O que llm-batch faz?
🚀 Processe dados JSON em lotes com llm-batch, utilizando modos sequenciais ou paralelos para interação eficiente com LLMs.
🚀 Processe dados JSON em lotes com `llm-batch`, utilizando modos sequenciais ou paralelos para interação eficiente com LLMs.
O `llm-batch` é uma ferramenta de skill para agentes de IA que permite processar dados JSON em lotes, otimizando a interação com modelos de linguagem (LLMs). Ela suporta modos de execução sequencial e paralelo, sendo útil para cenários como sumarização em lote, classificação ou transformação de grandes conjuntos de dados. Compatível com plataformas como Claude Code, Cursor e Codex, a skill lê arquivos JSON contendo arrays de objetos, aplica um prompt personalizado a cada item e retorna os resultados em um formato estruturado. Seu design modular e a capacidade de executar de forma paralela reduzem o tempo de processamento, enquanto o modo sequencial garante consistência em tarefas que exigem ordenação. O `llm-batch` é ideal para desenvolvedores que precisam lidar com volumes significativos de dados sem complexidade adicional de integração.
npx skills add kimmmmyy223/llm-batchInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
🚀 Processe dados JSON em lotes com llm-batch, utilizando modos sequenciais ou paralelos para interação eficiente com LLMs.
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.