Was macht etude?
Testen Sie KI-Coding-Agent-Fähigkeiten empirisch, indem Sie sie gegen Ihre tatsächliche vergangene Arbeit abspielen.
Testen Sie KI-Coding-Agent-Fähigkeiten empirisch, indem Sie sie gegen Ihre tatsächliche vergangene Arbeit abspielen.
joshuavial/etude ist ein Skill für KI-Coding-Agenten, der entwickelt wurde, um die Effektivität von Agenten-Fähigkeiten (Skills) durch Wiederholungssimulationen auf Basis Ihrer realen, abgeschlossenen Codebasis zu testen. Der Skill erstellt eine kontrollierte Umgebung, in der ein KI-Agent (wie Claude Code, Cursor oder Codex) bestimmte Aufgaben erneut ausführt, während sein Verhalten und seine Ergebnisse mit den ursprünglichen Lösungen verglichen werden. Dies ermöglicht eine datengestützte Bewertung, ob eine neue Version eines Skills eine Verbesserung darstellt, ohne dass ein neues Projekt oder hypothetische Testszenarien erforderlich sind. Entwickler können damit fundierte Entscheidungen über Skill-Updates treffen und Regressionen oder unerwartete Verhaltensänderungen frühzeitig erkennen.
npx skills add joshuavial/etudeInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Testen Sie KI-Coding-Agent-Fähigkeiten empirisch, indem Sie sie gegen Ihre tatsächliche vergangene Arbeit abspielen.
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.