Forever — um framework nativo em TypeScript para Agentes de IA focado em legado digital e companhia emocional. Orquestração multiagente, adaptador unificado de LLM para mais de 16 plataformas, 5 estratégias de raciocínio, pipeline RAG, suporte MCP, mecanismo de fluxo de trabalho baseado em grafo e barreiras de segurança.
Forever é um framework de Agentes de IA escrito em TypeScript, projetado para criar agentes que atuam como legados digitais e companhia emocional. Ele oferece orquestração multiagente, permitindo que múltiplos agentes colaborem entre si. O framework conta com um adaptador unificado de LLM que suporta mais de 16 plataformas, incluindo OpenAI, Anthropic, Google, entre outras, facilitando a troca de provedores sem alteração de código. Além disso, implementa 5 estratégias de raciocínio (Chain of Thought, Tree of Thoughts, Reflexão, ReAct e Planejamento), um pipeline RAG (Retrieval-Augmented Generation), suporte ao protocolo MCP (Model Context Protocol) para integração com ferramentas externas, um mecanismo de fluxo de trabalho baseado em grafo para processos complexos e barreiras de segurança configuráveis. O pacote está disponível via npm e pode ser usado com Claude Code, Node.js e outros ambientes TypeScript.
npx skills add badhope/foreverInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Forever — um framework nativo em TypeScript para Agentes de IA focado em legado digital e companhia emocional. Orquestração multiagente, adaptador unificado de LLM para mais de 16 plataformas, 5 estratégias de raciocínio, pipeline RAG, suporte MCP, mecanismo de fluxo de trabalho baseado em grafo e barreiras de segurança.
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.