Demo de flujo de trabajo de operaciones de comercio electrónico asistido por IA, con datos simulados, puntuación de riesgo de SKU, pruebas y una Skill reutilizable.
Este kit de flujo de trabajo de operaciones de comercio electrónico asistido por IA, llamado `onyx679/ecommerce-ops-ai-workflow-kit`, proporciona una demostración completa diseñada para probar y explorar cómo la IA puede optimizar las operaciones de ecommerce. Incluye datos simulados que replican escenarios reales de inventario, permitiendo realizar una puntuación de riesgo automatizada por SKU (unidad de mantenimiento de existencias) para identificar artículos problemáticos (obsolescencia, baja rotación, etc.). Además, incorpora un conjunto de pruebas para validar la lógica del flujo de trabajo y se presenta como una Skill reutilizable, lo que facilita su integración en agentes de IA como Claude Code, Cursor o Codex. Su estructura modular y orientada a ejemplos prácticos lo convierte en un recurso ideal para desarrolladores que desean implementar soluciones de IA en operaciones comerciales reales sin necesidad de datos reales desde el inicio.
npx skills add onyx679/ecommerce-ops-ai-workflow-kitInstalled? Explore more Investigación y análisis de datos skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Demostración de flujo de trabajo de operaciones de comercio electrónico asistido por IA, con datos simulados, puntuación de riesgo de SKU, pruebas y una Skill reutilizable.
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.