Deep은(는) 무엇을 하나요?
로컬 우선 AI 문서 지능 파이프라인: 멀티 에이전트 솔버, 딥 리서치, 가이드 학습, 지속적 메모리 — LM Studio 기반.
로컬 우선 AI 문서 지능 파이프라인: 멀티 에이전트 솔버, 딥 리서치, 가이드 학습, 지속적 메모리 — LM Studio 기반.
shinshekai/Deep은 LM Studio를 기반으로 하는 로컬 우선 AI 문서 지능 파이프라인입니다. 이 스킬은 멀티 에이전트 솔버, 딥 리서치, 가이드 학습, 그리고 지속적 메모리를 통해 복잡한 문서 작업과 지식 탐색을 자동화합니다. 개발자는 오프라인 환경에서도 개인 데이터를 안전하게 처리하며, 여러 AI 에이전트가 협력하여 문제를 해결하고 깊이 있는 연구를 수행합니다. Cursor, Claude Code 등 다양한 플랫폼에서 사용 가능하며, SKILL.md 문서에 명시된 대로 로컬 저장소와 LM Studio의 API를 활용하여 작동합니다.
npx skills add shinshekai/DeepInstalled? Explore more 연구 & 데이터 분석 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
로컬 우선 AI 문서 지능 파이프라인: 멀티 에이전트 솔버, 딥 리서치, 가이드 학습, 지속적 메모리 — LM Studio 기반.
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.