Ein persönliches KI-Agenten-Framework mit container-isolierten Werkzeugen, Vektorspeicher, dynamischen Sub-Agenten und MCP-Unterstützung. Keine Cloud erforderlich. Inspiriert von OpenClaw.
DeVClaw ist ein persönliches KI-Agenten-Framework, das eine lokale, cloud-freie Umgebung für die Ausführung von KI-Agenten bietet. Es ist inspiriert von OpenClaw und zeichnet sich durch container-isolierte Werkzeuge aus, die Sicherheit und Modularität gewährleisten. Das Framework integriert Vektorspeicher für semantisches Gedächtnis und ermöglicht die dynamische Erstellung von Sub-Agenten, um komplexe Aufgaben zu bewältigen. Zudem unterstützt es das MCP-Protokoll (Model Context Protocol) für erweiterte Interaktionen. Entwickler können es lokal betreiben, ohne auf externe Dienste angewiesen zu sein, was volle Kontrolle über Daten und Workflows bietet. Es wurde im Rahmen der täglichen Suche nach Agenten-Fähigkeiten auf awesomeskills.dev entdeckt.
npx skills add Experimenting-w-building/DeVClawInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Ein persönliches KI-Agenten-Framework mit container-isolierten Werkzeugen, Vektorspeicher, dynamischen Sub-Agenten und MCP-Unterstützung. Keine Cloud erforderlich. Inspiriert von OpenClaw.
Quelle: https://github.com/Experimenting-w-building/DeVClaw
Entdeckt während der täglichen Suche nach Agenten-Fähigkeiten auf awesomeskills.dev.
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.