Was macht aar-skills?
Modulare Fähigkeiten für Forschungsagenten: GPU-Jobs, Überprüfung von Behauptungen. Aus einem funktionierenden autonomen Forschungslabor extrahiert.
Modulare Fähigkeiten für Forschungsagenten: GPU-Jobs, Überprüfung von Behauptungen. Aus einem funktionierenden autonomen Forschungslabor extrahiert.
Dieses Skill-Paket, extrahiert aus einer produktiven autonomen Forschungsumgebung, bietet modulare Fähigkeiten für KI-Agenten in der Forschung. Es umfasst Werkzeuge zum Einreichen und Verwalten von GPU-Jobs sowie zur automatisierten Überprüfung und Verifikation von Behauptungen (Claim Verification). Entwickelt für Agentenplattformen wie Claude Code, Cursor oder Codex, ermöglicht es die Integration von Hochleistungsrechnen und faktischen Prüfungen in den Forschungs-Workflow. Die Skills sind als modulare Komponenten konzipiert, die je nach Anforderung kombiniert werden können, und stammen direkt aus einem realen Forschungssystem, was ihre Praxistauglichkeit unterstreicht.
npx skills add antondelafuente/aar-skillsInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Modulare Fähigkeiten für Forschungsagenten: GPU-Jobs, Überprüfung von Behauptungen. Aus einem funktionierenden autonomen Forschungslabor extrahiert.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.