MCP HubMCP Hub
SKILL·669EFE

next-intl-add-language

github
업데이트됨 2 months ago
10 조회
25,294
2,903
25,294
GitHub에서 보기
기타general

정보

이 Claude Skill은 next-intl을 사용한 국제화를 위해 Next.js 애플리케이션에 새로운 언어를 자동으로 추가합니다. JSON 파일 번역과 라우팅, 미들웨어, UI 컴포넌트 업데이트 과정을 개발자에게 안내합니다. 적절한 i18n 구성을 유지하면서 앱의 언어 지원을 확장해야 할 때 사용하세요.

빠른 설치

Claude Code

추천
기본
npx skills add github/awesome-copilot -a claude-code
플러그인 명령대체
/plugin add https://github.com/github/awesome-copilot
Git 클론대체
git clone https://github.com/github/awesome-copilot.git ~/.claude/skills/next-intl-add-language

Claude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요

GitHub 저장소

github/awesome-copilot
경로: skills/next-intl-add-language
0
agent-skillsagentsaiawesomecustom-agentsgithub-copilot
FAQ

자주 묻는 질문

next-intl-add-language Skill이란 무엇인가요?

next-intl-add-language은(는) github이(가) 만든 Claude Skill입니다. Skill은 Claude가 필요할 때 불러오는 지침과 리소스를 묶어 추가 프롬프트 없이 next-intl-add-language 관련 작업을 수행할 수 있게 합니다.

next-intl-add-language은(는) 어떻게 설치하나요?

이 페이지의 설치 명령을 사용하세요. next-intl-add-language을(를) Claude Code 플러그인으로 추가하거나 저장소를 skills 디렉터리에 복제한 다음 Claude를 다시 시작해 Skill을 불러옵니다.

next-intl-add-language은(는) 어떤 카테고리에 속하나요?

next-intl-add-language은(는) 기타 카테고리에 속합니다.

next-intl-add-language은(는) 무료로 사용할 수 있나요?

네. next-intl-add-language은(는) AIMCP에 등록되어 있으며 무료로 설치할 수 있습니다.

연관 스킬

llamaguard
기타

LlamaGuard는 폭력 및 혐오 발언 등 6가지 안전 범주에서 LLM 입력과 출력을 조정하기 위한 Meta의 70-80억 파라미터 모델입니다. 94-95% 정확도를 제공하며 vLLM, Hugging Face 또는 Amazon SageMaker를 사용해 배포할 수 있습니다. 이 기술을 사용하여 AI 애플리케이션에 콘텐츠 필터링 및 안전 가드레일을 손쉽게 통합하세요.

스킬 보기
cost-optimization
기타

이 Claude Skill은 리소스 적정화, 태깅 전략, 지출 분석을 통해 개발자들이 클라우드 비용을 최적화할 수 있도록 지원합니다. AWS, Azure, GCP에서 클라우드 비용을 절감하고 비용 거버넌스를 구현하기 위한 프레임워크를 제공합니다. 인프라 비용을 분석하거나, 리소스를 적정화하거나, 예산 제약을 충족해야 할 때 사용하세요.

스킬 보기
sports-betting-analyzer
기타

이 Claude Skill은 스프레드, 오버/언더, 프로프 베트를 포함한 스포츠 베팅 시장을 분석합니다. 역사적 추이와 상황별 통계를 검토하여 가치 베트를 발견하고, 교육적 목적으로 실행 가능한 권장 사항이 담긴 구조화된 마크다운 결과를 제공합니다. 개발자는 이 기능을 스포츠 베팅 분석 도구에 활용할 수 있으며, 단순히 엔터테인먼트/교육 목적으로만 설계되었음을 유의해야 합니다.

스킬 보기
quantizing-models-bitsandbytes
기타

이 스킬은 bitsandbytes를 사용하여 LLM을 8비트 또는 4비트 정밀도로 양자화하며, 최소한의 정확도 손실로 50-75%의 메모리 감소를 달성합니다. 제한된 GPU 메모리에서 더 큰 모델을 실행하거나 추론을 가속화하는 데 이상적이며, INT8, NF4, FP4와 같은 형식을 지원합니다. 이 스킬은 HuggingFace Transformers와 통합되어 QLoRA 학습 및 8비트 옵티마이저를 가능하게 합니다.

스킬 보기