Was macht deep-research-skill?
Deep Research-Fähigkeit für Claude Code — 3-Zyklus Multi-Agent Adversarial Ensemble Methodik
Deep Research-Fähigkeit für Claude Code – 3-Zyklus Multi-Agent Adversarial Ensemble Methodik
Diese Fähigkeit (Skill) für Claude Code implementiert eine fortschrittliche Deep Research-Methodik, die auf einem 3-Zyklus Multi-Agent Adversarial Ensemble Ansatz basiert. Sie ist speziell für Entwickler und KI-Agenten-Nutzer konzipiert, die tiefgehende, vielseitig geprüfte und kritisch hinterfragte Recherchen zu komplexen Themen benötigen. Die Methodik führt mehrere KI-Agenten in einem adversarialen Ensemble zusammen, bei dem sie sich gegenseitig hinterfragen und validieren, um die Robustheit und Tiefe der Ergebnisse zu erhöhen. Der Ablauf gliedert sich in drei Zyklen: initiale Recherche, kritische Überprüfung durch einen gegnerischen Agenten und schließlich Synthese und Verfeinerung. Dies reduziert einseitige Verzerrungen und erhöht die Zuverlässigkeit der generierten Informationen. Die Fähigkeit ist vollständig in das Claude Code-Ökosystem integriert und nutzt dessen Erweiterungsschnittstelle für Skills. Sie ist ideal für anspruchsvolle Rechercheaufgaben in den Bereichen Softwareentwicklung, Technologieanalyse und wissenschaftliche Arbeit, bei denen eine mehrdimensionale Perspektive und tiefe kritische Analyse erforderlich sind.
npx skills add tonyazhuuki/deep-research-skillInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Deep Research-Fähigkeit für Claude Code — 3-Zyklus Multi-Agent Adversarial Ensemble Methodik
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.