Was macht skill-doctor?
Observierbare, zuschreibbare, reparierbare und verifizierbare Plattform zur Entwicklung von Agenten-Fähigkeiten mit gekoppelten Codex-Benchmarks.
Observierbare, zuschreibbare, reparierbare und verifizierbare Plattform zur Entwicklung von Agenten-Fähigkeiten mit gekoppelten Codex-Benchmarks.
Skill-Doctor ist eine Plattform für die beobachtbare, zuschreibbare, reparierbare und verifizierbare Evolution von KI-Agenten-Fähigkeiten (Skills). Sie adressiert das Problem, dass die Entwicklung von Fähigkeiten für KI-Agenten oft intransparent, schwer nachvollziehbar und schwer zu evaluieren ist. Die Plattform bietet standardisierte Benchmarks, die auf Codex (wahrscheinlich das Codex-System von OpenAI) abgestimmt sind, um die Leistung von Skills objektiv zu messen, zu vergleichen und zu verbessern. Sie unterstützt Entwickler dabei, Skills systematisch zu erstellen, zu testen, Fehler zu beheben und deren Verhalten zu verifizieren. Der Fokus liegt auf Reproduzierbarkeit, Transparenz und Nachvollziehbarkeit, sodass Änderungen an einem Skill eindeutig einer bestimmten Person oder einem Commit zugeordnet werden können. Dies ist besonders nützlich für Teams, die an komplexen Agentensystemen arbeiten, wo die Qualität und Zuverlässigkeit einzelner Fähigkeiten kritisch für das Gesamtsystem sind. Skill-Doctor ist als plattformunabhängiges Tool konzipiert und kann mit verschiedenen KI-Agenten-Frameworks wie Claude Code, Cursor oder Codex integriert werden.
npx skills add IsolatedStar0/skill-doctorInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Observierbare, zuschreibbare, reparierbare und verifizierbare Plattform zur Entwicklung von Agenten-Fähigkeiten mit gekoppelten Codex-Benchmarks.
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.