O que agentic-evidence-analysis faz?
Habilidades de análise de dados categóricos baseada em evidências para agentes de codificação de IA e usuários de R.
Habilidades de análise de dados categóricos baseada em evidências para agentes de codificação de IA e usuários de R.
Esta skill, intitulada 'syrius2000/agentic-evidence-analysis', fornece capacidades de análise de dados categóricos orientada por evidências, projetada tanto para agentes de codificação de IA quanto para usuários humanos da linguagem R. Ela se concentra em metodologias estatísticas robustas para explorar e interpretar dados categóricos, enfatizando a tomada de decisão baseada em evidências. A skill é útil para cientistas de dados, pesquisadores e desenvolvedores que precisam realizar análises rigorosas de variáveis categóricas, incluindo testes de independência, medidas de associação e visualizações. Embora os detalhes específicos da implementação não sejam fornecidos, a skill é compatível com ambientes de codificação assistida por IA, como Claude Code, Cursor e Codex, permitindo que os agentes executem análises estatísticas complexas de forma autônoma. Ela aproveita pacotes R padrão, como 'vcd', 'ggplot2' e 'dplyr', para garantir análises precisas e reproduzíveis. A skill foi projetada para se integrar perfeitamente aos fluxos de trabalho do agente, gerando insights acionáveis a partir de dados categóricos brutos.
npx skills add syrius2000/agentic-evidence-analysisInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Habilidades de análise de dados categóricos baseada em evidências para agentes de codificação de IA e usuários de R.
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.