질문할 때 사용하세요…

에이전트의 기능을 확장하기 위한 효과적인 스킬을 만드는 가이드로, 특화된 지식, 워크플로우 또는 도구 통합을 포함합니다. 사용자가...

에이전트의 기능을 확장하기 위한 효과적인 스킬을 만드는 가이드로, 특화된 지식, 워크플로우 또는 도구 통합을 포함합니다. 사용자가...

플랫폼별 소셜 미디어 게시물을 초안 작성하며, 연구 기반 콘텐츠와 함께 생성된 보조 이미지를 제공합니다. 링크드인 게시물(1,300자, 전문적인 어조)과 트위터/X 스레드(트윗당 280자, 1/🧵 형식)를 지원합니다. 작성 전에 하위 에이전트에 연구를 위임한 후, 결과를 읽어 정확성과 관련성을 확인해야 합니다. generate_social_image 도구를 사용하여 자동으로 눈에 띄는 소셜 이미지를 생성하며, 작은 화면에 최적화된 대담하고 대비가 높은 구성을 사용합니다.

제한된 동시성을 사용하여 하위 에이전트에 작업 배치를 병렬로 전송합니다. {total, completed, failed, results[]}가 포함된 요약 객체를 반환합니다 — 반복 처리…

단위 테스트와 통합 테스트 모범 사례

여러 하위 에이전트에 작업을 위임하여 다중 소스 웹 리서치를 조율하고, 결과를 종합하며, 인용된 보고서를 생성합니다. 연구 질문을 2~5개의 개별 하위 주제로 나누고, 연구 계획 파일을 생성하며, 효율적인 조사를 위해 최대 3개의 하위 에이전트를 병렬로 실행합니다. 각 하위 에이전트는 하위 주제당 3~5회의 웹 검색을 수행하고, 주요 사실, 인용문, 출처 URL을 포함한 로컬 파일에 결과를 기록합니다. 로컬 결과 파일을 읽고 하위 주제 간 통찰력을 통합하여 결과를 종합하며...

웹 리서치와 관련된 요청에 이 스킬을 사용하세요. 포괄적인 웹 리서치를 수행하기 위한 체계적인 접근 방식을 제공합니다.