Was macht storm?
Koordinierte Kontext-Erkennungssysteme, die vollständig autonom tiefgehende Informationsrecherchen in rekursiven Zyklen durchführen.
Koordinierte Kontext-Erkennungssysteme, die vollständig autonom tiefgehende Informationsrecherchen in rekursiven Zyklen durchführen.
STORM ist ein Forschungsagent, der von der Stanford University entwickelt wurde und vollständig autonome, tiefgehende Informationsrecherchen durchführt. Es koordiniert mehrere Sub-Agenten, um Quellen zu entdecken, Wissen zu synthetisieren und umfassende Berichte zu erstellen. Die Hauptfunktion besteht darin, komplexe Recherchen in iterative Zyklen zu zerlegen, bei denen jeder Zyklus auf den vorherigen aufbaut, wodurch eine rekursive Informationssammlung und -synthese möglich wird. STORM unterstützt plattformübergreifende Arbeitsabläufe und wurde entwickelt, um große Wissenslücken zu schließen, indem mehrere Perspektiven aus verschiedenen Quellen miteinander verknüpft werden. Seine Fähigkeit, autonom zu operieren, reduziert den manuellen Aufwand und liefert dennoch hochwertige, gut belegte Ergebnisse – ideal für Forscher, Analysten und Entwickler, die eine umfassende und zuverlässige Wissensbasis benötigen.
npx skills add stanford-oval/stormInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Koordinierte Kontext-Erkennungssysteme, die vollständig autonom tiefgehende Informationsrecherchen in rekursiven Zyklen durchführen.
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.