Was macht AI-research-feedback?
Eine Sammlung von Claude Code-Fähigkeiten für die akademische Forschungsbewertung. Diese Werkzeuge wurden von Claes Bäckman entwickelt.
Eine Sammlung von Claude Code-Fähigkeiten für die akademische Forschungsbewertung. Entwickelt von Claes Bäckman.
Diese Sammlung bietet Claude Code-Fähigkeiten, die speziell für die akademische Forschungsbewertung entwickelt wurden. Sie unterstützt Forscher und Studierende dabei, wissenschaftliche Arbeiten systematisch zu überprüfen, Feedback zu generieren und Qualitätsaspekte zu bewerten. Die Werkzeuge sind in Claude Code integriert und nutzen KI-gestützte Analysen, um relevante Aspekte wie Methodik, Argumentation, Quellenangaben und Schlussfolgerungen zu untersuchen. Entwickelt von Claes Bäckman, zielen diese Skills darauf ab, den Peer-Review-Prozess zu beschleunigen und konsistente, objektive Rückmeldungen zu ermöglichen.
npx skills add claesbackman/AI-research-feedbackInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Eine Sammlung von Claude Code-Fähigkeiten für die akademische Forschungsbewertung. Diese Werkzeuge wurden von Claes Bäckman entwickelt.
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.