학습 실패는 로그, 곡선, 코드, 구성이 서로 다른 방향을 가리킬 때 디버깅하기 어렵습니다. 이 스킬은 증거를 정리하고 가능성 높은 근본 원인, 수정 방법, 검증 단계를 반환합니다.

샌드박스 전반의 신경망 학습은 조율하기 어렵습니다. 이 스킬은 Claude, Codex, Claude Code에 Flow Nexus 학습, 추론, 템플릿, 클러스터 워크플로를 제공합니다.

대규모 벡터 데이터베이스는 속도가 느려지고, 메모리를 많이 사용하며, 벤치마킹하기 어려워질 수 있습니다. 이 스킬은 양자화, HNSW 인덱싱, 캐싱, 검증을 위한 구조화된 AgentDB 최적화 워크플로를 제공합니다.

팀은 문서, RAG 시스템, 지식 베이스를 위한 빠른 시맨틱 검색이 필요합니다. 이 스킬은 AgentDB 설정, 검색 패턴, 튜닝 지침을 제공합니다.

팀은 RAG와 지식 베이스를 위해 관련성 높은 문서 검색이 필요합니다. 이 스킬은 AgentDB 설정, 임베딩 저장, 인덱싱, API 검색, 관련성 튜닝을 안내합니다.

고급 AgentDB 프로젝트에는 동기화, 검색, 데이터베이스 작업을 위한 신뢰할 수 있는 패턴이 필요합니다. 이 스킬은 QUIC 동기화, 하이브리드 검색, 샤딩, 프로덕션 튜닝에 대한 실용적인 지침을 제공합니다.

분산 벡터 검색에는 신중한 복제, 메트릭, 모니터링, 배포 계획이 필요합니다. 이 스킬은 확장 가능한 하이브리드 검색 시스템을 위한 단계별 AgentDB 워크플로를 제공합니다.

분석 이벤트는 스키마, PII, 등록 표준에서 벗어나는 경우가 많습니다. 이 스킬은 Django optimo_analytics 워크플로를 위한 MixPanel 구현과 검토를 안내합니다.

사용자가 빠른 숫자 답변을 필요로 할 때 수동 산술 검사는 에이전트의 속도를 늦춥니다. 이 스킬은 기본 수학 표현식을 평가하고 간결한 결과를 반환합니다.

데이터베이스 사용자는 연결 유형과 스키마에 맞는 신뢰할 수 있는 SQL이 필요합니다. 이 스킬은 Claude, Codex, Claude Code가 스키마를 검사하고, 읽기 전용 쿼리를 작성하며, 결과를 명확하게 설명하도록 안내합니다.

데이터베이스 방언 전반에서 올바른 SQL을 작성하는 일은 느리고 오류가 발생하기 쉽습니다. 이 스킬은 Claude, Codex, Claude Code가 안전한 DBX Studio 쿼리를 만들 수 있도록 돕습니다.

원시 쿼리 결과를 적절한 차트로 바꾸려면 반복적인 설정이 필요할 수 있습니다. 이 스킬은 Claude, Codex, Claude Code가 차트 유형을 선택하고, SELECT 쿼리를 작성하며, DBX Studio 차트 생성을 호출하도록 안내합니다.

데이터베이스 팀은 분석 전에 테이블, 관계, 데이터 품질을 빠르게 확인해야 하는 경우가 많습니다. 이 스킬은 Claude, Codex 또는 Claude Code가 구조화된 DBX Studio 프로파일링 워크플로를 따르도록 안내합니다.

낯선 데이터베이스를 탐색하는 일은 느리고 일관성이 없을 수 있습니다. 이 스킬은 DBX Studio에 스키마 검토, 프로파일링, 관계, 품질 검사를 위한 반복 가능한 워크플로를 제공합니다.

ZINC 전반에서 구매 가능한 화합물과 유용한 유사체를 찾으려면 전문적인 쿼리 구문이 필요할 수 있습니다. 이 스킬은 검색, 다운로드, 필터링 및 도킹 준비 과정을 안내합니다.

대규모 과학 배열은 메모리와 스토리지 시스템에 과도한 부담을 줄 수 있습니다. 이 스킬은 Zarr, NumPy, Dask, Xarray를 활용한 청킹, 압축, 클라우드 스토리지 및 병렬 워크플로를 안내합니다.

고차원 데이터는 시각화, 클러스터링 및 머신러닝 파이프라인에서의 재사용이 어렵습니다. 이 스킬은 실용적인 UMAP 구성, 튜닝, 변환 및 평가 방법을 안내합니다.

그래프 학습 프로젝트에서는 데이터, 모델, 샘플링 및 평가를 신중하게 선택해야 합니다. 이 스킬은 PyTorch Geometric에 관한 지침, 예제, 템플릿, 벤치마크 및 시각화 유틸리티를 제공합니다.

통계 워크플로는 부적절한 모델 선택, 불충분한 진단 또는 잘못된 해석으로 인해 실패하는 경우가 많습니다. 이 스킬은 신뢰할 수 있는 추론과 예측을 위해 체계적인 statsmodels 지침을 제공합니다.

통계 검정의 선택과 보고는 일관성이 떨어지고 오류가 발생하기 쉽습니다. 이 스킬은 분석 계획, 진단, 효과 크기, 검정력, 해석 및 APA 스타일 보고를 안내합니다.