Was macht russian-text-quality?
Analysiere die Qualität russischer Texte mittels automatisierter Prüfungen für i18n, Pluralregeln und CLDR-Standards, um linguistische Genauigkeit sicherzustellen.
Analysiere die Qualität russischer Texte mittels automatisierter Prüfungen für i18n, Pluralregeln und CLDR-Standards, um linguistische Genauigkeit sicherzustellen.
Diese Fähigkeit ermöglicht es KI-Agenten, die Qualität russischer Texte automatisiert zu überprüfen und zu verbessern. Sie konzentriert sich auf drei wesentliche Bereiche: Internationalisierung (i18n), die korrekte Anwendung russischer Pluralregeln und die Einhaltung von CLDR-Standards (Common Locale Data Repository). Entwickler und Lokalisierungsexperten können damit sicherstellen, dass russische Benutzeroberflächen, Nachrichten und Dokumente sprachlich präzise und kulturell angemessen sind. Die Fähigkeit ist als regelbasiertes System implementiert, das Textabschnitte analysiert und spezifische Probleme wie falsche Pluralformen oder inkonsistente Lokalisierung meldet. Sie unterstützt verschiedene Plattformen, darunter Claude Code, Cursor und Codex, und lässt sich nahtlos in CI/CD-Pipelines integrieren. Durch die Automatisierung dieser Prüfungen reduziert die Fähigkeit manuelle Qualitätssicherungsaufwände und verbessert die Konsistenz russischer Textinhalte in Softwareprojekten.
npx skills add Axelendometrial4386/russian-text-qualityInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Analysiere die Qualität russischer Texte mittels automatisierter Prüfungen für i18n, Pluralregeln und CLDR-Standards, um linguistische Genauigkeit sicherzustellen.
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.