メニュー
AWS Well-Architected Performance Efficiency Pillar review. Checks resource selection, scaling, caching, and monitoring configurations in IaC code.
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
SOC 職業分類に基づく
| name | aws-wa-performance |
| description | AWS Well-Architected Performance Efficiency Pillar review. Checks resource selection, scaling, caching, and monitoring configurations in IaC code. |
리소스 효율, 적정 규모, 성능 모니터링 관점에서 IaC 코드를 검토합니다.
| 심각도 | 탐지 유형 |
|---|---|
| Medium | 자동 탐지 |
검토 내용: 구세대 인스턴스 사용 여부 확인
구세대 인스턴스 목록:
Terraform 패턴:
# 취약 - 구세대 인스턴스
resource "aws_instance" "bad" {
instance_type = "t2.micro"
}
# 안전 - 현세대 인스턴스
resource "aws_instance" "good" {
instance_type = "t3.micro"
}
| 심각도 | 탐지 유형 |
|---|---|
| Low | 자동 탐지 |
검토 내용: ARM 기반 Graviton 인스턴스 사용 권장
Graviton 인스턴스:
Terraform 패턴:
# 권장 - Graviton 인스턴스 (비용 효율적, 에너지 효율적)
resource "aws_instance" "good" {
instance_type = "t4g.micro"
}
| 심각도 | 탐지 유형 |
|---|---|
| Medium | 자동 탐지 |
검토 내용: ElastiCache, CloudFront 등 캐싱 레이어 존재 여부 확인
Terraform 패턴:
# 권장 - ElastiCache 사용
resource "aws_elasticache_cluster" "redis" {
cluster_id = "my-cache"
engine = "redis"
node_type = "cache.t3.micro"
num_cache_nodes = 1
}
# 권장 - CloudFront 사용
resource "aws_cloudfront_distribution" "cdn" {
enabled = true
# ...
}
| 심각도 | 탐지 유형 |
|---|---|
| Medium | 자동 탐지 |
검토 내용: RDS 인스턴스 크기, IOPS 설정 확인
Terraform 패턴:
# 고성능 요구 시 - Provisioned IOPS
resource "aws_db_instance" "high_perf" {
instance_class = "db.r5.large"
storage_type = "io1"
iops = 3000
allocated_storage = 100
}
| 심각도 | 탐지 유형 |
|---|---|
| Medium | 자동 탐지 |
검토 내용: Lambda 메모리, 타임아웃 적정성 확인
Terraform 패턴:
# 검토 필요 - 과도한 타임아웃
resource "aws_lambda_function" "review" {
memory_size = 128
timeout = 900 # 15분 - 정말 필요한가?
}
# 권장 - 적절한 설정
resource "aws_lambda_function" "good" {
memory_size = 256
timeout = 30
}
| 심각도 | 탐지 유형 |
|---|---|
| Low | 자동 탐지 |
검토 내용: 워크로드에 적합한 EBS 볼륨 타입 사용 여부
볼륨 타입 권장:
| 심각도 | 탐지 유형 |
|---|---|
| Medium | 자동 탐지 |
검토 내용: Enhanced Monitoring, Performance Insights 활성화 여부
Terraform 패턴:
# 권장 - Performance Insights 활성화
resource "aws_db_instance" "good" {
performance_insights_enabled = true
monitoring_interval = 60 # Enhanced Monitoring
monitoring_role_arn = aws_iam_role.rds_monitoring.arn
}
상세 패턴은 다음 참조:
| 항목 | 가중치 |
|---|---|
| 인스턴스 세대 | 20% |
| Graviton 사용 | 10% |
| 캐싱 레이어 | 25% |
| RDS 성능 | 20% |
| Lambda 설정 | 15% |
| 성능 모니터링 | 10% |
Karpathy LLM Wiki 패턴 구현. 프로젝트 문서(스펙/ADR/회의록)를 wiki/raw/에 모으고 LLM이 컴파일하여 wiki/에 교차참조 마크다운 위키를 생성·갱신. qmd 설치 시 하이브리드 검색 자동 활성, 미설치 시 INDEX.md 라우팅으로 graceful degrade. LanceDB 선택적 벡터 인덱스. Obsidian 호환. 하위 명령 - init, ingest, query, lint, sync, export, qmd-index, lancedb-sync.
Intent Document(INTENT.md) 생성 및 관리 스킬. 프로젝트의 의도를 Why/What/Not/Learnings로 문서화하고, 탐구와 학습을 통해 의도를 진화시키는 생명주기를 관리한다. 반드시 사용해야 하는 경우: "intent document", "INTENT.md", "intent engineering", "프로젝트 의도 정리", "왜 만드는지 정리", "프로젝트 목적 문서화", "What/Why/Not 정리", "프로젝트 방향 잡기", "피벗", "프로젝트 종료 판단" 등을 언급하거나, 새 프로젝트를 시작하면서 방향을 잡고 싶다고 할 때. 기존 INTENT.md를 수정하거나 학습 결과를 기록하고 싶을 때도 이 스킬을 사용한다.
AWS always-on 아키텍처(EC2/ALB/ECS/RDS)를 서버리스+Spot 패턴으로 이행할 때 사용. 워크로드 분류, 트레이드오프 평가, 단계별 이행 계획 생성. 구현 how-to는 sagemaker-spot-training 등 후속 스킬로 위임. 트리거 예 - "서버리스 이행", "EC2에서 Lambda로", "Spot 이행", "serverless migration", "ALB에서 API Gateway", "비용 절감 이행".
Guide for running cost-effective ML training on SageMaker Managed Spot Training. Use this skill when setting up GPU training jobs, choosing instance types/regions, debugging Spot capacity issues, or optimizing SageMaker training costs.
AWS Well-Architected Cost Optimization Pillar review. Checks resource sizing, scaling, storage classes, and cost monitoring configurations in IaC code.
AWS Well-Architected Operational Excellence Pillar review. Checks monitoring, logging, deployment automation, and continuous improvement practices in IaC code.