ktx ist eine ausführbare Kontextebene für Daten- und Analyse-Agenten 🐙 Ermöglicht Claude Code, Codex und anderen KI-Agenten, Daten präzise über MCP mit Fähigkeiten, Gedächtnis und einer semantischen Schicht abzufragen.
ktx (Kaelio Transaction Context) ist eine leistungsstarke ausführbare Kontextebene, die speziell für Daten- und Analyse-KI-Agenten entwickelt wurde. Es bietet eine strukturierte Umgebung, um Agenten wie Claude Code, Codex und andere mit einer einheitlichen Schnittstelle für den Zugriff auf Datenquellen zu verbinden. Der Kern von ktx basiert auf dem Model Context Protocol (MCP), das es ermöglicht, Fähigkeiten (Skills), Gedächtnis (Memory) und eine semantische Schicht (Semantic Layer) nahtlos zu integrieren. Dies stellt sicher, dass Abfragen nicht nur syntaktisch korrekt sind, sondern auch den semantischen Kontext der Daten verstehen, was besonders nützlich für komplexe Analysen und Entscheidungsprozesse ist. Entwickler können ktx nutzen, um KI-Agenten in ihre Datenpipelines einzubinden, ohne tief in die zugrundeliegenden Datenbanken oder APIs eingreifen zu müssen – die Kontextebene abstrahiert die Komplexität. Es unterstützt sowohl lokale als auch cloudbasierte Datenquellen und erleichtert die Zusammenarbeit zwischen menschlichen Entwicklern und automatisierten Agenten durch eine konsistente, kontextbewusste Schnittstelle.
npx skills add Kaelio/ktx-ai-data-agents-contextInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
ktx ist eine ausführbare Kontextebene für Daten- und Analyse-Agenten 🐙 Ermöglicht Claude Code, Codex und anderen KI-Agenten, Daten präzise über MCP mit Fähigkeiten, Gedächtnis und einer semantischen Schicht abzufragen.
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.