auto_train_skills은(는) 무엇을 하나요?
ML 훈련 루프를 프롬프트 엔지니어링에 적용 — 평가 실행, LLM 등급 출력, 통과율 추적을 통해 Claude Code 스킬을 반복적으로 개선합니다.
ML 훈련 루프를 프롬프트 엔지니어링에 적용 — 평가 실행, LLM 등급 출력, 통과율 추적을 통해 Claude Code 스킬을 반복적으로 개선합니다.
이 스킬은 기계 학습의 훈련 루프 개념을 프롬프트 엔지니어링에 도입하여, Claude Code 스킬을 체계적으로 평가하고 개선할 수 있도록 설계되었습니다. 사용자는 평가 데이터셋을 실행하고, LLM이 생성한 결과물에 등급을 매기며, 통과율(pass rate)을 추적함으로써 프롬프트의 성능을 정량적으로 측정할 수 있습니다. 이를 통해 수동으로 프롬프트를 수정하는 대신 데이터 기반의 반복적인 개선 사이클을 구축할 수 있습니다. 주로 Claude Code 플랫폼에서 사용되며, 개발자는 이 스킬을 통해 프롬프트의 효과성을 지속적으로 모니터링하고 최적화할 수 있습니다. SKILL.md 문서에 정의된 대로, 자동화된 평가 파이프라인을 구성하여 각 스킬 버전의 성능 변화를 추적하는 것이 핵심입니다.
npx skills add dave-wind/auto_train_skillsInstalled? Explore more 연구 & 데이터 분석 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
ML 훈련 루프를 프롬프트 엔지니어링에 적용 — 평가 실행, LLM 등급 출력, 통과율 추적을 통해 Claude Code 스킬을 반복적으로 개선합니다.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.