Que fait plan-auditor ?
Compétence d'agent strict avec planificateur et auditeur indépendant — vérifie le travail de l'agent IA à l'aide de preuves de commandes réelles, sans jamais se fier au rapport de l'agent.
Compétence d'agent strict avec planificateur et auditeur indépendant — vérifie le travail de l'agent IA à l'aide de preuves de commandes réelles, sans jamais se fier au rapport de l'agent.
Cette compétence d'agent, nommée Furox-Art/plan-auditor, est conçue pour renforcer la fiabilité des agents IA en introduisant une vérification indépendante du travail effectué. Elle exige que l'agent élabore un plan strict avant toute action, puis soumette les résultats à un auditeur externe qui valide chaque étape à l'aide de preuves concrètes issues des commandes exécutées (logs, sorties, fichiers). Contrairement aux approches classiques qui font confiance au rapport de l'agent, cette compétence élimine les hallucinations et les erreurs non détectées. Elle est particulièrement utile dans les environnements de développement automatisé, les pipelines CI/CD, et les workflows où la précision et la traçabilité sont critiques. Le plan-auditor fonctionne de manière agnostique vis-à-vis des plateformes d'agent (Claude Code, Cursor, Codex, etc.) et s'intègre via des scripts shell standard et des outils de ligne de commande.
npx skills add Furox-Art/plan-auditorInstalled? 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 strict avec planificateur et auditeur indépendant — vérifie le travail de l'agent IA à l'aide de preuves de commandes réelles, sans jamais se fier au rapport de l'agent.
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.