Que fait bird-dogger ?
Compétence d'agent pour le bird-dogging — piloter l'avancement des tâches transversales vers leur achèvement via des traceurs enfichables (Jira, GitHub Issues, …) avec triage par LLM local et rapports d'état personnalisables.
Compétence d'agent pour le bird-dogging : piloter l'avancement des tâches transversales vers leur achèvement via des traceurs enfichables (Jira, GitHub Issues, …) avec triage par LLM local et rapports d'état personnalisables.
Bird-dogger est une compétence d'agent IA conçue pour le « bird-dogging », une méthode visant à suivre et pousser les éléments de travail interdépendants (par exemple, tickets, issues) à travers différentes équipes jusqu'à leur complétion. Elle s'intègre à plusieurs systèmes de suivi de projet (traceurs) tels que Jira et GitHub Issues, et permet de les brancher ou débrancher facilement. L'agent peut trier et prioriser ces tâches en utilisant un grand modèle de langage (LLM) local, garantissant une gestion intelligente sans dépendre de services cloud externes. De plus, elle génère des rapports d'état personnalisables pour suivre les progrès et identifier les blocages. Cette compétence est utile pour les chefs de projet, les développeurs et les équipes DevOps qui doivent coordonner des dépendances complexes entre plusieurs équipes et outils, en automatisant le suivi et l'escalade des actions critiques.
npx skills add colchuck-ai/bird-doggerInstalled? Explore more Recherche et analyse de données skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Compétence d'agent pour le bird-dogging — piloter l'avancement des tâches transversales vers leur achèvement via des traceurs enfichables (Jira, GitHub Issues, …) avec triage par LLM local et rapports d'état personnalisables.
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.