Persönliches LLM-Wiki + Mustersammlung + Routine v2.1 – Karpathys Muster angewandt auf die Analyse des agentischen KI-Ökosystems (56-Wiki-Korpus, 39 bestätigte Muster, MIT)
Dieses Skill-Projekt stellt eine strukturierte Wissensbasis dar, die nach der von Andrej Karpathy populär gemachten „LLM-Brain“-Methode aufgebaut ist und speziell auf die Analyse des Ökosystems agentischer KI zugeschnitten ist. Es kombiniert eine Sammlung von 56 Wiki-Artikeln mit 39 dokumentierten, bestätigten Mustern und einer Routine (v2.1), um Agenten bei der systematischen Untersuchung von Trends, Architekturen und Akteuren im Bereich agentischer KI zu unterstützen. Der Skill eignet sich als persönliches LLM-Wiki und Musterbibliothek, die Agenten wie Claude Code, Cursor oder Codex ein konsistentes Framework für die Exploration und Berichterstattung bietet. Die Basis befindet sich auf GitHub und wird unter der MIT-Lizenz bereitgestellt, was die freie Nutzung und Anpassung ermöglicht.
npx skills add tuanduongdn1504/agentic-ai-brain-for-trendingInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Persönliches LLM-Wiki + Mustersammlung + Routine v2.1 – Karpathys Muster angewandt auf die Analyse des agentischen KI-Ökosystems (56-Wiki-Korpus, 39 bestätigte Muster, MIT)
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.