Was macht Report_Generation?
Evidenzbasiertes, KI-gestütztes Berichterstellungssystem mit Multi-Agent-Architektur, Faktenextraktion, Wissensgraphen und Halluzinationserkennung.
Evidenzbasiertes, KI-gestütztes Berichterstellungssystem mit Multi-Agent-Architektur, Faktenextraktion, Wissensgraphen und Halluzinationserkennung.
NYN-05/Report_Generation ist ein fortschrittliches, evidenzbasiertes Berichterstellungssystem, das auf einer Multi-Agent-Architektur basiert. Es nutzt Faktenextraktion, Wissensgraphen und Halluzinationserkennung, um qualitativ hochwertige, vertrauenswürdige Berichte zu generieren. Das System ist ideal für Entwickler und KI-Agenten-Benutzer, die zuverlässige, faktenbasierte Dokumentation oder zusammenfassende Berichte benötigen. Es unterstützt verschiedene Plattformen wie Claude Code, Cursor und Codex und stellt sicher, dass generierte Berichte durch fundierte Beweise gestützt werden und frei von KI-Halluzinationen sind. Der Workflow umfasst die Aufnahme von Quelldaten, die Extraktion von Kernfakten, die Erstellung eines Wissensgraphen zur Darstellung der Beziehungen zwischen Konzepten und die End-to-End-Halluzinationserkennung. Dieser Ansatz reduziert drastisch das Risiko faktischer Fehler und macht das System äußerst nützlich für kritische Aufgaben wie technische Dokumentation, juristische Zusammenfassungen oder wissenschaftliche Berichte.
npx skills add NYN-05/Report_GenerationInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Evidenzbasiertes, KI-gestütztes Berichterstellungssystem mit Multi-Agent-Architektur, Faktenextraktion, Wissensgraphen und Halluzinationserkennung.
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.