Modal은 클라우드에서 Python 코드를 실행하기 위한 서버리스 플랫폼입니다. 즉각적인 GPU 접근, 자동 스케일링, 사용량 기반 요금제를 제공합니다. 인프라를 관리하지 않고 ML 모델을 배포하고, 배치 처리 작업을 실행하며, API를 제공할 수 있습니다.
스킬 ZIP 다운로드
Claude에서 업로드
설정 → 기능 → 스킬 → 스킬 업로드로 이동
토글을 켜고 사용 시작
테스트해 보기
"modal" 사용 중입니다. GPU에서 HuggingFace 모델을 사용하여 텍스트를 요약하는 Python 함수 배포
예상 결과:
- ✓ L40S GPU 접근 권한으로 Modal 앱 생성
- ✓ transformers 및 torch로 컨테이너 이미지 빌드
- ✓ 텍스트 요약을 위한 웹 엔드포인트 배포
- ✓ https://your-app.modal.run에서 엔드포인트 사용 가능
"modal" 사용 중입니다. 1000개 이미지를 병렬로 처리하는 배치 작업 실행
예상 결과:
- ✓ 4개 CPU 코어 및 8GB 메모리로 워커 함수 생성
- ✓ 50개 컨테이너에서 병렬 처리 구성
- ✓ ~8분 내에 1000개 이미지 처리 완료
- ✓ 결과를 Modal 볼륨의 /data/output/에 저장
"modal" 사용 중입니다. 자정에 매일 모델 재학습 예약
예상 결과:
- ✓ cron 표현식 '0 0 * * *'로 예약 함수 생성
- ✓ 학습 계산을 위해 GPU(A100) 구성
- ✓ API 자격 증명을 위한 시크릿 관리 설정
- ✓ Modal 대시보드에서 학습 로그 사용 가능
보안 감사
안전This is a documentation-only skill for Modal, a legitimate serverless cloud computing platform. All 572 static findings are FALSE POSITIVES. The scanner misinterprets Markdown documentation code examples as executable code. Patterns flagged include CLI commands in documentation (modal run, modal deploy), environment variable documentation, and legitimate Modal API patterns. No malicious code, credential exfiltration, or actual security vulnerabilities exist. This skill contains only documentation files teaching users how to properly use the Modal platform.
위험 요인
⚙️ 외부 명령어 (6)
🌐 네트워크 접근 (3)
📁 파일 시스템 액세스 (3)
품질 점수
만들 수 있는 것
추론을 위한 ML 모델 배포
GPU 가속 및 가변 트래픽을 위한 자동 스케일링과 함께 학습된 모델(LLM, 이미지 분류기)을 프로덕션에 배포합니다.
배치 처리 작업 실행
여러 컨테이너에서 대규모 데이터셋을 병렬로 처리합니다. 수천 개의 파일 또는 데이터 행을 동시에 처리합니다.
GPU 컴퓨팅 작업 실행
H100 또는 A100 GPU에서 계산 집약적인 연구 작업을 실행합니다. 학습 작업 및 장기 실행 계산을 예약합니다.
이 프롬프트를 사용해 보세요
L40S GPU에서 Python 함수를 실행하는 Modal 앱을 만듭니다. 함수는 HuggingFace 모델을 로드하고 예측을 반환해야 합니다. torch 및 transformers가 설치된 적절한 컨테이너 이미지를 사용합니다.
CSV 파일을 병렬로 처리하는 Modal 함수를 설정합니다. 함수는 S3 버킷에서 파일을 읽고, 변환을 적용하고, 결과를 저장해야 합니다. 여러 코어로 CPU 병렬처리를 사용합니다.
매일 오전 2시에 실행되는 Modal 예약 함수를 만듭니다. 함수는 API에서 캐시된 데이터를 새로 고치고 Modal 볼륨에 저장된 모델 가중치를 업데이트해야 합니다.
입력 데이터가 포함된 POST 요청을 받는 Modal 웹 엔드포인트를 구축합니다. 엔드포인트는 배포된 모델을 사용한 추론을 실행하고 예측을 반환해야 합니다. 적절한 오류 처리 및 인증을 포함합니다.
모범 사례
- 이미지 정의에서 모든 Python 패키지 버전을 고정하여 재현 가능한 빌드 및 배포 보장
- 다른 환경(dev, staging, production)에 대해 별도의 Modal Secrets를 사용하여 자격 증명 유출 방지
- 지연 시간에 민감한 엔드포인트의 콜드 스타트 지연을 줄이기 위해 적절한 min_containers 구성
피하기
- Modal Secrets를 사용하는 대신 함수 코드에 API 키나 자격 증명을 하드코딩
- 함수 본문 내부 대신 모듈 범위에서 무거운 종속성을 가져와 컨테이너 시작 속도 저하
- 컨테이너 간 병렬 실행을 위해 .map() 대신 배치 처리에 순차 루프 사용