O que research-plugins faz?
Mais de 350 habilidades de pesquisa acadêmica, configurações MCP e plugins para Research-Claw e agentes de IA.
Mais de 350 habilidades de pesquisa acadêmica, configurações MCP e plugins para Research-Claw e agentes de IA.
O repositório **wentorai/research-plugins** oferece um ecossistema completo com mais de 350 habilidades de pesquisa acadêmica, configurações MCP (Model Context Protocol) e plugins otimizados para a ferramenta *Research-Claw* e outros agentes de IA. Ele é projetado para automatizar e agilizar tarefas de pesquisa científica, como coleta de artigos, análise de citações, extração de dados e integração com bases acadêmicas. A coleção é útil para pesquisadores, desenvolvedores e entusiastas de IA que desejam estender as capacidades de seus agentes (como Claude Code, Cursor ou Codex) com funcionalidades específicas de pesquisa. Cada plugin ou habilidade é acompanhado de configurações MCP prontas para uso, facilitando a conexão com APIs acadêmicas e repositórios de conhecimento. O projeto organiza os recursos de forma modular, permitindo que você escolha e combine apenas as habilidades necessárias para seu fluxo de trabalho, acelerando desde a revisão de literatura até a síntese de descobertas.
npx skills add wentorai/research-pluginsInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Mais de 350 habilidades de pesquisa acadêmica, configurações MCP e plugins para Research-Claw e agentes de IA.
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.