Pipeline de revisão de literatura em 8 fases. 7 fontes federadas, dedup, recuperação ranqueada, busca de citações, auto-crítica, 5 arquétipos de relatório.
O scholar-deep-research é um pipeline avançado de revisão de literatura em oito fases, projetado para pesquisadores e desenvolvedores que precisam de análises profundas e abrangentes. Ele integra sete fontes federadas de dados acadêmicos e técnicos, realiza deduplicação automática, recuperação ranqueada por relevância, busca recursiva de citações (citation chasing) e inclui uma etapa de auto-crítica para melhorar a qualidade dos resultados. O pipeline suporta cinco arquétipos de relatório diferentes, permitindo adaptar a saída conforme a necessidade do usuário — de resumos executivos a análises detalhadas. Descoberto em repositórios GitHub recentes para skills de agentes (Claude, Codex, Gemini), workflows MCP e automação com IA, este skill é particularmente útil para quem precisa realizar revisões sistemáticas de literatura de forma automatizada, economizando tempo e garantindo cobertura ampla de fontes e rigor metodológico.
npx skills add Agents365-ai/scholar-deep-researchInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Pipeline de revisão de literatura em 8 fases. 7 fontes federadas, dedup, recuperação ranqueada, busca de citações, auto-crítica, 5 arquétipos de relatório.
Fonte: https://github.com/Agents365-ai/scholar-deep-research
Descoberto a partir de repositórios GitHub enviados nas últimas 24 horas para skills de agentes, workflows Claude/Codex/Gemini, ferramentas MCP e automação adjacente com IA.
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.