Communitygithub.com

AI/ML 워크플로우 번들

LLM 애플리케이션 개발, RAG 구현, 에이전트 아키텍처, ML 파이프라인 및 AI 기반 기능을 포괄하는 AI 및 머신러닝 워크플로우입니다.

ML 워크플로우 번들란 무엇인가요?

이 AI/ML 워크플로우는 LLM 애플리케이션 구축, RAG 시스템 구현, AI 에이전트 생성, 머신러닝 파이프라인 개발을 위한 포괄적인 도구 모음입니다. 생산 환경에서의 AI 개발을 위해 설계된 이 번들은 7단계로 구성되어 있습니다: AI 애플리케이션 설계, LLM 통합, RAG 구현, AI 에이전트 개발, ML 파이프라인 개발, AI 관측 가능성, AI 보안까지 전 과정을 다룹니다. 각 단계는 구체적인 액션 목록과 함께 관련 스킬을 호출하도록 안내하며, 복사-붙여넣기 프롬프트를 통해 Claude Code, Cursor, Codex와 같은 환경에서 바로 사용할 수 있습니다. 또한 품질 게이트와 개발 체크리스트를 제공하여 프로젝트의 완성도와 안정성을 보장합니다.

지원 대상✓Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/majiayu000/claude-skill-registry/tree/HEAD/skills/ai-ml/ai-ml-galacticvraj-vraj-portfolio

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

ML 워크플로우 번들은(는) 무엇을 하나요?

개요

LLM 애플리케이션 구축, RAG 시스템 구현, AI 에이전트 생성, 머신러닝 파이프라인 개발을 위한 포괄적인 AI/ML 워크플로우입니다. 이 번들은 생산 환경에서의 AI 개발을 위한 스킬을 조율합니다.

이 워크플로우를 사용해야 하는 경우

다음과 같은 경우 이 워크플로우를 사용하세요:

  • LLM 기반 애플리케이션 구축
  • RAG(검색 증강 생성) 구현
  • AI 에이전트 생성
  • ML 파이프라인 개발
  • 애플리케이션에 AI 기능 추가
  • AI 관측 가능성 설정

워크플로우 단계

1단계: AI 애플리케이션 설계

호출할 스킬

  • ai-product - AI 제품 개발
  • ai-engineer - AI 엔지니어링
  • ai-agents-architect - 에이전트 아키텍처
  • llm-app-patterns - LLM 패턴

액션

  1. AI 사용 사례 정의
  2. 적절한 모델 선택
  3. 시스템 아키텍처 설계
  4. 데이터 흐름 계획
  5. 성공 지표 정의

복사-붙여넣기 프롬프트

@ai-product를 사용하여 AI 기반 기능 설계하기
@ai-agents-architect를 사용하여 멀티 에이전트 시스템 설계하기

2단계: LLM 통합

호출할 스킬

  • llm-application-dev-ai-assistant - AI 어시스턴트 개발
  • llm-application-dev-langchain-agent - LangChain 에이전트
  • llm-application-dev-prompt-optimize - 프롬프트 엔지니어링
  • gemini-api-dev - Gemini API

액션

  1. LLM 제공자 선택
  2. API 접근 설정
  3. 프롬프트 템플릿 구현
  4. 모델 매개변수 구성
  5. 스트리밍 지원 추가
  6. 오류 처리 구현

복사-붙여넣기 프롬프트

@llm-application-dev-ai-assistant를 사용하여 대화형 AI 구축하기
@llm-application-dev-langchain-agent를 사용하여 LangChain 에이전트 생성하기
@llm-application-dev-prompt-optimize를 사용하여 프롬프트 최적화하기

3단계: RAG 구현

호출할 스킬

  • rag-engineer - RAG 엔지니어링
  • rag-implementation - RAG 구현
  • embedding-strategies - 임베딩 선택
  • vector-database-engineer - 벡터 데이터베이스
  • similarity-search-patterns - 유사도 검색
  • hybrid-search-implementation - 하이브리드 검색

