Was macht knowhere?
Knowhere extrahiert, parst und gibt strukturierte Chunks aus, die für KI-Agenten und RAG bereit sind.
Knowhere extrahiert, parst und gibt strukturierte Chunks aus, die für KI-Agenten und RAG bereit sind.
Knowhere ist ein Skill, der speziell dafür entwickelt wurde, unstrukturierte Textdaten in strukturierte, kontextreiche Chunks zu zerlegen, die von KI-Agenten und in Retrieval-Augmented Generation (RAG) Systemen verwendet werden können. Der Skill extrahiert Inhalte aus verschiedenen Quellen wie Webseiten, Dokumenten oder Code, parst sie und gibt sie als saubere JSON- oder Markdown-Blöcke aus. Dies erleichtert die Integration in Workflows, in denen große Sprachmodelle (LLMs) gezielt relevante Informationen abrufen müssen. Knowhere unterstützt gängige AI-Agent-Plattformen wie Claude Code, Cursor und Codex und bietet eine einfach zu bedienende API oder CLI. Durch die Reduzierung von Rauschen und die Aufbereitung semantisch sinnvoller Einheiten verbessert es die Effizienz und Genauigkeit von Wissensabfragen erheblich.
npx skills add Ontos-AI/knowhereInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Knowhere extrahiert, parst und gibt strukturierte Chunks aus, die für KI-Agenten und RAG bereit sind.
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.