Repositório de habilidades (skills) para agentes de IA no ecossistema Databricks, contendo integrações e ferramentas prontas para uso.
Este repositório, **databricks/databricks-agent-skills**, é uma coleção curada de habilidades (skills) para agentes de IA, voltada para o ecossistema Databricks. Ele fornece integrações prontas, ferramentas e exemplos que permitem que agentes como Claude Code, Cursor ou Codex interajam diretamente com o ambiente Databricks – incluindo clusters, notebooks, jobs e o Unity Catalog. A utilidade principal é acelerar o desenvolvimento de agentes especializados em engenharia de dados, machine learning e análise, eliminando a necessidade de construir integrações do zero. O repositório é mantido oficialmente pela Databricks e conta com mais de 150 estrelas no GitHub, indicando boa adoção pela comunidade. Seu funcionamento é baseado em arquivos SKILL.md padronizados, que descrevem cada habilidade de forma clara, permitindo que qualquer agente compatível as carregue e utilize imediatamente.
npx skills add databricks/databricks-agent-skillsInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Repositório de habilidades (skills) para agentes: databricks/databricks-agent-skills
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.