O que Caveat faz?
Camada de memória de longo prazo para Claude Code e Codex — base de conhecimento em markdown no git, recuperação via SQLite FTS5, MCP e ganchos nativos de agente.
Camada de memória de longo prazo para Claude Code e Codex — base de conhecimento em markdown no git, recuperação via SQLite FTS5, MCP e ganchos nativos de agente.
Caveat é uma camada de memória de longo prazo projetada para agentes de IA como Claude Code e Codex. Ela permite que agentes armazenem e recuperem conhecimento persistente usando markdown versionado no git, com índices de texto completo via SQLite FTS5 para buscas rápidas. O sistema oferece integração via MCP (Model Context Protocol) e ganchos nativos de agente, permitindo que os desenvolvedores construam bases de conhecimento dinâmicas que persistem entre sessões. Isso resolve o problema da memória limitada de contexto dos modelos, garantindo que informações importantes não se percam ao longo do tempo.
npx skills add kitepon-rgb/CaveatInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Camada de memória de longo prazo para Claude Code e Codex — base de conhecimento em markdown no git, recuperação via SQLite FTS5, MCP e ganchos nativos de agente.
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.