Forever – ein TypeScript-natives KI-Agenten-Framework für digitales Erbe und emotionale Begleitung. Multi-Agenten-Orchestrierung, einheitlicher LLM-Adapter für über 16 Plattformen, 5 Denkstrategien, RAG-Pipeline, MCP-Unterstützung, graphbasierter Workflow-Engine und Sicherheitsmaßnahmen.
Forever ist ein modernes, in TypeScript geschriebenes Framework für die Entwicklung von KI-Agenten, das speziell für die Schaffung digitaler Vermächtnisse und emotionaler Begleitung konzipiert wurde. Es unterstützt Entwickler bei der Orchestrierung mehrerer Agenten, bietet einen einheitlichen LLM-Adapter, der mit über 16 verschiedenen Plattformen kompatibel ist, und implementiert fünf verschiedene Denkstrategien, um die Entscheidungsfindung zu verbessern. Das Framework enthält eine vollständige RAG-Pipeline (Retrieval-Augmented Generation) für kontextbezogene Antworten, eine MCP-Schnittstelle (Model Context Protocol) für Interoperabilität und eine leistungsstarke, graphbasierte Workflow-Engine zur Visualisierung und Steuerung komplexer Abläufe. Dank der integrierten Sicherheitsmaßnahmen eignet es sich besonders gut für Anwendungen, die sensible persönliche Daten verarbeiten und eine langfristige, vertrauenswürdige Interaktion mit Benutzern erfordern.
npx skills add badhope/foreverInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Forever — ein TypeScript-natives KI-Agenten-Framework für digitales Erbe und emotionale Begleitung. Multi-Agenten-Orchestrierung, einheitlicher LLM-Adapter für über 16 Plattformen, 5 Denkstrategien, RAG-Pipeline, MCP-Unterstützung, graphbasierter Workflow-Engine und Sicherheitsmaßnahmen.
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.