Ein Claude Code-Skill, der LLMs hilft, die Truman-Show veralteten Wissens zu verlassen und echten Code aus der Praxis zu recherchieren.
Dieser Skill für Claude Code ermöglicht es Large Language Models (LLMs), ihre Abhängigkeit von veralteten oder synthetischen Trainingsdaten zu überwinden, indem sie aktiv echten Code aus realen Projekten recherchieren. Anstatt auf statisches Wissen angewiesen zu sein, können LLMs mit diesem Skill auf aktuelle Codebasen, öffentliche Repositories und Dokumentationen zugreifen, um relevante und präzise Informationen zu erhalten. Der Skill adressiert das Problem der 'Truman Show', bei der LLMs in einer abgeschotteten Welt alter Daten gefangen sind, und fördert so eine genauere und aktuellere Codegenerierung. Entwickelt für Claude Code, integriert er sich nahtlos in den Workflow und erweitert die Fähigkeiten des Assistenten um echte Recherchefähigkeiten.
npx skills add Paker-kk/Truman.skillInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Ein Claude Code-Skill, der LLMs hilft, die Truman-Show veralteten Wissens zu verlassen und echten Code aus der Praxis zu recherchieren.
Quelle: https://github.com/Paker-kk/Truman.skill
Entdeckt vom Awesome Skills täglichen Skill-Jäger.
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.