Um runtime de agente de IA autônomo para Windows, Linux e macOS. Execute agentes YAML declarativos com acesso integrado a mais de 2.600 conectores — incluindo bancos de dados, APIs, arquivos, SSH, serviços em nuvem, plataformas de mensagens e muito mais. Sem código. Sem instalação.
O enthrium/open-enthrium-ai-agent-runtime é um runtime de agente de IA portátil e autônomo que funciona em Windows, Linux e macOS. Ele permite que desenvolvedores e usuários executem agentes declarativos baseados em YAML sem a necessidade de escrever código ou instalar dependências complexas. Sua principal vantagem é fornecer acesso integrado a mais de 2.600 conectores prontos para uso, abrangendo bancos de dados, APIs REST, sistemas de arquivos, SSH, serviços em nuvem (AWS, Azure, GCP), plataformas de mensagens (Slack, Discord) e muitas outras fontes de dados e serviços. O runtime funciona como um executor leve que interpreta arquivos YAML contendo a lógica declarativa do agente — definindo ações, gatilhos e fluxos de trabalho — e os traduz em chamadas reais para os conectores. Isso torna a automação e integração de sistemas acessível mesmo para usuários com pouca experiência em programação, ao mesmo tempo que oferece flexibilidade para desenvolvedores que precisam de prototipagem rápida. Por ser autônomo e não exigir instalação (basta baixar e executar), ele se integra facilmente a pipelines de CI/CD, ambientes de desenvolvimento locais ou servidores de produção.
npx skills add enthrium/open-enthrium-ai-agent-runtimeInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Um runtime de agente de IA autônomo para Windows, Linux e macOS. Execute agentes YAML declarativos com acesso integrado a mais de 2.600 conectores — incluindo bancos de dados, APIs, arquivos, SSH, serviços em nuvem, plataformas de mensagens e muito mais. Sem código. Sem instalação.
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.