Une extension native de connaissance du code pour l'agent Pi, fournissant des outils d'analyse et des hooks pour les agents IA, et permettant également aux agents non-Pi (via MCP, par exemple Cursor, Claude Code, Kimi‑code, Trae, Qoder, Codebuddy) de bénéficier du plein support d'outils comme pi‑shazam.
gjczone/pi-shazam est une extension de conscience native du codebase conçue pour l'agent de codage Pi, mais qui s'étend également à d'autres agents IA grâce au protocole MCP (Model Context Protocol). Son objectif principal est de fournir des outils d'analyse profonde du code et des hooks qui permettent aux agents de comprendre la structure, les dépendances et les métriques d'un projet logiciel. Utile pour les développeurs utilisant des agents comme Cursor, Claude Code, Kimi‑code, Trae, Qoder ou Codebuddy, cette extension leur confère des capacités similaires à celles de l'agent Pi natif, notamment la recherche de symboles, l'analyse de graphes d'appels, la détection de code mort, et la génération de résumés de modules. En rendant ces fonctionnalités accessibles via MCP, pi-shazam standardise l'interaction des agents avec le codebase, améliorant significativement leur pertinence et leur autonomie lors des tâches de développement et de refactoring.
npx skills add gjczone/pi-shazamInstalled? Explore more Recherche et analyse de données skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Une extension native de connaissance du code pour l'agent de codage Pi, qui fournit des outils d'analyse et des hooks pour les agents IA, et permet également aux agents non-Pi (via MCP, par exemple Cursor, Claude Code, Kimi‑code, Trae, Qoder, Codebuddy) de bénéficier du plein support d'outils comme pi‑shazam.
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.