Airflow DAG 설계 패턴, 의존관계 관리, 재시도 전략, 멱등성 보장, 백필 전략 등 데이터 파이프라인 오케스트레이션 가이드. 'Airflow DAG', 'DAG 설계', '의존관계', '재시도 전략', '멱등성', '백필', '파이프라인 오케스트레이션', 'Dagster', 'Prefect' 등 파이프라인 스케줄링 시 이 스킬을 사용한다. scheduler-engineer의 DAG 설계 역량을 강화한다. 단, 데이터 품질 규칙 정의나 모니터링 대시보드는 이 스킬의 범위가 아니다.
데이터 파이프라인의 수집, 변환, 적재, 품질검증, 모니터링을 에이전트 팀이 협업하여 설계·구현하는 풀 파이프라인. '데이터 파이프라인 설계해줘', 'ETL 파이프라인 구축', '데이터 수집 자동화', '데이터 웨어하우스 파이프라인', 'ELT 설계', '배치 파이프라인', '스트리밍 파이프라인', 'Airflow DAG 만들어줘', 'dbt 모델 설계', '데이터 품질 검증 체계' 등 데이터 파이프라인 설계·구축 전반에 이 스킬을 사용한다. 기존 파이프라인의 품질 검증이나 모니터링만 필요한 경우에도 지원한다. 단, 실시간 스트리밍 엔진(Flink/Spark Streaming) 직접 실행, 클라우드 인프라 프로비저닝, 데이터베이스 관리자(DBA) 업무는 이 스킬의 범위가 아니다.
데이터 품질 차원(정확성, 완전성, 적시성, 일관성 등)별 검증 규칙 설계와 Great Expectations, dbt tests 등의 도구 활용 가이드. '데이터 품질', '검증 규칙', 'Great Expectations', 'dbt test', '데이터 프로파일링', '이상 탐지', '데이터 계약' 등 데이터 품질 관리 시 이 스킬을 사용한다. data-quality-manager의 품질 검증 역량을 강화한다. 단, 파이프라인 스케줄링이나 전체 아키텍처 설계는 이 스킬의 범위가 아니다.
피처 엔지니어링 기법 카탈로그: 수치형/범주형/시계열/텍스트 변환, 피처 선택, 피처 스토어 설계. '피처 엔지니어링', '특성 공학', '변수 변환', '인코딩', '스케일링', '피처 선택', '피처 스토어', '피처 중요도' 등 데이터 전처리 및 피처 설계 시 이 스킬을 사용한다. data-engineer의 피처 엔지니어링 역량을 강화한다. 단, 모델 설계나 학습 관리는 이 스킬의 범위가 아니다.
데이터 마이그레이션의 소스 분석, 스키마 매핑, 변환 스크립트 생성, 검증 쿼리 설계, 롤백 계획을 에이전트 팀이 협업하여 수행하는 풀 마이그레이션 파이프라인. '데이터 마이그레이션', 'DB 이관', '데이터 이전', '스키마 변환', '데이터베이스 이관 계획', 'ETL 스크립트', '데이터 이행', 'DB 마이그레이션 검증', '시스템 전환' 등 데이터 마이그레이션 전반에 이 스킬을 사용한다. 단, 실시간 CDC 스트리밍 구축, 클라우드 인프라 프로비저닝, 애플리케이션 코드 마이그레이션은 이 스킬의 범위가 아니다.
RAG 파이프라인의 문서 청킹 전략을 체계적으로 설계하는 방법론. '청킹 전략', '문서 분할', 'RAG 청킹', '임베딩 최적화', '시맨틱 청킹', '텍스트 분할' 등 RAG 데이터 전처리 시 사용한다. 단, 벡터 DB 인프라 구축, 임베딩 모델 학습은 이 스킬의 범위가 아니다.
A specialized skill for the sns-strategist and visual-planner agents covering platform algorithms. Provides how recommendation algorithms work and reach optimization strategies for Instagram, TikTok, LinkedIn, and X. Use for 'algorithm,' 'reach rate,' 'exposure optimization,' 'feed algorithm,' and similar topics.
Database normalization/denormalization pattern library. An extension skill for data-modeler that provides 1NF-BCNF criteria, functional dependency analysis, step-by-step normalization procedures, strategic denormalization patterns, and common domain ERD templates. Use when data modeling involves 'normalization', 'denormalization', 'ERD patterns', 'functional dependencies', 'table splitting', 'relationship design', etc. Note: DDL generation and query optimization are outside the scope of this skill.
