Claude Code용 딥 리서치 스킬 — 3사이클 멀티 에이전트 적대적 앙상블 방법론
이 스킬은 Claude Code에서 심층 연구를 수행하기 위한 'tonyazhuuki/deep-research-skill'입니다. 독특한 3사이클 멀티 에이전트 적대적 앙상블 방법론을 사용하여 단일 에이전트가 수행하는 일반적인 연구보다 더 포괄적이고 비판적인 관점에서 주제를 분석합니다. 1사이클에서는 여러 에이전트가 주제를 다양한 각도로 탐색하고, 2사이클에서는 이들 결과를 상호 비판하며 약점을 보완하고, 3사이클에서는 모든 분석을 통합한 최종 깊이 있는 보고서를 생성합니다. Claude Code 환경에 최적화되어 있으며, 연구자, 개발자, 또는 복잡한 주제를 구조적으로 분석해야 하는 모든 AI 에이전트 사용자에게 유용합니다. 설치 후 특정 명령어를 통해 활성화되며, 사용자는 연구 질문을 제시하면 시스템이 자동으로 위 사이클을 실행하여 결과를 제공합니다.
npx skills add tonyazhuuki/deep-research-skillInstalled? Explore more 연구 & 데이터 분석 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Claude Code용 딥 리서치 스킬 — 3사이클 멀티 에이전트 적대적 앙상블 방법론
이 스킬은 3사이클 멀티 에이전트 적대적 앙상블 방법론을 사용하여 Claude Code에서 심층 연구를 수행합니다.
Claude Code 환경에서 이 스킬을 설치한 후, 연구 질문을 제시하면 자동으로 위 사이클이 실행됩니다.
# 예시 설치 명령어
claude code install tonyazhuuki/deep-research-skill
MIT
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.