Erstellt agentenbereite akademische Forschungs-Repositorys mit SOTA-Dateien, Quellnachweisen, Wiki-Speicher, MCP-Einrichtung und projektspezifischen Fähigkeiten.
Dieses Skill dient dazu, sofort einsatzbereite Ordnerstrukturen für akademische Forschungsprojekte zu generieren, die speziell für den Einsatz mit KI-Agenten optimiert sind. Es erstellt automatisch eine Reihe von Standarddateien und -ordnern, die den gesamten Forschungslebenszyklus abdecken: von der Erfassung des aktuellen Forschungsstands (SOTA – State of the Art) über die Nachverfolgung von Quellen (Source Ledger) bis hin zur Speicherung von Projekterkenntnissen (Wiki Memory). Darüber hinaus richtet es die Model Context Protocol (MCP)-Konfiguration für eine nahtlose Integration mit KI-Tools ein und installiert projektspezifische Skills, die direkt im Repository-Arbeitsbereich ausgeführt werden können. Entwickler und Forscher können so in Sekundenschnelle eine konsistente, strukturierte und agentenfreundliche Forschungsumgebung aufsetzen, ohne die Zeit mit manueller Ordnererstellung oder Konfiguration zu verlieren. Unterstützt wird dies durch klare Vorlagen und eine automatisierte Einrichtung, die auf gängigen Entwicklungsumgebungen wie Claude Code, Cursor oder Codex basiert.
npx skills add VincenzoImp/create-academic-researchInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Erstelle agentenbereite akademische Forschungs-Repositorys mit SOTA-Dateien, Quellnachweisen, Wiki-Speicher, MCP-Einrichtung und projektspezifischen Fähigkeiten.
Dieses Skill generiert eine vollständig strukturierte Ordnerhierarchie und die erforderlichen Konfigurationsdateien, um ein neues akademisches Forschungsprojekt für die Zusammenarbeit mit KI-Agenten vorzubereiten.
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.