Optimiza texto, prompts y documentación para la eficiencia de tokens LLM. Aplica 41 reglas basadas en investigación en 6 categorías: comportamiento de Claude, eficiencia de tokens, estructura, integridad de referencias, percepción y comprensión LLM. Úselo para optimizar prompts, reducir tokens, comprimir documentos extensos o mejorar la calidad de las instrucciones LLM.
El skill `kochetkov-ma/text-optimizer` está diseñado para optimizar texto, prompts y documentación con el objetivo de maximizar la eficiencia de tokens en modelos de lenguaje grandes (LLMs). Aplica un conjunto de 41 reglas fundamentadas en investigación, organizadas en seis categorías clave: comportamiento de Claude (para ajustar la interacción con el asistente), eficiencia de tokens (para reducir el conteo de tokens), estructura (para mejorar la organización del texto), integridad de referencias (para mantener enlaces y citas intactas), percepción (para mejorar cómo el LLM interpreta el texto) y comprensión LLM (para asegurar que las instrucciones sean claras y efectivas). Este skill es especialmente útil cuando se necesita optimizar prompts para obtener respuestas más concisas, reducir el costo de tokens en documentos verbosos, comprimir documentación técnica o mejorar la calidad general de las instrucciones dadas a un LLM. Funciona en plataformas como Claude Code y Cursor, y se integra directamente en el flujo de trabajo del desarrollador para aplicar transformaciones automáticas y recomendaciones basadas en las reglas establecidas.
npx skills add https://github.com/kochetkov-ma/claude-brewcode/tree/main/skills/text-optimizerInstalled? Explore more Investigación y análisis de datos skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Optimiza texto, prompts y documentación para la eficiencia de tokens LLM. Aplica 41 reglas basadas en investigación en 6 categorías: comportamiento de Claude, eficiencia de tokens, estructura, integridad de referencias, percepción y comprensión LLM. Úselo para optimizar prompts, reducir tokens, comprimir documentos extensos o mejorar la calidad de las instrucciones LLM.
This repo contains 1 individual skill — each has its own dedicated page.
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.