ai-engineer
AI 엔지니어와 함께 프로덕션 LLM 애플리케이션 구축
벡터 검색, 멀티모달 AI, 엔터프라이즈 통합에 대한 전문 가이던스를 통해 프로덕션급 LLM 애플리케이션, RAG 시스템 및 지능형 AI 에이전트를 신속하게 개발하세요.
스킬 ZIP 다운로드
Claude에서 업로드
설정 → 기능 → 스킬 → 스킬 업로드로 이동
토글을 켜고 사용 시작
테스트해 보기
"ai-engineer" 사용 중입니다. Build a production RAG system for my documentation
예상 결과:
프로덕션 RAG 시스템을 구축하도록 도와드리겠습니다. 먼저 아키텍처를 개요로 설명하겠습니���. 1) 청킹 전략을 포함한 문서 처리 파이프라인, 2) HNSW 인덱싱을 사용하여 Qdrant를 활용한 ��터 저장소, 3) 벡터 유사도와 BM25를 결합한 하이브리드 검색을 통한 검색, 4) 개선된 관련성을 위한 CrossEncoder를 활용한 재순위화. 특정 구성 요소에 대한 구현 코드를 제공해 드릴��요?
"ai-engineer" 사용 중입니다. How do I implement AI safety in my chatbot?
예상 결과:
프로덕션 챗봇의 AI 안전을 위해 다음 레이어를 구현하세요. 1) 프롬프트 인젝션 탐지를 통한 입력 필터링, 2) Presidio를 사용한 PII 탐지 및 편집, 3) OpenAI Moderation API를 통한 출력 중재, 4) 남용 방지를 위한 사용자별 속도 제한. 이러한 구성 요소 중 하나에 대한 자세한 구현 가이드가 필요하신가요?
보안 감사
안전Prompt-only skill with no executable code. Static analysis scanned 0 files (0 lines) and detected 0 potential security issues. Risk score: 0/100. This is a text-based persona prompt for AI engineering tasks with no scripts, network calls, filesystem access, or external command execution. No prompt injection attempts detected.
품질 점수
만들 수 있는 것
엔터프라이즈 지식 베이스 RAG
벡터 검색과 키워드 매칭을 결합하여 회사 문서에서 정확한 답변을 제공하는 프로덕션 RAG 시스템을 구축하세요.
고객 서비스 AI 에이전트
CRM 시스템과의 통합 및 에스컬레이션 워크플로우로 고객 문의를 처리하는 멀티 에이전트 시스템을 만드세요.
문서 분석 파이프라인
자동화된 문서 처리를 위해 PDF, 이미지, 테이블에서 정보를 추출하는 멀티모달 파이프라인을 구현하세요.
이 프롬프트를 사용해 보세요
LangChain과 Qdrant를 사용하여 시맨틱 검색을 위한 기본 RAG 시스템을 구축하도록 도와주세요. 벡터 저장소, 청킹 전략, 검색 파이프라인을 포함해주세요.
하이브리드 검색, 재순위화, 쿼리 분해로 현재 RAG 시스템을 개선해주세요. 프로덕션에서 이러한 패턴을 어떻게 구현하나요?
연구, 분석, 보고를 위한 전문화된 역할로 CrewAI를 사용하여 멀티 에이전트 시스템을 설계해주세요. 메모리 관리 및 도구 통합을 포함해주세요.
시맨틱 캐싱, 쿼리 복잡도 기반 모델 라우팅, 예산 통제가 포함된 비용 최적화 LLM 추론 파이프라인을 설계해주세요.
모범 사례
- AI 시스템을 구축하기 전에 명확한 성공 지표와 평가 프레임워크로 시작하세요
- 추적, 메트릭, 로깅으로 첫날부터 관찰 가능성을 구현하세요
- 신뢰할 수 있는 AI 동작을 보장하기 위해 구조화된 출력과 유형 안전성을 사용하세요
피하기
- 프로덕션 확장성을 고려하지 않고 개념 증명 구축
- AI 서비스 실패에 대한 오류 처리 및 폴백 전략 건너뛰기
- 프로덕션 시스템에서 LLM 사용의 비용 영향 무시