Was macht GenerateAgents.md?
Erstelle optimierte AGENTS.md-Dateien durch die Analyse von GitHub- oder lokalen Repositories mit Rekursiven Sprachmodellen und Unterstützung für über 100 LLM-Anbieter.
Erstelle optimierte AGENTS.md-Dateien durch die Analyse von GitHub- oder lokalen Repositories mit Rekursiven Sprachmodellen und Unterstützung für über 100 LLM-Anbieter.
Dieses Skill analysiert GitHub- oder lokale Repositories und generiert daraus automatisch optimierte AGENTS.md-Dateien. Es verwendet Rekursive Sprachmodelle (RLMs), um die Codebasis, Abhängigkeiten und Projektstruktur zu verstehen und in einer menschen- und maschinenlesbaren Datei zusammenzufassen. Der Skill unterstützt über 100 verschiedene LLM-Anbieter, sodass Entwickler ihr bevorzugtes Modell wählen können, ohne auf Flexibilität verzichten zu müssen. Besonders nützlich ist es für Teams, die ihre Repository-Dokumentation konsistent und aktuell halten möchten, ohne manuellen Aufwand zu betreiben. Es funktioniert nahtlos mit Claude Code, Cursor, Codex und anderen KI-Agenten-Plattformen, die auf solche Konfigurationsdateien angewiesen sind.
npx skills add NXSkara/GenerateAgents.mdInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Erstelle optimierte AGENTS.md-Dateien durch die Analyse von GitHub- oder lokalen Repositories mit Rekursiven Sprachmodellen und Unterstützung für über 100 LLM-Anbieter.
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.