Rolex8637/openclaw-orchistrator
Verwalte komplexe Aufgaben, indem Ziele in Unteraufgaben zerlegt, an spezialisierte Agenten weitergeleitet und mit einem LLM-gesteuerten Echtzeit-Orchestrator iteriert werden.
Verwalte komplexe Aufgaben, indem Ziele in Unteraufgaben zerlegt, an spezialisierte Agenten weitergeleitet und mit einem LLM-gesteuerten Echtzeit-Orchestrator iteriert werden.
Dieses Skill, Rolex8637/openclaw-orchistrator, ist ein leistungsstarker Orchestrator, der es KI-Agenten wie Claude Code, Cursor oder Codex ermöglicht, komplexe, mehrstufige Projekte zu bewältigen. Anstatt einen Agenten mit einem großen, undurchsichtigen Ziel zu überfordern, zerlegt der Orchestrator das Ziel logisch in kleinere, handhabbare Unteraufgaben. Diese Unteraufgaben werden dann dynamisch an spezialisierte Agenten oder Werkzeuge weitergeleitet, die für die jeweilige Aufgabe am besten geeignet sind. Der Kern des Systems ist ein LLM-gesteuerter Echtzeit-Orchestrator, der den Fortschritt überwacht, die Ergebnisse der Unteraufgaben auswertet und den Plan bei Bedarf iterativ anpasst – ähnlich einem Projektmanager, der den Workflow eines Teams optimiert. Dies führt zu einer effizienteren, robusteren und skalierbareren Aufgabenerledigung, da spezialisierte Fähigkeiten gezielt eingesetzt werden und der Orchestrator bei Fehlern oder neuen Erkenntnissen eingreifen kann. Es ist besonders nützlich für Entwickler, die automatisierte Workflows für Code-Refactoring, mehrteilige Build-Prozesse oder datenintensive Analysen erstellen möchten.
npx skills add Rolex8637/openclaw-orchestratorInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Verwalte komplexe Aufgaben, indem Ziele in Unteraufgaben zerlegt, an spezialisierte Agenten weitergeleitet und mit einem LLM-gesteuerten Echtzeit-Orchestrator iteriert werden.
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.