¿Qué hace research-cycle-skill?
Habilidad de Codex: flujo de trabajo de investigación en bucle cerrado con descubrimiento adversarial de brechas multi-agente, validación con Semantic Scholar y ciclo de investigación de 7 fases.
Habilidad de Codex: flujo de trabajo de investigación en bucle cerrado con descubrimiento adversarial de brechas multi-agente, validación con Semantic Scholar y ciclo de investigación de 7 fases.
Esta habilidad de Codex, `research-cycle-skill`, implementa un flujo de trabajo completo de investigación en bucle cerrado. Su objetivo es asistir a investigadores y desarrolladores en la exploración sistemática de un dominio, identificación de preguntas de investigación no resueltas, y validación de hipótesis. La habilidad organiza el proceso en un ciclo de 7 fases que abarcan desde la definición del problema hasta la síntesis de resultados. Una característica clave es el descubrimiento adversarial de brechas, donde múltiples agentes especializados (por ejemplo, uno que propone ideas y otro que las critica) colaboran para identificar puntos débiles y lagunas en el conocimiento. Además, integra la validación de literatura mediante la API de Semantic Scholar para contrastar hipótesis con publicaciones académicas reales. El flujo está diseñado para Codex, pero los principios son aplicables a otros asistentes de IA para desarrollo de software. En resumen, es una herramienta poderosa para automatizar y estructurar la investigación, promoviendo un análisis riguroso y la generación de conocimiento validado.
npx skills add kris-yun/research-cycle-skillInstalled? Explore more Investigación y análisis de datos skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Habilidad de Codex: flujo de trabajo de investigación en bucle cerrado con descubrimiento adversarial de brechas multi-agente, validación con Semantic Scholar y ciclo de investigación de 7 fases.
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.