Automatize a pesquisa em IA com fluxos de trabalho multiagentes que buscam literatura, executam código e analisam resultados usando FastAPI e LangGraph
Hairspuriouscorrelation574/EvidionAI é uma skill projetada para automatizar o processo de pesquisa em Inteligência Artificial utilizando uma arquitetura multiagentes. Ela combina a busca de literatura acadêmica, execução de código para experimentação e análise de resultados, tudo orquestrado por meio de workflows definidos com LangGraph e expostos via FastAPI. Esta skill é útil para pesquisadores e desenvolvedores que desejam acelerar suas investigações, reduzindo o trabalho manual de coleta e análise de informações. Ela suporta plataformas como Claude Code, Cursor, Codex e outras ferramentas baseadas em agentes de IA, integrando-se facilmente a ambientes de automação. O funcionamento baseia-se em agentes especializados que colaboram entre si: um agente de busca vasculha repositórios acadêmicos, outro agente executa código em um ambiente sandbox e um terceiro analisa os resultados, consolidando um relatório final. A skill foi descoberta em repositórios do GitHub atualizados nas últimas 24 horas, focando em habilidades de agentes, workflows para Claude/Codex/Gemini, ferramentas MCP e automação de IA adjacente.
npx skills add Hairspuriouscorrelation574/EvidionAIInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Automatize a pesquisa em IA com fluxos de trabalho multiagentes que buscam literatura, executam código e analisam resultados usando FastAPI e LangGraph
Fonte: https://github.com/Hairspuriouscorrelation574/EvidionAI
Descoberto a partir de repositórios do GitHub enviados nas últimas 24 horas para habilidades de agentes, workflows Claude/Codex/Gemini, ferramentas MCP e automação de IA adjacente.
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.