Was macht OneResearchClaw?
Automatisieren Sie die Erstellung von Forschungsberichten aus verschiedenen Dateien, Links und Medien mithilfe einer autonomen, fähigkeitsgesteuerten Pipeline.
Automatisieren Sie die Erstellung von Forschungsberichten aus verschiedenen Dateien, Links und Medien mithilfe einer autonomen, fähigkeitsgesteuerten Pipeline.
OneResearchClaw ist ein autonomer KI-Agenten-Skill, der den gesamten Workflow der Forschungsberichterstellung automatisiert. Er verarbeitet vielfältige Eingabeformate wie PDFs, Webseiten, Bilder, Audio- und Videodateien, extrahiert relevante Informationen und synthetisiert sie zu einem strukturierten, umfassenden Bericht. Der Skill ist ideal für Entwickler, Datenanalysten und Wissensarbeiter, die zeitaufwändige manuelle Recherchen reduzieren möchten. Er wird typischerweise in CLI-basierten AI-Agenten wie Claude Code oder Codex eingesetzt und verwendet eine YAML-basierte Konfigurationsdatei (one_research_claw.yaml), um Quellen und Forschungsfragen zu definieren. Die Pipeline besteht aus den Schritten: Quellenanalyse, Datenextraktion, Informationssynthese und Berichtsgenerierung, wobei jeder Schritt modular und debug-fähig ist. Der Skill nutzt die Fähigkeiten des Host-Agenten (Dateizugriff, Code-Ausführung, Webzugriff) und bietet eine wiederverwendbare, containerisierte Logik. Dies reduziert kognitive Belastung und Standardabweichung in Forschungsergebnissen erheblich und ermöglicht eine schnelle Iteration über verschiedene Datensätze hinweg.
npx skills add Joaobarro8827/OneResearchClawInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Automatisieren Sie die Erstellung von Forschungsberichten aus verschiedenen Dateien, Links und Medien mithilfe einer autonomen, fähigkeitsgesteuerten Pipeline.
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.