Was macht reproproof-skill?
Eine leichte, portable Agentenkompetenz zur Prüfung von Forschungsaussagen, Evidenzgrenzen und Reproduzierbarkeitsbereitschaft.
Eine leichte, portable Agentenkompetenz zur Prüfung von Forschungsaussagen, Evidenzgrenzen und Reproduzierbarkeitsbereitschaft.
Diese Kompetenz ermöglicht es KI-Agenten, wissenschaftliche Behauptungen systematisch zu überprüfen, die Grenzen der vorgelegten Evidenz zu identifizieren und die Reproduzierbarkeitsbereitschaft einer Studie zu bewerten. Sie ist als portables Skill konzipiert, das plattformunabhängig in verschiedenen Agenten-Tools (wie Claude Code, Cursor oder Codex) eingesetzt werden kann. Der Skill führt den Agenten durch eine strukturierte Analyse, die typische Fehlerquellen wie unvollständige Methodenbeschreibungen, fehlende Daten, und nicht reproduzierbare Ergebnisse aufdeckt. Entwickler und Forscher profitieren von einer standardisierten, automatisierbaren Prüfung, die die Qualitätssicherung in wissenschaftlichen Arbeitsabläufen verbessert.
npx skills add studious233/reproproof-skillInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Eine leichte, portable Agentenkompetenz zur Prüfung von Forschungsaussagen, Evidenzgrenzen und Reproduzierbarkeitsbereitschaft.
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.