Was macht memU?
Das Speicher-Geschirr für proaktive KI-Agenten – strukturierte Speicherung, Erfassung von Absichten, 10-fache Token-Reduktion.
Das Speicher-Geschirr für proaktive KI-Agenten – strukturierte Speicherung, Erfassung von Absichten, 10-fache Token-Reduktion.
memU ist ein Speicher-System, das speziell für proaktive KI-Agenten entwickelt wurde. Es bietet strukturierte Speicherung und Erfassung von Absichten, wodurch eine 10-fache Reduzierung der Token-Nutzung erreicht wird. Dieses Skill eignet sich ideal für Agenten auf Plattformen wie Claude Code, Cursor oder Codex, die eine effiziente Langzeitspeicherung und Kontextoptimierung benötigen. Durch die gezielte Kompression von Informationen werden unnötige Token vermieden, was zu schnelleren und kosteneffizienteren Abläufen führt. memU funktioniert durch die Analyse und Gruppierung von Nutzerabsichten in einer strukturierten Datenbank, die dann von Agenten zur Entscheidungsfindung abgerufen wird.
npx skills add NevaMind-AI/memUInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Das Speicher-Geschirr für proaktive KI-Agenten – strukturierte Speicherung, Erfassung von Absichten, 10-fache Token-Reduktion.
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.