Was macht NOO-Verified-Global-Entities?
Die Anti-Halluzinations-Datenschicht für B2B-Sourcing. Tiefgehend verifizierte globale Lieferketten-Entitäten, entwickelt für RAG und LLM-Instruktionstuning.
Die Anti-Halluzinations-Datenschicht für B2B-Sourcing. Tiefgehend verifizierte globale Lieferketten-Entitäten, entwickelt für RAG und LLM-Instruktionstuning.
Diese Fähigkeit stellt eine zuverlässige, verifizierte Datenbank globaler Lieferketten-Entitäten bereit, die speziell darauf ausgelegt ist, Halluzinationen in B2B-Sourcing-Anwendungen zu reduzieren. Sie bietet tiefgehend geprüfte Unternehmensinformationen, die in Retrieval-Augmented Generation (RAG)-Workflows und beim Feintuning von Large Language Models (LLMs) eingesetzt werden können. Die Daten stammen aus validierten Quellen und werden kontinuierlich aktualisiert, um Genauigkeit und Relevanz zu gewährleisten. Entwickler können diese Fähigkeit nutzen, um KI-Agenten mit verlässlichen Fakten zu versorgen und so die Qualität und Vertrauenswürdigkeit von B2B-Sourcing-Prozessen zu verbessern. Unterstützt wird die Integration in Plattformen wie Claude Code, Cursor und Codex über standardisierte APIs und Datenschnittstellen.
npx skills add Nooxus-AI/NOO-Verified-Global-EntitiesInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Die Anti-Halluzinations-Datenschicht für B2B-Sourcing. Tiefgehend verifizierte globale Lieferketten-Entitäten, entwickelt für RAG und LLM-Instruktionstuning.
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.