Was macht multi-agent-research-system?
Multi-Agent-Forschungssystem zum Sammeln, Analysieren und Synthetisieren von Informationen.
Multi-Agent-Forschungssystem zum Sammeln, Analysieren und Synthetisieren von Informationen.
Dieses Skill, Manoj-0810/multi-agent-research-system, ist ein multi-agentisches Forschungssystem, das darauf ausgelegt ist, Informationen zu sammeln, zu analysieren und zu synthetisieren. Es ist besonders nützlich für Entwickler und Benutzer von KI-Agenten, die umfassende Recherchen durchführen müssen, bei denen mehrere Quellen und Perspektiven kombiniert werden. Das System nutzt wahrscheinlich mehrere spezialisierte Unter-Agenten, die jeweils für unterschiedliche Phasen des Forschungsprozesses zuständig sind: einer für die Datensammlung, einer für die Analyse und einer für die Synthese der Ergebnisse. Es unterstützt Plattformen wie Claude Code, Cursor oder Codex, die Multi-Agent-Workflows ermöglichen. Durch die Integration dieses Skills können Agenten komplexe Forschungsthemen effizienter und gründlicher bearbeiten, indem sie Arbeit parallelisieren und unterschiedliche Methoden kombinieren. Die genaue Funktionsweise basiert auf der SKILL.md-Dokumentation, die die Koordination der Agenten und die Verarbeitung von Informationen beschreibt.
npx skills add Manoj-0810/multi-agent-research-systemInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Multi-Agent-Forschungssystem zum Sammeln, Analysieren und Synthetisieren von Informationen.
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.