O que Deepagent-research-context-engineering faz?
🔍 Acelere a pesquisa usando um Sistema Multiagente para engenharia de contexto eficiente com as bibliotecas DeepAgent e LangChain.
🔍 Acelere a pesquisa usando um Sistema Multiagente para engenharia de contexto eficiente com as bibliotecas DeepAgent e LangChain.
Esta skill utiliza um sistema multiagente para acelerar pesquisas e otimizar a engenharia de contexto. Ela combina a biblioteca DeepAgent (provavelmente um fork ou extensão de agentes de IA) com o ecossistema LangChain para gerenciar e refinar o contexto de forma eficiente, reduzindo a perda de informações e melhorando a qualidade das respostas em tarefas de pesquisa. O sistema permite que múltiplos agentes colaborem na síntese e estruturação de dados de fontes diversas, o que é particularmente útil para projetos que envolvem grandes volumes de texto, análise documental ou geração de relatórios de pesquisa. Embora o nome sugira uma abordagem voltada para pesquisa acadêmica ou científica, a skill pode ser aplicada em qualquer cenário onde a gestão de contexto seja crítica, como desenvolvimento de software, análise de mercado ou revisão de literatura. Suporta integração com ferramentas da LangChain, como modelos de linguagem, cadeias e memória, e pode ser utilizada em plataformas como Claude Code, Cursor ou Codex, desde que configurada adequadamente com as dependências necessárias. O fluxo típico envolve a definição de agentes especializados, a coleta de informações e a composição de um contexto enriquecido que é então utilizado para gerar respostas mais precisas e abrangentes.
npx skills add XXXaber/Deepagent-research-context-engineeringInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
🔍 Acelere a pesquisa usando um Sistema Multiagente para engenharia de contexto eficiente com as bibliotecas DeepAgent e LangChain.
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.