Feature engineering techniques catalog: numeric/categorical/time-series/text transformations, feature selection, feature store design. Use this skill for data preprocessing and feature design involving 'feature engineering', 'variable transformation', 'encoding', 'scaling', 'feature selection', 'feature store', 'feature importance', etc. Enhances the data-engineer's feature engineering capabilities. Note: model design and training management are outside this skill's scope.
A full ML pipeline where an agent team collaborates to perform data preparation, model design, training, evaluation, and deployment readiness. Use this skill for 'design an ML experiment', 'train a model', 'machine learning project', 'build a deep learning model', 'classification model', 'regression model', 'data preprocessing', 'model evaluation', 'hyperparameter tuning', 'MLOps setup', 'XGBoost model', 'PyTorch model', and other ML experiment tasks. Supports data-preprocessing-only or evaluation-only requests as well. Note: model serving infrastructure (SageMaker/Vertex AI) direct deployment, large-scale distributed training cluster management, and real-time inference service operation are outside this skill's scope.
ML model selection matrix by problem type, hyperparameter tuning strategies, and ensemble methodology guide. Use this skill for ML model selection and design involving 'model selection', 'algorithm comparison', 'hyperparameter tuning', 'Optuna', 'ensemble', 'XGBoost vs LightGBM', 'model comparison', 'cross-validation', etc. Enhances the model-designer and evaluation-analyst's model design capabilities. Note: data preprocessing and training infrastructure management are outside this skill's scope.
Methodology for systematically evaluating and optimizing LLM prompt quality. Use this skill for 'prompt optimization', 'prompt improvement', 'guardrail design', 'prompt debugging', 'few-shot optimization', 'system prompt design', and other prompt quality improvement tasks. Note: LLM model fine-tuning and model weight modification are outside the scope of this skill.
A specialized skill providing CEFR (Common European Framework of Reference) language proficiency assessment matrices and diagnostic tools. Used by the level-assessor agent for precise per-skill level diagnosis and learning gap analysis. Automatically applied in contexts such as 'CEFR level', 'level test', 'language proficiency assessment', 'A1-C2', 'per-skill diagnosis'. However, official exam certification issuance and formal CEFR certification are outside the scope of this skill.
A specialized skill for systematically classifying error patterns and constructing concept deficit maps. Used by error-analyst and diagnostician agents when analyzing learner error data to diagnose root causes and develop customized remediation strategies. Automatically applied in contexts such as 'error patterns', 'wrong answer analysis', 'concept deficits', 'weakness analysis', 'error types'. However, psychological testing and learning disability diagnosis are outside the scope of this skill.
A specialized skill for building KSA (Knowledge, Skill, Ability) taxonomies in job analysis and mapping them to NCS/O*NET standards. Used by the job-analyst and competency-architect agents when writing job descriptions and systematically classifying competencies. Automatically applied in contexts involving 'KSA analysis,' 'job description,' 'NCS,' 'O*NET,' 'task analysis,' or 'competency classification system.' Note: actual NCS system access or HR system data integration is outside the scope of this skill.
MQM(Multidimensional Quality Metrics) 기반 번역 품질 평가 프레임워크, 오류 분류 체계, 심각도 가중치, 점수 산출 공식을 제공하는 quality-reviewer 확장 스킬. 'MQM 평가', '번역 품질 점수', '오류 분류', '번역 QA', '품질 메트릭' 등 번역 품질의 정량적 검증이 필요할 때 사용한다. 단, 번역 자체 수행이나 현지화 적용은 이 스킬의 범위가 아니다.
데이터베이스 정규화/비정규화 패턴 라이브러리. 1NF~BCNF 판별 기준, 함수 종속성 분석, 정규화 단계별 변환 절차, 전략적 비정규화 패턴, 공통 도메인 ERD 템플릿을 제공하는 data-modeler 확장 스킬. '정규화', '비정규화', 'ERD 패턴', '함수 종속성', '테이블 분리', '관계 설계' 등 데이터 모델링 시 사용한다. 단, DDL 생성이나 쿼리 최적화는 이 스킬의 범위가 아니다.
