Um sistema de pesquisa profunda multiagente baseado em LangGraph, com planejamento de tarefas, revisão humana no loop, recuperação de múltiplas fontes, geração de relatórios baseada em evidências, rastreamento completo e avaliação reproduzível.
Este skill, hwfengcs/SDYJ_Multi_Agents, é um sistema de pesquisa profunda multiagente alimentado pela estrutura LangGraph. Ele orquestra vários agentes de IA para executar tarefas complexas de pesquisa de forma colaborativa, começando com o planejamento detalhado de tarefas. Um recurso importante é a revisão humana no loop (human-in-the-loop), que permite que humanos validem e orientem o processo de pesquisa antes da execução. O sistema realiza recuperação de informações de múltiplas fontes e gera relatórios finais baseados em evidências, garantindo maior precisão e confiabilidade. Ele oferece suporte a rastreamento completo e avaliação reproduzível, tornando-o adequado para cenários que exigem rigor e auditabilidade. Ideal para desenvolvedores e pesquisadores que precisam de um pipeline de pesquisa automatizado, transparente e controlável.
npx skills add hwfengcs/SDYJ_Multi_AgentsInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Um sistema de pesquisa profunda multiagente baseado em LangGraph, com planejamento de tarefas, revisão humana no loop, recuperação de múltiplas fontes, geração de relatórios baseada em evidências, rastreamento completo e avaliação reproduzível.
Fonte: https://github.com/hwfengcs/SDYJ_Multi_Agents
Descoberto durante a caça diária de skills de agente em awesomeskills.dev.
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.