Agentisches Q&A-System, das LangGraph und IBM Watsonx für die Multi-Agenten-Orchestrierung nutzt. Es bietet autonomes Routing, Reflexionsschleifen und Selbstkorrektur, um verifizierte Ergebnisse zu gewährleisten. Enthält hochpräzises Parsing via Docling und hybrides Retrieval (BM25 + ChromaDB) für anspruchsvolle, unternehmensreife Dokumentenintelligenz.
Dieses Skill, fvalerii/agentic-langgraph-rag, ist ein agentisches Frage-Antwort-System, das für Entwickler und KI-Agenten-Nutzer entwickelt wurde, die fortschrittliche Dokumentenintelligenz benötigen. Es orchestriert mehrere KI-Agenten mithilfe von LangGraph und IBM Watsonx und bietet autonomes Routing von Anfragen, Reflexionsschleifen zur Qualitätssicherung und Selbstkorrekturmechanismen für verifizierte Ausgaben. Die Plattform unterstützt unter anderem Claude Code, Cursor und Codex und zeichnet sich durch hochpräzises Dokumenten-Parsing mit Docling sowie hybrides Retrieval aus, das BM25 und ChromaDB kombiniert. Dies ermöglicht eine effiziente und genaue Informationsgewinnung aus komplexen Unternehmensdokumenten, was es ideal für Produktivitätssteigerung und Wissensmanagement in professionellen Umgebungen macht.
npx skills add fvalerii/agentic-langgraph-ragInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Agentisches Q&A-System, das LangGraph und IBM Watsonx für die Multi-Agenten-Orchestrierung nutzt. Es bietet autonomes Routing, Reflexionsschleifen und Selbstkorrektur, um verifizierte Ergebnisse zu gewährleisten. Enthält hochpräzises Parsing via Docling und hybrides Retrieval (BM25 + ChromaDB) für anspruchsvolle, unternehmensreife Dokumentenintelligenz.
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.