Enrichissement de données en masse. Ajoute des champs issus du web (noms de PDG, financements, coordonnées) à des listes d'entreprises, de personnes ou de produits. Utilisez-le pour enrichir des fichiers CSV ou des données en ligne. Prend en charge le multi-tour : passez --previous-interaction-id depuis une tâche de recherche antérieure pour conserver le contexte.
Cette compétence permet d'enrichir en masse des listes d'entreprises, de personnes ou de produits avec des données issues du web, telles que les noms des PDG, les montants de financement, ou les coordonnées de contact. Elle est particulièrement utile pour traiter des fichiers CSV ou des données en ligne afin d'ajouter des champs manquants et d'obtenir une vue plus complète. La compétence prend en charge les interactions multi-tours grâce au paramètre --previous-interaction-id, qui permet de conserver le contexte entre plusieurs appels, facilitant ainsi des enrichissements progressifs ou des révisions. Fonctionne avec n'importe quel agent capable d'exécuter des commandes shell et des requêtes web (par exemple, Claude Code, Cursor, ou Codex).
npx skills add https://github.com/parallel-web/parallel-agent-skills/tree/main/skills/parallel-data-enrichmentInstalled? Explore more Recherche et analyse de données skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Enrichissement de données en masse. Ajoute des champs issus du web (noms de PDG, financements, coordonnées) à des listes d'entreprises, de personnes ou de produits. Utilisez-le pour enrichir des fichiers CSV ou des données en ligne. Prend en charge le multi-tour : passez --previous-interaction-id depuis une tâche de recherche antérieure pour conserver le contexte.
This repo contains 8 individual skills — each has its own dedicated page.
ONLY use when user explicitly says 'deep research', 'exhaustive', 'comprehensive report', or 'thorough investigation'. Slower and more expensive than parallel-web-search. For normal research/lookup requests, use parallel-web-search instead. Supports multi-turn: pass --previous-interaction-id from a prior research or enrichment to continue with context.
Discover entities (companies, people, products, etc.) matching a natural-language description. Use when the user asks to 'find all X' or 'list every Y that…' — e.g., 'Find AI startups that raised Series A in 2026', 'List roofing companies in Charlotte NC', 'Show me YC W24 dev tools companies'. Different from web-search (which returns webpages) and deep-research (which returns a narrative report). Use this when the user wants a structured list of entities.
Continuously track the web for changes on a recurring cadence. Use when the user asks to 'monitor', 'track changes to', 'watch', or 'alert me when' something on the web changes — e.g., 'Track price changes for iPhone 16', 'Alert me when Tesla files a new 8-K', 'Monitor competitor pricing pages weekly'. Also use to list, inspect, update, or delete existing monitors.
URL content extraction. Use for fetching any URL - webpages, articles, PDFs, JavaScript-heavy sites. Token-efficient: runs in forked context. Prefer over built-in WebFetch.
DEFAULT for all research and web queries. Use for any lookup, research, investigation, or question needing current info. Fast and cost-effective. Only use parallel-deep-research if user explicitly requests 'deep' or 'exhaustive' research.
Get completed research task result by run ID
Set up the Parallel plugin (install CLI)
Check running research task status by run ID
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.