멀티 에이전트 AI 연구를 실행하고, 실험을 관리하며, GPU 워크플로우를 하나의 오픈소스 랩에서 실행합니다.
이 스킬은 하나의 통합된 오픈소스 실험실 환경에서 멀티 에이전트 AI 연구를 수행하고, 실험을 관리하며, GPU 워크플로우를 실행할 수 있도록 설계되었습니다. 연구자와 개발자가 여러 AI 에이전트를 동시에 실행하여 복잡한 연구 과제를 해결하고, 실험 결과를 체계적으로 추적 및 관리하며, GPU 집약적인 작업을 효율적으로 처리할 수 있습니다. GitHub에서 최근 24시간 내에 푸시된 저장소에서 발견된 이 스킬은 Claude, Codex, Gemini와 같은 AI 에이전트 워크플로우 및 MCP 도구와의 통합을 염두에 두고 개발되었습니다. 이를 통해 사용자는 반복적인 실험 설정, 결과 수집, 하드웨어 리소스 관리 등의 번거로움을 덜고, 핵심 연구 문제에 집중할 수 있습니다.
npx skills add sequelafairness341/multiautoresearchInstalled? Explore more 연구 & 데이터 분석 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
멀티 에이전트 AI 연구를 실행하고, 실험을 관리하며, GPU 워크플로우를 하나의 오픈소스 랩에서 실행합니다.
출처: https://github.com/sequelafairness341/multiautoresearch
에이전트 스킬, Claude/Codex/Gemini 워크플로우, MCP 도구 및 관련 AI 에이전트 자동화를 위해 지난 24시간 동안 푸시된 GitHub 저장소에서 발견되었습니다.
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.