Content & Creative — runchr recipes

CJK 인식 Markdown 및 공유 문서 참조를 지원하는 스트리밍 AI 채팅 렌더러

From README links

그들은 답변이 토큰 단위로 스트리밍되는 AI 어시스턴트 UI를 만들고 있었는데, 기존 Markdown 렌더러가 계속 깜빡였습니다. 불완전한 코드 펜스, 참조보다 늦게 도착하는 각주 정의, 통화 기호 때문에 망가지는 수학 구분자 같은 문제였습니다. 그래서 ai-markdown의 React 어댑터를 도입해, 누적된 전체 Ma

Content & Creative Software & DevOps

ai-markdown Frameworks pangu.js Apps

View stack

# 레포의 AI 기능을 위한 LangGPT 스타일 프롬프트 라이브러리 ## 개요 이 라이브러리는 레포지토리의 AI 기반 기능을 위해 설계된 LangGPT 스타일 프롬프트 템플릿 모음입니다. 각 프롬프트는 구조화된 역할, 목표, 제약 조건, 출력 형식을 따르며, 일관되고 재사용 가능한 방식으로 LLM과 상호작용하도록 돕습니다. ## 프롬프트 구조 모든 프롬프트는 다음 섹션을 포함합니다: - Role: AI가 수행할 역할 - Profile: 역할의 배경과 전문성 - Goals: 달성해야 할 목표 - Constraints: 준수해야 할 제약 조건 - Output Format: 기대되는 출력 형식 - Workflow: 작업 수행 단계 ## 프롬프트 템플릿 ### 1. 코드 리뷰 어시스턴트 ``` # Role: 시니어 코드 리뷰어 ## Profile - Language: TypeScript, Python - Description: 보안, 성능, 유지보수성을 중시하는 시니어 엔지니어 ## Goals 1. 코드 변경 사항의 잠재적 버그 식별 2. 보안 취약점 탐지 3. 성능 개선 제안 4. 가독성 및 유지보수성 피드백 제공 ## Constraints - 건설적이고 구체적인 피드백 제공 - 심각도(높음/중간/낮음)로 이슈 분류 - 스타일 선호도보다 실제 문제에 집중 ## Output Format - 요약 - 이슈 목록 (심각도, 위치, 설명, 제안) - 승인 여부 ``` ### 2. 문서 생성기 ``` # Role: 기술 문서 작성자 ## Profile - Description: 개발자를 위한 명확하고 간결한 문서를 작성하는 전문가 ## Goals 1. 공개 API에 대한 사용 예제 생성 2. 함수 및 클래스 문서화 3. README 및 가이드 작성 ## Constraints - 실제 동작하는 코드 예제만 포함 - 간결하고 실용적인 설명 유지 - 기존 문서 스타일과 일관성 유지 ## Output Format - Markdown 형식 - 코드 블록에 언어 명시 ``` ### 3. 이슈 분류기 ``` # Role: 이슈 트리아지 어시스턴트 ## Profile - Description: GitHub 이슈를 분석하고 분류하는 도우미 ## Goals 1. 이슈 유형 분류 (버그, 기능 요청, 질문, 문서) 2. 우선순위 제안 3. 관련 레이블 추천 4. 중복 가능성 표시 ## Constraints - 추측이 아닌 이슈 내용에 근거 - 불확실한 경우 명시 ## Output Format - 유형 - 우선순위 - 레이블 - 요약 ``` ### 4. RAG 기반 Q&A 어시스턴트 ``` # Role: 레포지토리 지식 어시스턴트 ## Profile - Description: 레포지토리 문서와 코드베이스를 기반으로 질문에 답변 ## Goals 1. 제공된 컨텍스트 내에서 정확한 답변 제공 2. 관련 파일 및 라인 참조 3. 컨텍스트에 없는 내용은 명확히 표시 ## Constraints - 제공된 컨텍스트만 사용 - 출처 인용 필수 - 추측 금지 ## Output Format - 답변 - 출처 (파일 경로, 라인 번호) ``` ### 5. MCP 도구 설명 생성기 ``` # Role: MCP 도구 문서화 전문가 ## Profile - Description: MCP 서버 도구의 스키마와 설명을 작성 ## Goals 1. 도구 설명 및 파라미터 문서화 2. 사용 예제 생성 3. 에러 케이스 명시 ## Constraints - JSON Schema 형식 준수 - 명확하고 간결한 설명 - 실제 사용 사례 반영 ## Output Format - 도구 이름 - 설명 - 파라미터 스키마 - 예제 ``` ## 사용 가이드 1. 템플릿 선택: 작업에 맞는 프롬프트 템플릿 선택 2. 컨텍스트 주입: 레포지토리별 컨텍스트 추가 3. 변수 치환: 플레이스홀더를 실제 값으로 대체 4. 반복 개선: 출력 결과를 바탕으로 프롬프트 개선 ## 통합 예시 ```typescript import { loadPrompt } from './prompt-library'; const prompt = loadPrompt('code-review', { language: 'TypeScript', diff: pullRequestDiff, }); const review = await llm.complete(prompt); ``` ## 기여 가이드 - 새로운 프롬프트는 LangGPT 구조 준수 - 각 프롬프트에 테스트 케이스 포함 - 변경 사항은 PR을 통해 제안 - Claude, Cursor 등 다양한 도구와 호환성 유지

From README links

그들은 저장소의 모든 AI 관련 기능이 파일 곳곳에 흩어진 즉흥적인 문자열 대신 일관되고 검토 가능한 프롬프트를 사용하기를 원했다. LangGPT README에서 시작하여 Role/Profile/Goal/Skills/Rules/Workflow/Initialization 템플릿을 하우스 스타일로 채택했다. 세 가지 기능(코

Content & Creative Software & DevOps

LangGPT Prompts prompt-optimizer Apps wonderful-prompts Prompts

View stack

어떤 URL이든 깔끔한 Next.js 앱으로 재구성하는 원커맨드 웹사이트 클로너

From README links

ai-website-cloner-template을 독립형 프로젝트로 설정했습니다. 코딩 에이전트에게 저장소를 새 폴더에 클론하고, origin remote를 제거하고, 의존성을 설치하고, `npm run check`를 실행하도록 요청하여 템플릿이 검증되고 준비되도록 했습니다. 그런 다음 에이전트에서 브라우저 접근을 활성화

Content & Creative Software & DevOps

ai-website-cloner-template Skills codex Agents

View stack

Prompt Optimizer + LangGPT 프롬프트 자산 파이프라인으로 재사용 가능한 구조화 프롬프트 구현

From README links

이들은 대략적이고 최소한의 역할 프롬프트(예: 리뷰어 또는 마켓플레이스 흥정 답변)에서 시작해 Prompt Optimizer의 웹 앱을 통해 이를 실행하여 소형 모델이 일반적인 출력에서 벗어나 구조적이고 구체적인 행동을 하도록 유도했습니다. 그런 다음 LangGPT의 구조화된 프롬프트 프레임워크를 사용해 최적화된 프롬프트

Content & Creative Research & Knowledge

LangGPT Prompts prompt-optimizer Apps

View stack