ML 실험의 데이터 준비, 모델 설계, 학습, 평가, 배포 준비를 에이전트 팀이 협업하여 수행하는 풀 ML 파이프라인. 'ML 실험 설계해줘', '모델 학습해줘', '머신러닝 프로젝트', '딥러닝 모델 만들어줘', '분류 모델', '회귀 모델', '데이터 전처리', '모델 평가', '하이퍼파라미터 튜닝', 'MLOps 설정', 'XGBoost 모델', 'PyTorch 모델' 등 ML 실험 전반에 이 스킬을 사용한다. 데이터 전처리만 필요하거나 모델 평가만 필요한 경우에도 지원한다. 단, 모델 서빙 인프라(SageMaker/Vertex AI) 직접 배포, 대규모 분산 학습 클러스터 관리, 실시간 추론 서비스 운영은 이 스킬의 범위가 아니다.
ML 문제 유형별 모델 선택 매트릭스, 하이퍼파라미터 튜닝 전략, 앙상블 방법론 가이드. '모델 선택', '알고리즘 비교', '하이퍼파라미터 튜닝', 'Optuna', '앙상블', 'XGBoost vs LightGBM', '모델 비교', '교차 검증' 등 ML 모델 선택 및 설계 시 이 스킬을 사용한다. model-designer와 evaluation-analyst의 모델 설계 역량을 강화한다. 단, 데이터 전처리나 학습 인프라 관리는 이 스킬의 범위가 아니다.
CEFR(유럽공통참조기준) 기반 언어 능력 평가 매트릭스와 진단 도구를 제공하는 전문 스킬. level-assessor 에이전트가 학습자의 영역별 레벨을 정밀 진단하고 학습 갭을 분석할 때 활용한다. 'CEFR 레벨', '레벨 테스트', '언어 능력 평가', 'A1-C2', '영역별 진단' 등의 맥락에서 자동 적용한다. 단, 공인 시험 인증서 발급이나 공식 CEFR 인증은 이 스킬의 범위가 아니다.
외국어 학습 풀 파이프라인. 레벨 테스트→커리큘럼 설계→레슨 생성→퀴즈 출제→복습 관리를 에이전트 팀이 협업하여 제공한다. '영어 공부', '일본어 학습', '외국어 배우기', '언어 학습', '영어 문법', '회화 연습', '레벨 테스트', '어휘 암기', '영어 독학', '중국어 입문', 'TOEIC 준비', '영어 회화' 등 외국어 학습 전반에 이 스킬을 사용한다. 특정 영역만 학습하는 것도 지원한다. 단, 실시간 음성 대화(STT/TTS), 원어민 매칭, 공인 시험 응시 대행은 이 스킬의 범위가 아니다.
토론 논증 구축에 필요한 Toulmin 논증 모델, 증거 유형 분류, 반박 전략을 체계적으로 제공하는 전문 스킬. pro-debater와 con-debater가 견고한 논증을 구축하고 상대 논거를 효과적으로 반박할 때 활용한다. '논증 구조', 'Toulmin 모델', '논거 구축', '반박 전략', '증거 유형', '논증 강화' 등의 맥락에서 자동 적용한다. 단, 법률적 변론이나 학술 논문의 논증 구조 작성은 이 스킬의 범위가 아니다.
직무 분석에서 KSA(Knowledge, Skill, Ability) 체계를 구축하고 NCS/O*NET 표준과 매핑하는 전문 스킬. job-analyst와 competency-architect가 직무기술서를 작성하고 역량을 체계적으로 분류할 때 활용한다. 'KSA 분석', '직무기술서', 'NCS', 'O*NET', '과업 분석', '역량 분류 체계' 등의 맥락에서 자동 적용한다. 단, 실제 NCS 시스템 접속이나 인사 시스템 데이터 연동은 이 스킬의 범위가 아니다.
소득공제·세액공제 항목을 최적 조합으로 극대화하는 공제 최적화 엔진. 'deduction-optimizer' 에이전트가 공제 항목을 분석하고 최적 조합을 도출할 때 이 스킬의 공제 한도표, 우선순위 알고리즘, 시뮬레이션 방법을 반드시 활용해야 한다. '공제 최적화', '세액공제 극대화', '연말정산 시뮬레이션' 등에 사용한다. 단, 소득 분류나 세액 계산은 이 스킬의 범위가 아니다.
