Verwenden Sie dies bei der Einrichtung von claude-mem auf Cursor: lokaler oder entfernter Worker, lokaler Host-Login-Observer oder entfernte cmem.ai-Inferenz.
DEIN EQUIPMENT
Dateien, Tags und die Installation in drei Schritten
Tipp: Lies Dokumentation und Code vor der ersten Nutzung, damit du Funktion und benötigte Berechtigungen kennst.
NÄCHSTE SKRIPTE
Empfohlen basierend auf Tags und Kategorie
Verwenden Sie diesen Skill, wenn der Benutzer auffordert, claude-mem einzurichten, claude-mem zu koppeln, cmem zu verbinden, seinen cmem-Schlüssel hinzuzufügen, die Cloud-Synchronisierung in Cowork einzurichten, oder cmem.ai Connect-Werte (sync token, user id, SyncHub URL) für dieses Plugin bereitstellt. Konfiguriert die Anmeldedaten des claude-mem-cowork-Plugins.
Erstelle einen belegbasierten ECC-Installationsplan für ein bestimmtes Repository, indem du Skills, Commands, Rules, Hooks und Extras mittels paralleler, repository-bewusster Überprüfungsdurchläufe in die Buckets DAILY und LIBRARY sortierst. Verwende dies, wenn ECC auf das tatsächlich vom Projekt Benötigte reduziert werden soll, anstatt das gesamte Bundle zu laden.
Reduziert AIGC-Erkennungsraten und KI-Anmutung in akademischen Arbeiten für Claude Code und Codex. Basierend auf Detektoren wie 知网, 万方, PaperPass und PaperPure werden Scanning, deterministischer Ersatz, Satz-Level-Rekonstruktion und Anti-AI-Auditing eingesetzt, um standardisierte KI-Spuren zu verringern und dabei akademischen Stil, Fakten, Daten, Zitate und Fachterminologie konsistent zu halten. Verwenden, wenn der Nutzer KI-Anmutung reduzieren, AIGC-Rate senken, KI-Erkennung umgehen, falsch-positive KI-Ähnlichkeit verringern, Text menschlicher wirken lassen oder Begriffe wie 'KI-Anmutung reduzieren', 'Ähnlichkeit senken' oder 'AIGC-Prüfung' erwähnt.