auto-research-skill은(는) 무엇을 하나요?
Claude Code를 위한 자율 목표 지향 반복 실행 스킬입니다. Karpathy의 autoresearch에서 영감을 받았습니다. 9가지 모드: loop(반복), plan(계획), debug(디버그), fix(수정), security(보안), ship(출시), scenario(시나리오), predict(예측), learn(학습).
Claude Code를 위한 자율 목표 지향 반복 실행 스킬입니다. Karpathy의 autoresearch에서 영감을 받았으며, 9가지 모드(루프, 계획, 디버그, 수정, 보안, 출시, 시나리오, 예측, 학습)를 제공합니다.
이 스킬은 Claude Code 에이전트가 자율적으로 목표를 설정하고 반복적인 연구 및 실행 과정을 수행할 수 있도록 설계되었습니다. Karpathy의 autoresearch 개념에서 영감을 받아, 개발자가 명시적인 단계별 지시를 내리지 않아도 에이전트가 스스로 계획을 수립하고, 코드를 디버깅하며, 보안 취약점을 점검하고, 최종 제품을 출시하는 등 다양한 작업을 수행할 수 있습니다. 총 9가지 모드(loop, plan, debug, fix, security, ship, scenario, predict, learn)를 지원하여 사용자의 필요에 따라 에이전트의 동작 방식을 세밀하게 제어할 수 있습니다. 각 모드는 특정 작업 흐름에 최적화되어 있어, 반복적인 실험, 장기 계획 수립, 버그 수정, 보안 감사, 시나리오 기반 테스트 등 다양한 소프트웨어 엔지니어링 시나리오에서 효율성을 극대화합니다. 이 스킬은 Claude Code 플랫폼에서 동작하며, 사용자는 간단한 명령어로 모드를 전환하고 에이전트의 자율성을 조절할 수 있습니다.
npx skills add Haoqin860/auto-research-skillInstalled? Explore more 연구 & 데이터 분석 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Claude Code를 위한 자율 목표 지향 반복 실행 스킬입니다. Karpathy의 autoresearch에서 영감을 받았습니다. 9가지 모드: loop(반복), plan(계획), debug(디버그), fix(수정), security(보안), ship(출시), scenario(시나리오), predict(예측), learn(학습).
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.