O que lifelike-synthetic-data-generator faz?
Gera conjuntos de dados sintéticos realistas para testes e demonstrações, com dados semeados, cientes de localidade e modelados por distribuição.
Gera conjuntos de dados sintéticos realistas para testes e demonstrações, com dados semeados, cientes de localidade e modelados por distribuição.
Esta skill permite gerar conjuntos de dados sintéticos realistas para uso em testes, prototipagem e demonstrações. Ela suporta a geração de dados com sementes (seeded) para reprodutibilidade, dados cientes de localidade (locale-aware) para respeitar formatos regionais (como moedas, datas e nomes), e dados modelados por distribuição (distribution-shaped) para simular padrões estatísticos realistas. É útil para desenvolvedores que precisam povoar bancos de dados de teste, criar dados de exemplo para apresentações ou validar pipelines de dados sem depender de dados sensíveis de produção. A skill é compatível com diversas plataformas de agentes de IA, como Claude Code, Cursor e Codex, e funciona gerando dados sob demanda a partir de configurações fornecidas pelo usuário, garantindo flexibilidade e controle sobre os resultados.
npx skills add jovd83/lifelike-synthetic-data-generatorInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Gera conjuntos de dados sintéticos realistas para testes e demonstrações, com dados semeados, cientes de localidade e modelados por distribuição.
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.