Eine strukturierte Denkfähigkeit für KI-Agenten. 5-stufiger Kreislauf (Beobachtung → Hypothese → Beweis → Schlussfolgerung → Verifikation) mit Schwachstellen-Konfidenz, 2-Achsen-Schweregrad und kognitiver Verzerrungsprüfung. Siehe SKILL.md für die Methodik.
Die hyuce/master-brain-Fähigkeit bietet KI-Agenten eine methodische Struktur zur Verbesserung ihrer Entscheidungsfindung durch einen rigorosen 5-stufigen Kreislauf: Beobachtung, Hypothese, Beweis, Schlussfolgerung und Verifikation. Diese Fähigkeit bewertet die Vertrauenswürdigkeit von Schlussfolgerungen anhand des schwächsten Glieds im Denkprozess, integriert eine zweiachsige Schweregradanalyse (Wahrscheinlichkeit und Auswirkung) und führt eine systematische Prüfung auf kognitive Verzerrungen durch. Sie ist universell mit jedem KI-Agenten wie Claude Code, Cursor oder Codex kompatibel, da sie als reine Markdown-Dokumentation vorliegt, die den Agenten anleitet, ihr Denken explizit zu strukturieren. Entwickler können diese Fähigkeit direkt in ihre Agenten-Konfiguration oder in eine SKILL.md-Datei einbinden. Der Hauptvorteil liegt in der reduzierten Anfälligkeit für logische Fehler, der erhöhten Transparenz des Entscheidungsprozesses und der robusteren Problemlösung – besonders nützlich für komplexe Aufgaben in der Softwareentwicklung oder im Systemdesign, wo fundierte Entscheidungen entscheidend sind.
npx skills add hyuce/master-brainInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Eine strukturierte Denkfähigkeit für KI-Agenten. 5-stufiger Kreislauf (Beobachtung → Hypothese → Beweis → Schlussfolgerung → Verifikation) mit Schwachstellen-Konfidenz, 2-Achsen-Schweregrad und kognitiver Verzerrungsprüfung. Siehe SKILL.md für die Methodik.
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.