web-research

작성자: langchain-ai

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...

npx skills add https://github.com/langchain-ai/deepagents --skill web-research

ZIP 다운로드 GitHub

langchain-ai의 다른 스킬

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.

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.

competitor-analysis

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.

cuml-machine-learning

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

data-visualization

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