agentic-langgraph-rag은(는) 무엇을 하나요?
LangGraph와 IBM Watsonx를 활용한 멀티 에이전트 오케스트레이션 기반의 에이전틱 Q&A 시스템입니다. 자율 라우팅, 반성 루프, 자체 수정 기능을 통해 검증된 출력을 보장합니다. Docling을 통한 고충실도 파싱과 하이브리드 검색(BM25 + ChromaDB)을 포함하여 정교한 엔터프라이즈급 문서 인텔리전스를 제공합니다.
LangGraph와 IBM Watsonx를 활용한 멀티 에이전트 오케스트레이션 기반의 에이전틱 Q&A 시스템입니다. 자율 라우팅, 반성 루프, 자체 수정 기능을 통해 검증된 출력을 보장합니다. Docling을 통한 고충실도 파싱과 하이브리드 검색(BM25 + ChromaDB)을 포함하여 정교한 엔터프라이즈급 문서 인텔리전스를 제공합니다.
이 스킬은 LangGraph를 사용하여 여러 AI 에이전트를 오케스트레이션하는 에이전틱 Q&A 시스템입니다. IBM Watsonx를 LLM 백본으로 활용하며, 자율 라우팅을 통해 질문을 적절한 에이전트나 도구로 전달하고, 반성 루프(reflection loop)와 자체 수정(self-correction) 메커니즘을 통해 답변의 정확성과 검증 가능성을 높입니다. Docling을 사용하여 PDF, Word, 이미지 등 다양한 문서 형식을 고충실도로 파싱하며, BM25 키워드 검색과 ChromaDB 벡터 검색을 결합한 하이브리드 검색 전략으로 관련 정보를 효과적으로 찾아냅니다. 특히 엔터프라이즈 환경에서의 문서 기반 질의응답에 최적화되어 있으며, 복잡한 추론과 다단계 검증이 필요한 업무에 적합합니다. Claude Code, Cursor, Codex 등 다양한 AI 에이전트 플랫폼에서 사용할 수 있으며, Python 기반으로 구현되어 있습니다.
npx skills add fvalerii/agentic-langgraph-ragInstalled? Explore more 연구 & 데이터 분석 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
LangGraph와 IBM Watsonx를 활용한 멀티 에이전트 오케스트레이션 기반의 에이전틱 Q&A 시스템입니다. 자율 라우팅, 반성 루프, 자체 수정 기능을 통해 검증된 출력을 보장합니다. Docling을 통한 고충실도 파싱과 하이브리드 검색(BM25 + ChromaDB)을 포함하여 정교한 엔터프라이즈급 문서 인텔리전스를 제공합니다.
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.