Was macht autonomous-research-orchestrator?
Eine lokale Codex-Fähigkeit für empirische Forschung mit langem Horizont: Brain–Luna-Orchestrierung, begrenzte Experimente, persistenter Zustand und Kontext-Rollover.
Eine lokale Codex-Fähigkeit für empirische Forschung mit langem Horizont: Brain–Luna-Orchestrierung, begrenzte Experimente, persistenter Zustand und Kontext-Rollover.
Diese Fähigkeit (Skill) namens 'autonomous-research-orchestrator' von PilgrimCh ist für den Codex AI Agent konzipiert und ermöglicht langfristige, empirische Forschung, die lokal auf dem Gerät des Benutzers ausgeführt wird. Sie orchestriert die Zusammenarbeit zwischen zwei KI-Komponenten: 'Brain' (für Planung und Reflexion) und 'Luna' (für die Ausführung von Experimenten). Der Skill führt begrenzte Experimente durch, speichert den Zustand (State) dauerhaft, sodass der Fortschritt auch bei Unterbrechungen erhalten bleibt, und verwaltet den Kontext-Rollover, um bei langen Sitzungen den Überblick zu behalten. Entwickler und Forscher können damit komplexe wissenschaftliche Arbeitsabläufe automatisieren und reproduzierbare Forschung betreiben, ohne den Kontext zu verlieren.
npx skills add PilgrimCh/autonomous-research-orchestratorInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Eine lokale Codex-Fähigkeit für empirische Forschung mit langem Horizont: Brain–Luna-Orchestrierung, begrenzte Experimente, persistenter Zustand und Kontext-Rollover.
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.