紫苏叶方法 Perilla-Leaf Method · Allgemeine „Beweis → Schlussfolgerung“-Urteilsmethode für Claude – beurteile alles (gut/schlecht, A vs. B) durch Verkettung von Beweisen und Schlussfolgerungen, mit minimalem HTML-Diagramm des Argumentationspfads.
Diese Claude-Skill namens „Perilla-Leaf Method“ bietet eine strukturierte „Beweis → Schlussfolgerung“-Urteilsmethode, mit der nahezu jede binäre oder vergleichende Frage (gut/schlecht, A vs. B) beantwortet werden kann. Sie ist besonders nützlich für Entwickler und KI-Agenten-Nutzer, die transparente, nachvollziehbare Entscheidungen benötigen. Die Skill unterstützt Claude (und ähnliche KI-Plattformen) und funktioniert, indem sie zuerst relevante Beweise sammelt, diese logisch zu Schlussfolgerungen verknüpft und schließlich ein minimales HTML-Diagramm des Argumentationspfads generiert. Dieses Diagramm visualisiert den gesamten Denkprozess von der Evidenz bis zur endgültigen Bewertung, was die Überprüfbarkeit und das Vertrauen in die KI-Entscheidungen erhöht.
npx skills add huangguang1999/perilla-leaf-methodInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
紫苏叶方法 Perilla-Leaf Method · Allgemeine „Beweis → Schlussfolgerung“-Urteilsmethode für Claude – beurteile alles (gut/schlecht, A vs. B) durch Verkettung von Beweisen und Schlussfolgerungen, mit minimalem HTML-Diagramm des Argumentationspfads
Quelle: https://github.com/huangguang1999/perilla-leaf-method
Übermittelt: 2026-06-02T05:59:42Z
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.