Entiende cómo las ideas evolucionaron con el tiempo para encontrar soluciones antiguas a problemas nuevos y evitar repetir fracasos pasados
EN LO QUE TE CONVIERTES
Perfecto para estos escenarios
Evaluar la metodología, el presupuesto y el impacto de las solicitudes de subvenciones (revisión por pares).
Evaluar la calidad del artículo, la validez estadística y el cumplimiento de las normas de presentación.
Revisar tesis de posgrado para garantizar su rigor, estructura y reproducibilidad.
Aplicar marcos de revisión sistemática en múltiples campos de investigación.
GANANCIA MEDIBLE
Beneficios probados e impacto medible
Reduce el tiempo dedicado a la revisión de manuscritos y subvenciones mediante la automatización de comprobaciones.
Mejora la calidad del envío identificando fallas antes de la revisión por pares.
Aumente las puntuaciones de reproducibilidad asegurando una metodología transparente.
QUÉ INCLUYE
Archivos, etiquetas y la instalación en tres pasos
Consejo: Lee la documentación y el código antes del primer uso para saber qué hace y qué permisos necesita.
SIGUIENTES GUIONES
Recomendado según etiquetas y categoría
Sistema de generación de agentes de código Claude que crea agentes personalizados y subagentes con frontmatter YAML mejorado, patrones de acceso a herramientas y soporte para integración MCP siguiendo patrones de producción probados
Generar y mantener archivos AGENTS.md siguiendo la convención pública agents.md. Usar cuando se cree documentación para flujos de trabajo de agentes AI, guías de incorporación o cuando se estandaricen patrones de interacción de agentes en proyectos.
Esta habilidad debería usarse para tareas de aprendizaje automático de series temporales que incluyen clasificación, regresión, agrupamiento, pronóstico, detección de anomalías, segmentación y búsqueda de similitud. Usarla al trabajar con datos temporales, patrones secuenciales o observaciones indexadas en el tiempo que requieren algoritmos especializados más allá de los enfoques de ML estándar. Especialmente adecuada para análisis de series temporales univariadas y multivariadas con APIs compatibles con scikit-learn.
Procesa y genera contenido multimedia utilizando la API de Google Gemini. Las capacidades incluyen analizar archivos de audio (transcripción con marcas de tiempo, resumen, comprensión del habla, análisis de música/sonido hasta 9,5 horas), entender imágenes (descripción, detección de objetos, OCR, preguntas y respuestas visuales, segmentación), procesar videos (detección de escenas, preguntas y respuestas, análisis temporal, URLs de YouTube, hasta 6 horas), extraer de documentos (tablas PDF, formularios, gráficos, diagramas, varias páginas), generar imágenes (texto a imagen, edición, composición, refinamiento). Usar cuando se trabaje con archivos de audio/video, se analicen imágenes o capturas de pantalla, se procesen documentos PDF, se extraiga datos estructurados de medios, se creen imágenes a partir de indicaciones de texto o se implementen funciones de IA multimodal. Soporta múltiples modelos (Gemini 2.5/2.0) con ventanas de contexto de hasta 2 millones de tokens.