Was macht burnlog?
Korrelieren Sie den Token-Verbrauch von KI-Codierungsassistenten mit der tatsächlichen Entwicklungsarbeit.
Korrelieren Sie den Token-Verbrauch von KI-Codierungsassistenten mit der tatsächlichen Entwicklungsarbeit.
Burnlog ist ein Skill, der KI-Codierungsassistenten wie Claude Code, Cursor oder Codex dabei hilft, den Token-Verbrauch mit dem Fortschritt der Entwicklungsarbeit zu korrelieren. Anstatt nur Token-Nutzung zu protokollieren, verknüpft Burnlog die verbrauchten Token mit spezifischen Aufgaben, Commits oder Projekt-Meilensteinen. Dies gibt Entwicklern und Teams Einblick in die Kosteneffizienz von KI-Assistenten und hilft, Optimierungspotenziale zu identifizieren. Der Skill funktioniert durch die Integration in die Arbeitsabläufe des Assistenten und das Erfassen von Metadaten zu ausgeführten Aufgaben, sodass eine klare Beziehung zwischen KI-Interaktionen und realem Entwicklungsfortschritt entsteht.
npx skills add Mahiler1909/burnlogInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Korrelieren Sie den Token-Verbrauch von KI-Codierungsassistenten mit der tatsächlichen Entwicklungsarbeit.
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.