Ein Claude Code Skill, der einen Rat von Modellen zu Ihrer Frage einberuft. Jedes Mitglied hat eine eigene Persönlichkeit, sie kritisieren sich gegenseitig anonym, und ein Vorsitzender wählt die am besten argumentierte Antwort (kein Jasager-Durchschnitt). Portiert von karpathy/llm-council.
Dieser Skill führt für Claude Code ein Multi-Modell-Diskussionsverfahren ein, das auf Andréj Karpathys `llm-council`-Konzept basiert. Statt einer einzelnen Antwort wird Ihre Frage einem „Rat“ mehrerer KI-Modelle vorgelegt, denen jeweils eine eigene Persönlichkeit zugewiesen ist. Diese Modelle generieren unabhängig voneinander Antworten, die dann in einer anonymen Runde gegenseitig kritisiert werden. Ein spezieller „Vorsitzender“ wertet die Diskussion aus und wählt die Antwort mit der stärksten Argumentation aus, nicht etwa einen einfachen Durchschnitt oder die beliebteste Meinung. Dadurch entstehen differenziertere, robuster und besser durchdachte Ergebnisse, als es ein einzelnes Modell liefern würde. Der Skill ist für Claude Code optimiert, aber das zugrunde liegende Prinzip lässt sich auf andere KI-Agenten-Plattformen übertragen.
npx skills add joppe2001/llm-council-skillInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
a claude code skill, der einen Rat von Modellen zu Ihrer Frage einberuft. Jedes Mitglied hat eine eigene Persönlichkeit, sie kritisieren sich gegenseitig anonym, und ein Vorsitzender wählt die am besten argumentierte Antwort (kein Jasager-Durchschnitt). Portiert von karpathy/llm-council.
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.