콘텐츠에 클릭, 양식 또는 세션이 필요한 경우 동적 웹사이트는 단순 스크래핑을 차단할 수 있습니다. 이 스킬은 Firecrawl 브라우저 상호작용을 사용해 페이지를 탐색하고 데이터를 추출합니다.

팀은 수동 복사 없이 많은 페이지에서 신뢰할 수 있는 콘텐츠가 필요합니다. 이 skill은 범위가 지정된 경로, 제한, 진행 상황, 저장된 결과를 통해 Firecrawl 크롤을 안내합니다.

복잡한 웹사이트는 데이터를 수집하기 전에 여러 페이지 탐색이 필요한 경우가 많습니다. 이 스킬은 Claude, Codex 또는 Claude Code가 Firecrawl Agent를 실행하고 구조화된 웹사이트 데이터를 반환하도록 안내합니다.

Official TikTok access can require application review and does not fit quick, read-only research. This skill guides paid Fetcher.sh requests for posts, profiles, comments, and discovery feeds.

Instagram data collection can require Meta approval, browser automation, or separate scraping infrastructure. This skill provides paid, read-only REST and MCP access to public Instagram data.

원시 JSON이 하나의 긴 문자열로 전달되면 검사하기 어렵습니다. 이 스킬은 입력을 검증하고 선택한 들여쓰기 크기로 읽기 쉬운 형식을 반환합니다.

웹 콘텐츠는 AI 워크플로를 위해 깔끔한 형식으로 수집하기 어려운 경우가 많습니다. 이 스킬은 Firecrawl을 사용하여 구조화된 웹사이트 데이터를 스크래핑, 크롤링, 매핑, 검색 및 추출합니다.

관련 없는 레코드가 함께 묶이면 앱 데이터 파일을 유지 관리하기 어려워질 수 있습니다. 이 스킬은 모듈식 Next.js 데이터 파일을 위한 간단한 규칙을 제공합니다.

NBA 데이터 작업은 적절한 엔드포인트, 매개변수, 응답 형식을 찾는 일이 자주 필요합니다. 이 스킬은 Claude, Codex, Claude Code가 nba_api 추출, 변환, 분석 워크플로를 수행하도록 안내합니다.

기본값을 사용하면 Parquet 파이프라인은 저장 공간과 메모리를 낭비할 수 있습니다. 이 스킬은 Rust Parquet 읽기와 쓰기를 검토한 뒤 압축, 크기 조정, 프로젝션, 필터링 개선을 제안합니다.

대규모 데이터 레이크는 명확한 아키텍처 선택이 없으면 느려지고, 비용이 많이 들며, 거버넌스가 어려워질 수 있습니다. 이 스킬은 파티셔닝, 스토리지 레이아웃, 스키마 진화, 테이블 형식, 보존 정책, 비용을 고려한 레이크하우스 설계를 안내합니다.

느린 DataFusion 쿼리는 컴퓨팅 리소스를 낭비하고 단순한 계획 문제를 가릴 수 있습니다. 이 스킬은 SQL 및 DataFrame 패턴을 검토한 다음 구체적인 성능 개선안을 제안합니다.

비디오 변환과 전사는 여러 command-line tools가 필요한 경우가 많습니다. 이 skill은 오디오 추출, 형식 변환, Whisper 트랜스크립트 생성을 위한 하나의 CLI workflow를 제공합니다.

ML 프로젝트는 정확해 보일 수 있지만, 데이터 누수나 취약한 평가가 심각한 결함을 숨길 수 있습니다. 이 스킬은 분할, 지표, 학습, 배포 준비 상태에 대한 체계적인 점검을 안내합니다.

맞춤형 차트에는 단순한 차트 라이브러리로는 표현할 수 없는 상호작용이 필요한 경우가 많습니다. 이 스킬은 D3.js SVG 설정, 데이터 바인딩, 스케일, 축, 툴팁, 확대/축소, 전환, 색상 선택을 안내합니다.

데이터 모델과 상태 업데이트는 명확한 검토 없이 어긋날 수 있습니다. 이 스킬은 타이핑, 변경, 직렬화 선택을 분석하도록 안내합니다.

분산 신경망 훈련에는 조율된 설정, 검증, 배포가 필요합니다. 이 스킬은 아키텍처 설계부터 프로덕션 서빙까지 Flow Nexus 워크플로를 안내합니다.

학습 데이터가 구조화되지 않은 상태로 남아 있으면 에이전트는 종종 취약한 전략을 반복합니다. 이 스킬은 궤적, 패턴, 벤치마크, 권장 사항을 ReasoningBank 워크플로로 정리합니다.

ML 모델 프로젝트는 데이터 준비부터 배포까지 반복 가능한 경로가 필요합니다. 이 skill은 Claude, Codex, 그리고 Claude Code에 학습, 평가, 패키징을 위한 구조화된 워크플로를 제공합니다.

ML 학습은 NaN 손실, 과적합, 느린 수렴 또는 불안정한 그래디언트로 인해 실패할 수 있습니다. 이 스킬은 진단, 대상별 수정, 검증 및 보고를 안내합니다.