Indizieren und durchsuchen Sie Code-Repositories, Dokumentationen, Forschungsarbeiten, HuggingFace-Datensätze, lokale Ordner, Slack-Workspaces, Google Drive, X (Twitter) und Pakete mit Nia AI.
nozomio-labs/nia ist ein vielseitiger KI-Agent, der eine breite Palette an Datenquellen wie Code-Repositories, Dokumentationen, Forschungsarbeiten, HuggingFace-Datensätze, lokale Ordner, Slack-Workspaces, Google Drive, X (Twitter) und Pakete indizieren und durchsuchen kann. Dieser Skill eignet sich besonders für Entwickler und KI-Agenten-Nutzer, die einen zentralisierten Zugriff auf verteilte Informationen benötigen. Er unterstützt Plattformen wie Claude Code, Cursor und Codex und bietet Funktionen wie Auth-Bootstrapping, Oracle für autonome Forschung, GitHub-Live-Suche, einen Tracer-Agenten, Abhängigkeitsanalyse, Kontextfreigabe, Code-Beratung, einen Dokumenten-Agenten, Datenextraktion, Dateisystemoperationen und generische Konnektoren. Dank der Fähigkeit, sowohl lokale als auch Cloud-basierte Dienste zu durchsuchen, kann Nia AI dabei helfen, schnell relevante Informationen zu finden, Abhängigkeiten zu analysieren und Forschungsergebnisse zu generieren. Die Einrichtung ist unkompliziert und erfordert nur die Konfiguration der entsprechenden API-Schlüssel und Datenquellen.
npx skills add https://github.com/nozomio-labs/nia-skill/tree/main/skills/niaInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Indizieren und durchsuchen Sie Code-Repositories, Dokumentationen, Forschungsarbeiten, HuggingFace-Datensätze, lokale Ordner, Slack-Workspaces, Google Drive, X (Twitter) und Pakete mit Nia AI. Enthält Auth-Bootstrapping, Oracle-Autonome-Forschung, GitHub-Live-Suche, Tracer-Agent, Abhängigkeitsanalyse, Kontextfreigabe, Code-Beratung, Dokumenten-Agent, Datenextraktion, Dateisystemoperationen und generische Konnektoren.
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.