ADAM — camada de autoaperfeiçoamento para Claude Code. Observa atritos na sessão (correções, loops de repetição, becos sem saída, loops de erro, rotatividade de edições) por meio de hooks leves e propõe habilidades direcionadas, entradas de memória e edições de agente. Aplica automaticamente alterações de baixo impacto com evidências entre sessões; coloca todo o resto em fila para revisão.
ADAM é uma camada de autoaperfeiçoamento projetada para o Claude Code, que monitora ativamente a fricção durante a sessão de trabalho, como correções repetidas, loops de tentativa, becos sem saída, loops de erro e alta rotatividade de edições. Utilizando hooks leves, ele identifica padrões problemáticos e propõe melhorias na forma de novas habilidades, entradas de memória e edições no agente. Para alterações com baixo risco de impacto, ADAM as aplica automaticamente, apresentando evidências de sessões anteriores para justificar a mudança. Já as alterações mais complexas ou arriscadas são colocadas em uma fila para revisão manual, garantindo que o sistema evolua de forma segura e eficiente. Essa ferramenta é particularmente útil para desenvolvedores que usam Claude Code e desejam otimizar continuamente o comportamento do agente, reduzindo retrabalho e acelerando o fluxo de desenvolvimento.
npx skills add lukaszraczylo/claude-adamInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
ADAM — camada de autoaperfeiçoamento para Claude Code. Observa atritos na sessão (correções, loops de repetição, becos sem saída, loops de erro, rotatividade de edições) por meio de hooks leves e propõe habilidades direcionadas, entradas de memória e edições de agente. Aplica automaticamente alterações de baixo impacto com evidências entre sessões; coloca todo o resto em fila para revisão.
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.