Dieses Paket überträgt die nützlichen Teile der Hermes-artigen Selbstverbesserung in native Codex-Fähigkeiten. Es verändert keine Modellgewichte, sondern baut einen überprüfbaren externen Lernkreislauf auf, der Codex-Fähigkeiten, lokale Erinnerungsdateien, Zusammenfassungen von Durchläufen, Sessionsuche und optionale Automatisierungen nutzt.
Diese Fähigkeit ermöglicht es einem KI-Agenten (z. B. Codex), aus früheren Arbeitsergebnissen zu lernen, indem sie die Kernmechanismen des Hermes-Selbstverbesserungsansatzes in native Codex-Fähigkeiten überführt. Anstatt Modellgewichte zu verändern, erstellt sie einen externen, überprüfbaren Lernkreislauf. Der Agent kann mithilfe lokaler Speicherdateien, Zusammenfassungen von Durchläufen und einer Sessionsuche frühere Arbeiten durchsuchen, um relevante Muster und Erkenntnisse zu identifizieren. Diese Erkenntnisse werden dann als explizite, überprüfbare Lektionen aufgezeichnet und in zukünftigen Sitzungen automatisch abgerufen, um die Leistung des Agenten kontinuierlich zu verbessern, ohne das Basismodell zu verändern. Dies ist besonders nützlich für Entwickler und Benutzer, die ihre Codierungs-KI konsistent durch Erfahrung verbessern möchten.
npx skills add boli42338-creator/codex-searching-past-work-capturing-lessons.improving-codex-skills-building-user-modelInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Dieses Paket überträgt die nützlichen Teile der Hermes-artigen Selbstverbesserung in native Codex-Fähigkeiten. Es verändert keine Modellgewichte, sondern baut einen überprüfbaren externen Lernkreislauf auf, der Codex-Fähigkeiten, lokale Erinnerungsdateien, Zusammenfassungen von Durchläufen, Sessionsuche und optionale Automatisierungen nutzt.
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.