Optimiert Texte, Prompts und Dokumentationen für die LLM-Token-Effizienz. Wendet 41 forschungsgestützte Regeln in 6 Kategorien an: Claude-Verhalten, Token-Effizienz, Struktur, Referenzintegrität, Wahrnehmung und LLM-Verständnis. Verwenden Sie es zur Optimierung von Prompts, Reduzierung von Tokens, Komprimierung ausführlicher Dokumentationen oder Verbesserung der LLM-Instruktionsqualität.
Diese Fähigkeit (Skill) `kochetkov-ma/text-optimizer` ist ein spezialisiertes Tool für KI-Agenten wie Claude Code, Cursor oder Codex, das darauf ausgelegt ist, Texte, Prompts und Dokumentationen effizienter für Large Language Models (LLMs) zu gestalten. Es reduziert die Token-Anzahl, ohne die semantische Bedeutung zu verlieren, und verbessert gleichzeitig die Klarheit und Struktur der Anweisungen. Der Optimizer stützt sich auf 41 forschungsbasierte Regeln, die in sechs Kategorien unterteilt sind: Claude-spezifisches Verhalten (z. B. zur Vermeidung von Overthinking), Token-Effizienz (durch Entfernung unnötiger Füllwörter), Verbesserung der Textstruktur, Sicherstellung der Referenzintegrität (z. B. korrekte Zitate), Wahrnehmung (Hervorhebung wichtiger Aspekte) und allgemeines LLM-Verständnis (z. B. durch klarere Formulierungen). Das Tool ist besonders nützlich für Entwickler, die ausführliche Dokumentationen komprimieren, Benutzer-Prompts optimieren oder die allgemeine Qualität von LLM-Instruktionen steigern möchten. Es wird über ein `optimize`-Kommando oder als wiederverwendbare Funktion in Agenten-Plattformen bereitgestellt.
npx skills add https://github.com/kochetkov-ma/claude-brewcode/tree/main/skills/text-optimizerInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Optimiert Texte, Prompts und Dokumentationen für die LLM-Token-Effizienz. Wendet 41 forschungsgestützte Regeln in 6 Kategorien an: Claude-Verhalten, Token-Effizienz, Struktur, Referenzintegrität, Wahrnehmung und LLM-Verständnis. Verwenden Sie es zur Optimierung von Prompts, Reduzierung von Tokens, Komprimierung ausführlicher Dokumentationen oder Verbesserung der LLM-Instruktionsqualität.
This repo contains 1 individual skill — each has its own dedicated page.
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.