액션

  1. 데이터 파이프라인 설계
  2. 임베딩 모델 선택
  3. 벡터 데이터베이스 설정
  4. 청킹 전략 구현
  5. 검색 구성
  6. 재순위화 추가
  7. 캐싱 구현

복사-붙여넣기 프롬프트

@rag-engineer를 사용하여 RAG 파이프라인 설계하기
@vector-database-engineer를 사용하여 벡터 검색 설정하기
@embedding-strategies를 사용하여 최적 임베딩 선택하기

4단계: AI 에이전트 개발

호출할 스킬

  • autonomous-agents - 자율 에이전트 패턴
  • autonomous-agent-patterns - 에이전트 패턴
  • crewai - CrewAI 프레임워크
  • langgraph - LangGraph
  • multi-agent-patterns - 멀티 에이전트 시스템
  • computer-use-agents - 컴퓨터 사용 에이전트

액션

  1. 에이전트 아키텍처 설계
  2. 에이전트 역할 정의
  3. 도구 통합 구현
  4. 메모리 시스템 설정
  5. 오케스트레이션 구성
  6. 인간 개입 루프 추가

복사-붙여넣기 프롬프트

@crewai를 사용하여 역할 기반 멀티 에이전트 시스템 구축하기
@langgraph를 사용하여 상태 저장 AI 워크플로우 생성하기
@autonomous-agents를 사용하여 자율 에이전트 설계하기

5단계: ML 파이프라인 개발

호출할 스킬

  • ml-engineer - ML 엔지니어링
  • mlops-engineer - MLOps
  • machine-learning-ops-ml-pipeline - ML 파이프라인
  • ml-pipeline-workflow - ML 워크플로우
  • data-engineer - 데이터 엔지니어링

액션

  1. ML 파이프라인 설계
  2. 데이터 처리 설정
  3. 모델 학습 구현
  4. 평가 구성
  5. 모델 레지스트리 설정
  6. 모델 배포

복사-붙여넣기 프롬프트

@ml-engineer를 사용하여 머신러닝 파이프라인 구축하기
@mlops-engineer를 사용하여 MLOps 인프라 설정하기

6단계: AI 관측 가능성

호출할 스킬

  • langfuse - Langfuse 관측 가능성
  • manifest - Manifest 텔레메트리
  • evaluation - AI 평가
  • llm-evaluation - LLM 평가

액션

  1. 추적 설정
  2. 로깅 구성
  3. 평가 구현
  4. 성능 모니터링
  5. 비용 추적
  6. 알림 설정

복사-붙여넣기 프롬프트

@langfuse를 사용하여 LLM 관측 가능성 설정하기
@evaluation를 사용하여 평가 프레임워크 생성하기

7단계: AI 보안

호출할 스킬

  • prompt-engineering - 프롬프트 보안
  • security-scanning-security-sast - 보안 스캐닝

액션

  1. 입력 검증 구현
  2. 출력 필터링 추가
  3. 속도 제한 구성
  4. 접근 제어 설정
  5. 남용 모니터링
  6. 감사 로깅 구현

AI 개발 체크리스트

LLM 통합

  • API 키 보안 설정
  • 속도 제한 구성
  • 오류 처리 구현
  • 스트리밍 활성화
  • 토큰 사용량 추적

RAG 시스템

  • 데이터 파이프라인 작동
  • 임베딩 생성
  • 벡터 검색 최적화
  • 검색 정확도 테스트
  • 캐싱 구현

AI 에이전트

  • 에이전트 역할 정의
  • 도구 통합
  • 메모리 작동
  • 오케스트레이션 테스트
  • 오류 처리 강건함

관측 가능성

  • 추적 활성화
  • 메트릭 수집
  • 평가 실행
  • 알림 구성
  • 대시보드 생성

품질 게이트

  • 모든 AI 기능 테스트 완료
  • 성능 벤치마크 충족
  • 보안 조치 마련
  • 관측 가능성 구성
  • 문서화 완료

관련 워크플로우 번들

  • development - 애플리케이션 개발
  • database - 데이터 관리
  • cloud-devops - 인프라
  • testing-qa - AI 테스트

