Was macht rag-chunk-preview-research-skills?
Kompetenzen für Codex zur Konkurrenzforschung und Vorschau von Chunks in RAG-Wissensdatenbanken
Kompetenzen für Codex zur Konkurrenzforschung und Vorschau von Chunks in RAG-Wissensdatenbanken
Diese Sammlung von Skills ist speziell für den Einsatz mit Codex (oder ähnlichen KI-Agenten) konzipiert und unterstützt Recherchen zur Konkurrenzanalyse von Chunk-Vorschauen in RAG-Wissensdatenbanken. Sie ermöglicht es dem Agenten, systematisch zu untersuchen, wie verschiedene Anbieter ihre Wissensdatenbanken aufbereiten und Chunks (Textabschnitte) darstellen, um daraus Erkenntnisse für die Optimierung eigener RAG-Systeme zu gewinnen. Der Skill eignet sich insbesondere für Entwickler und Forscher, die Retrieval-Augmented Generation (RAG) einsetzen und die Qualität sowie Darstellung ihrer Wissensdatenbanken verbessern möchten. Durch die strukturierte Vorgehensweise können Wettbewerberlandschaften, Darstellungsformate und Metadaten von Chunks verglichen werden, ohne dass der Benutzer manuell in jedem System recherchieren muss.
npx skills add RicoAlyssa/rag-chunk-preview-research-skillsInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Kompetenzen für Codex zur Konkurrenzforschung und Vorschau von Chunks in RAG-Wissensdatenbanken
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.