Ein Projekt zur Verwaltung von Erweiterungen (Skills, Agents, Hooks) für LLM-Tools. Es steuert, verfeinert und optimiert die Ausgabe eines LLM-Modells und bietet eine Python-Bibliothek, um Erweiterungen über verschiedene Systeme und Projekte hinweg per REST-API-Crawling zu verwalten – ohne sie in einem öffentlichen Repository hosten zu müssen.
PyUtility/polyskills ist ein vielseitiges Projekt und eine begleitende Python-Bibliothek zur strukturierten Verwaltung von Erweiterungen für LLM-Tools wie Skills, Agents und Hooks. Diese Erweiterungen beeinflussen, verfeinern und optimieren die Ausgabe eines LLM-Modells direkt. Die Bibliothek ermöglicht es Entwicklern, Erweiterungen über mehrere Systeme und Projekte hinweg zu verwalten, indem sie REST-API-Crawling-Methoden verwendet – ein dezentraler Ansatz, der kein öffentliches Repository erfordert. Dies ist besonders nützlich für Teams, die proprietäre oder sensitive Erweiterungen verwalten müssen, oder für die Arbeit in isolierten Umgebungen. Das Projekt ist plattformunabhängig und lässt sich nahtlos in bestehende LLM-Workflows integrieren, wodurch es eine skalierbare und flexible Lösung für die LLM-Konfiguration und -Optimierung darstellt.
npx skills add PyUtility/polyskillsInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Ein Projekt zur Verwaltung von Erweiterungen für LLM-Tools wie Skills, Agents, Hooks usw., die die Ausgabe eines LLM-Modells steuern, verfeinern und optimieren. Darüber hinaus bietet es eine Python-Bibliothek, um die Erweiterungen über verschiedene Systeme und Projekte hinweg mithilfe von REST-API-Crawling-Methoden zu verwalten, ohne dass die Erweiterungen in einem öffentlichen Repository gehostet werden müssen.
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.