Sistema diario para crear contenido viral. Incluye 29 agentes, 15 comandos, 32 archivos de conocimiento, 12 estructuras virales, 7 gatillos y 8 elementos notables. Adaptado del Método Audience de Elias Mamã por Joseph Moreno — Zenith.
Zenith Audience es un sistema integral y diario diseñado para ayudar a creadores de contenido, especialistas en marketing y equipos de redes sociales a generar contenido viral de manera consistente. El sistema se compone de 29 agentes especializados (cada uno con un rol único en el proceso creativo), 15 comandos para interactuar y gestionar el flujo de trabajo, y 32 archivos de conocimiento que proporcionan una base teórica y práctica sólida. Para garantizar el impacto viral, el sistema se apoya en 12 estructuras virales probadas, 7 gatillos psicológicos (como urgencia, exclusividad o novedad) y 8 elementos notables (como historias poderosas, datos impactantes o imágenes llamativas). Todo esto está adaptado del reconocido 'Método Audience' de Elias Mamã, enriquecido por Joseph Moreno y empaquetado bajo la marca Zenith. La plataforma es ideal para equipos o individuos que buscan un enfoque metódico, basado en datos y reproducible para la creación de contenido que atrape y viralice en audiencias modernas. Funciona como un asistente (skill) para agentes de IA como Claude, Cursor o Codex, permitiendo una integración directa en el flujo de trabajo de desarrollo y marketing.
npx skills add zenithmetodo/zenith-audienceInstalled? Explore more Investigación y análisis de datos skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Sistema diario para crear contenido viral · 29 agentes · 15 comandos · 32 archivos de conocimiento · 12 estructuras virales · 7 gatillos · 8 elementos notables · adaptado del Método Audience de Elias Mamã por Joseph Moreno · Zenith
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.