Was macht Caveat?
Langzeitgedächtnisschicht für Claude Code und Codex – Markdown-in-Git-Wissensdatenbank, SQLite FTS5-Abfrage, MCP und native Agentenhooks.
Langzeitgedächtnisschicht für Claude Code und Codex – Markdown-in-Git-Wissensdatenbank, SQLite FTS5-Abfrage, MCP und native Agentenhooks.
Caveat ist eine Langzeitgedächtnisschicht, die speziell für KI-Agenten wie Claude Code und Codex entwickelt wurde. Es bietet eine persistente Wissensdatenbank, die auf Markdown-Dateien in einem Git-Repository basiert. Durch die Nutzung von SQLite FTS5 (Full-Text Search) ermöglicht Caveat eine schnelle und effiziente semantische Abfrage des gespeicherten Wissens. Die Integration erfolgt über MCP (Model Context Protocol) und native Hooks, sodass Agenten nahtlos auf historische Kontexte, Projektdokumentationen und frühere Entscheidungen zugreifen können, ohne das Kontextfenster zu überlasten. Dies verbessert die Konsistenz und Effizienz von KI-gestützten Entwicklungsprozessen erheblich.
npx skills add kitepon-rgb/CaveatInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Langzeitgedächtnisschicht für Claude Code und Codex – Markdown-in-Git-Wissensdatenbank, SQLite FTS5-Abfrage, MCP und native Agentenhooks.
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.