Was macht octopus?
Basis-Ebene für KI-Agenten-Workflows in ML/DL/RAG-Projekten: Kontext, Gedächtnis, Schutzmaßnahmen, Funktionswerkzeuge und MCP für Codex/Claude Code.
Basis-Ebene für KI-Agenten-Workflows in ML/DL/RAG-Projekten: Kontext, Gedächtnis, Schutzmaßnahmen, Funktionswerkzeuge und MCP für Codex/Claude Code.
Diese Fähigkeit bietet eine grundlegende Workflow-Schicht für KI-Agenten (speziell für Codex und Claude Code), die auf maschinellem Lernen, Deep Learning und Retrieval-Augmented Generation (RAG) basierende Projekte unterstützt. Sie integriert mehrere Kernkomponenten: dynamischen Kontext (Projektstruktur, Abhängigkeiten), Gedächtnis (kritische Entscheidungen, Codeblöcke, Parameter), Schutzmaßnahmen (Validierungsregeln und Sicherheitsüberprüfungen) sowie Funktionswerkzeuge (CLI-Wrapper, APIs und benutzerdefinierte Aktionen). Darüber hinaus bietet sie ein Model Context Protocol (MCP), das einen strukturierten Rahmen für Interaktionen zwischen KI-Agenten und Projektumgebungen definiert. Der Hauptvorteil liegt darin, dass sie typische Probleme bei der Arbeit mit KI-Agenten in komplexen Projekten löst, indem sie eine klare Baseline mit konsistentem Kontext, Gedächtnisfunktionen und Sicherheitsmechanismen bereitstellt, ohne die Flexibilität einzuschränken. Entwickler können diese Workflow-Schicht einfach in ihre bestehenden Codex- oder Claude-Code-Workflows integrieren.
npx skills add quanai06/octopusInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Basis-Ebene für KI-Agenten-Workflows in ML/DL/RAG-Projekten: Kontext, Gedächtnis, Schutzmaßnahmen, Funktionswerkzeuge und MCP für Codex/Claude Code.
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.