Was macht catalyst?
Token-effizienter Claude Code-Arbeitsbereich mit parallelen Agenten und persistentem Speicher. Arbeitsablauf: Recherchieren → Planen → Implementieren → Validieren.
Token-effizienter Claude Code-Arbeitsbereich mit parallelen Agenten und persistentem Speicher. Arbeitsablauf: Recherchieren → Planen → Implementieren → Validieren.
Dieses Skill ermöglicht einen hocheffizienten Arbeitsbereich für Claude Code, der parallele Agenten und persistenten Speicher nutzt, um Token zu sparen und komplexe Arbeitsabläufe zu unterstützen. Es ist besonders nützlich für Entwickler, die iterative Prozesse wie Recherche, Planung, Implementierung und Validierung nahtlos in einem einzigen Workspace durchführen möchten. Das Skill unterstützt die gleichzeitige Ausführung mehrerer Agenten, die unabhängig voneinander Aufgaben bearbeiten können, während ein gemeinsamer, dauerhafter Speicher den Kontext und Zwischenergebnisse bewahrt. Dadurch werden Redundanzen vermieden und die Token-Effizienz maximiert, was insbesondere bei großen Projekten oder langlaufenden Entwicklungszyklen von Vorteil ist. Der strukturierte Workflow führt den Benutzer von der anfänglichen Recherche über die Planung und Implementierung bis hin zur Validierung, wobei jeder Schritt durch die parallele Agentenausführung beschleunigt wird. Das Skill ist auf Claude Code zugeschnitten und integriert sich nahtlos in dessen Ökosystem, um eine konsistente und produktive Entwicklungsumgebung zu bieten.
npx skills add coalesce-labs/catalystInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Token-effizienter Claude Code-Arbeitsbereich mit parallelen Agenten und persistentem Speicher. Arbeitsablauf: Recherchieren → Planen → Implementieren → Validieren.
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.