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

majiayu000/claude-skill-registry

Builds, edit or validate Agent Skill through conversational discovery. Use when the user requests to "Create an Agent", "Optimize an Agent" or "Edit an Agent".

majiayu000/claude-skill-registry

Edit existing BMAD agents while maintaining compliance

majiayu000/claude-skill-registry

Edit existing BMAD agents while maintaining compliance

majiayu000/claude-skill-registry

Edit existing BMAD modules while maintaining coherence

majiayu000/claude-skill-registry

Edit existing BMAD modules while maintaining coherence

majiayu000/claude-skill-registry

Analyzes current state and user query to answer BMad questions or recommend the next workflow or agent. Use when user says what should I do next, what do I do now, or asks a question about BMad

majiayu000/claude-skill-registry

Build AI agents with Google ADK Python (Agent Development Kit). Use for multi-agent systems, workflow agents (sequential/parallel/loop), Vertex AI deployment, tool integration, human-in-the-loop.

majiayu000/claude-skill-registry

Build AI agents with Google ADK Python (Agent Development Kit). Use for multi-agent systems, workflow agents (sequential/parallel/loop), Vertex AI deployment, tool integration, human-in-the-loop.

majiayu000/claude-skill-registry

Portfolio allocation and rebalancing optimizer. Manages asset allocation across stocks/cash/bonds, performs periodic rebalancing, and ensures diversification according to market regime and risk tolerance.

majiayu000/claude-skill-registry

Create a hilarious and ultra-realistic video of an anthropomorphic animal acting like a human vlogger in a real-world setting.

majiayu000/claude-skill-registry

Speech-to-text transcription and translation via OpenAI Audio API -- models, response formats, timestamps, prompting, streaming, chunking, and diarization

majiayu000/claude-skill-registry

BlockRun works with Claude Code and Google Antigravity.

majiayu000/claude-skill-registry

This skill should be used when the user asks about libraries, frameworks, API references, or needs code examples. Activates for setup questions, code generation involving libraries, or mentions of specific frameworks like React, Vue, Next.js, Prisma, Supabase, etc.

majiayu000/claude-skill-registry

小省导购员数字人带货版即梦视频提示词生成系统,基于四大智能体协同(提示词生成师、质量管控师、知识库运维师、跨环节适配师),按照"主体+运动+场景+(镜头语言+光影+氛围)"公式输出中英文双版提示词,适配5s短视频。确保人物一致性、视觉连贯性、情绪连贯性,支持知识库智能复用和跨工具适配(Suno音乐、AI绘画),为数字人带货视频提供高质量提示词生成服务。

majiayu000/claude-skill-registry

Upload and manage files using Google Gemini File API via scripts/. Use for uploading images, audio, video, PDFs, and other files for use with Gemini models. Supports file upload, status checking, and file management. Triggers on "upload file", "file API", "upload image", "upload PDF", "upload video", "file management".

majiayu000/claude-skill-registry

CRITICAL: Use for MolyKit AI chat toolkit. Triggers on: BotClient, OpenAI, SSE streaming, AI chat, molykit, PlatformSend, spawn(), ThreadToken, cross-platform async, Chat widget, Messages, PromptInput, Avatar, LLM

majiayu000/claude-skill-registry

Analyze images/audio/video with Gemini API (better vision than Claude). Generate images (Imagen 4), videos (Veo 3). Use for vision analysis, transcription, OCR, design extraction, multimodal AI.

majiayu000/claude-skill-registry

Analyze images/audio/video with Gemini API (better vision than Claude). Generate images (Imagen 4), videos (Veo 3). Use for vision analysis, transcription, OCR, design extraction, multimodal AI.

majiayu000/claude-skill-registry

Conduct domain and industry research. Use when the user says "lets create a research report on [domain or industry]

majiayu000/claude-skill-registry

Skill for discovering and researching autonomous AI agents, tools, and ecosystems using the AgentFolio directory.

관련 스킬