Este paquete traslada las partes útiles de la auto-mejora al estilo Hermes a habilidades nativas de Codex. No modifica los pesos del modelo. Construye un bucle de aprendizaje externo auditable utilizando habilidades de Codex, archivos de memoria local, resúmenes de ejecuciones, búsqueda de sesiones y automatizaciones opcionales.
Este skill de Codex, `codex-searching-past-work-capturing-lessons.improving-codex-skil`, implementa un sistema de auto-mejora inspirado en el método Hermes, pero sin modificar los pesos del modelo subyacente. En su lugar, crea un bucle de aprendizaje externo y auditable que permite a Codex aprender de sus interacciones pasadas. Utiliza habilidades nativas de Codex, archivos de memoria local en formato markdown, resúmenes de ejecuciones (rollouts) y un sistema de búsqueda de sesiones anteriores para recuperar conocimiento relevante. También incluye automatizaciones opcionales que facilitan la consolidación periódica de lecciones aprendidas. Está diseñado para desarrolladores que usan Codex como agente de IA y desean mejorar su rendimiento de forma continua y transparente, sin intervención manual constante. El skill funciona en cualquier plataforma donde Codex pueda ejecutar habilidades personalizadas (por ejemplo, terminal local, entornos de desarrollo integrados).
npx skills add boli42338-creator/codex-searching-past-work-capturing-lessons.improving-codex-skills-building-user-modelInstalled? Explore more Investigación y análisis de datos skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Este paquete traslada las partes útiles de la auto-mejora al estilo Hermes a habilidades nativas de Codex. No modifica los pesos del modelo. Construye un bucle de aprendizaje externo auditable utilizando habilidades de Codex, archivos de memoria local, resúmenes de ejecuciones, búsqueda de sesiones y automatizaciones opcionales.
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.