Uma skill para Claude Code que executa um conselho de modelos para responder sua pergunta. Cada membro recebe sua própria personalidade, eles criticam-se anonimamente, e um presidente escolhe a resposta mais bem-argumentada (não uma média puxa-saco). Portado de karpathy/llm-council.
Esta skill permite que o Claude Code execute um conselho de modelos de linguagem (LLMs) para responder a uma pergunta, simulando um debate estruturado. Inspirada no projeto karpathy/llm-council, ela atribui a cada modelo membro uma personalidade única (como pessimista, otimista, técnico, etc.), garantindo diversidade de perspectivas. Os membros geram respostas iniciais, depois criticam-se anonimamente (sem saber quem escreveu cada resposta), promovendo críticas francas e não tendenciosas. Por fim, um presidente (chairman) analisa os argumentos e escolhe a resposta mais convincente, evitando consensos superficiais ("yes-man averages"). É útil para obter respostas mais robustas, com múltiplos ângulos e avaliação crítica, sem depender de um único modelo. A skill é compatível principalmente com Claude Code (e possivelmente com outras plataformas que suportem skills similares, como Cursor ou Codex, mediante adaptação). Integra-se ao fluxo de trabalho do desenvolvedor para fornecer análises aprofundadas de questões complexas.
npx skills add joppe2001/llm-council-skillInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Uma skill para Claude Code que executa um conselho de modelos para responder sua pergunta. Cada membro recebe sua própria personalidade, eles criticam-se anonimamente, e um presidente escolhe a resposta mais bem-argumentada (não uma média puxa-saco). Portado de karpathy/llm-council.
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.