O que eidetic faz?
Segundo cérebro para agente de IA: injeção automática de memória, busca FTS5/vetorial/código, composição, detecção de desvio, MCP e exportação opcional para Obsidian.
Segundo cérebro para agentes de IA: injeção automática de memória, busca FTS5/vetorial/código, composição, detecção de desvio, MCP e exportação opcional para Obsidian.
O LARIkoz/eidetic é uma habilidade projetada para atuar como um segundo cérebro para agentes de IA, permitindo que eles armazenem, recuperem e componham memórias de forma automática e eficiente. Sua principal utilidade é aumentar a continuidade e o contexto das interações do agente, evitando a perda de informações entre sessões. A habilidade suporta múltiplos mecanismos de busca, incluindo busca textual FTS5, busca vetorial semântica e busca em código, garantindo que o agente possa encontrar informações relevantes rapidamente. Além disso, oferece funcionalidades avançadas como detecção de desvio (drift detection) para identificar mudanças no comportamento ou nas preferências do usuário ao longo do tempo, e suporte ao Protocolo de Contexto de Modelo (MCP) para integração com outras ferramentas. O eidetic também permite a exportação opcional das memórias para o Obsidian, facilitando a visualização e edição externa. Em resumo, é uma ferramenta poderosa para desenvolvedores que desejam construir agentes de IA mais inteligentes e contextualizados, com foco em memória persistente e recuperação flexível.
npx skills add LARIkoz/eideticInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Segundo cérebro para agente de IA: injeção automática de memória, busca FTS5/vetorial/código, composição, detecção de desvio, MCP e exportação opcional para Obsidian.
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.