Triagem assistida por IA para impressões digitais de integridade de dados em artigos científicos · Pipeline de triagem de integridade de dados em artigos acadêmicos (Colega Geng)
O skill xntj-ai/gengscan oferece uma solução automatizada e assistida por IA para detectar possíveis violações de integridade de dados em artigos científicos. Ele analisa impressões digitais de dados, como manipulação de imagens, inconsistências em tabelas e duplicação indevida de resultados, ajudando pesquisadores, editores e revisores a identificar rapidamente problemas de confiabilidade. Suportado por plataformas como Claude Code e Cursor, o skill utiliza modelos de linguagem avançados para interpretar o conteúdo dos artigos e destacar anomalias. Seu pipeline integra técnicas de processamento de imagens e análise textual, permitindo uma triagem eficiente mesmo em grandes volumes de documentos. É especialmente útil para manter a integridade acadêmica e acelerar o processo de revisão por pares.
npx skills add xntj-ai/gengscanInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Triagem assistida por IA para impressões digitais de integridade de dados em artigos científicos · Pipeline de triagem de integridade de dados em artigos acadêmicos (Colega Geng)
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.