Was macht Auto-Research-Skills?
Ein kuratierter Hub für autonome Forschungskompetenzen und Agenten – von der Idee zum Paper, im Autopilot-Modus. | 自主科研技能与智能体精选库 —— 从灵感到论文,全程自动驾驶。
Ein kuratierter Hub für autonome Forschungskompetenzen und Agenten – von der Idee zum Paper, im Autopilot-Modus.
Dieses Skill-Paket, bekannt als „Auto-Research-Skills“, ist ein kuratierter Hub, der speziell für Forscher und Entwickler entwickelt wurde, die KI-Agenten für autonome wissenschaftliche Forschung nutzen möchten. Es integriert eine Reihe von vorgefertigten Fähigkeiten und Agenten, die den gesamten Forschungslebenszyklus abdecken – von der Ideenfindung über die Literaturrecherche bis hin zur Erstellung eines vollständigen wissenschaftlichen Papers. Das Hauptziel ist es, repetitive und zeitaufwändige Schritte im Forschungsprozess zu automatisieren, sodass sich der Nutzer auf höherwertige intellektuelle Arbeit konzentrieren kann. Plattformübergreifend kompatibel mit KI-Agenten wie Claude Code oder Cursor, ermöglicht dieses Skill-Set eine nahtlose Interaktion: Nutzer geben eine grobe Idee oder Fragestellung vor, und der Agent übernimmt Aufgaben wie das Sammeln relevanter Papers, das Extrahieren von Erkenntnissen, das Generieren von Zusammenfassungen und sogar das Schreiben von Manuskripten. Die Skills nutzen moderne NLP-Modelle und strukturierte Workflows, um Konsistenz und wissenschaftliche Genauigkeit zu gewährleisten. Es ist besonders nützlich für interdisziplinäre Teams, die schnell Ergebnisse erzielen möchten, ohne tief in die Codierung einsteigen zu müssen.
npx skills add brycewang-stanford/Auto-Research-SkillsInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Ein kuratierter Hub für autonome Forschungskompetenzen und Agenten – von der Idee zum Paper, im Autopilot-Modus. | 自主科研技能与智能体精选库 —— 从灵感到论文,全程自动驾驶。
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.