Agent Skills Hub

parallel-agents

通过协调多个专业 AI 代理来执行复杂工作流，实现多角度代码分析、功能开发与系统级审查的自动化编排。

implementation

结构化、模板驱动的端到端功能开发工作流，包含编码、自动化测试、验证及基于会话的持续改进。

multi-agent-patterns

架构多代理系统以突破上下文限制，运用监督者、群体与分层模型等模式来管理复杂工作流程。

plan

用于规划与实现功能、技能、脚本或架构变更的结构化六阶段工作流程，包含自动化工具探索与安全验证。

webapp-testing

使用 Playwright 测试本地 Web 应用程序的工具组，支持服务器生命周期管理、自动化 DOM 检测与浏览器自动化工作流程。

chatkit-frontend

使用 OpenAI ChatKit React 组件实现生产就绪的 AI 聊天界面。功能包含 hook 配置、流式传输、主题自定义、对话历史与 Next.js 应用程序的自定义工具整合。

markdown-token-optimizer

分析 Markdown 文件以识别浪费 Token 的模式，并提供具体优化建议，以提升文档对 AI 的 Token 使用效率与清晰度。

customer-research

客户问题与调查研究工具，提供多来源信息整合、事件追踪、账户历史记录查询，并包含来源标注与信赖度评分。

deep-reading-analyst

深度阅读与分析框架，运用 SCQA、第一性原理、系统思考等 10 种以上思维模型，协助您拆解复杂文章与学术报告。

jira-communication

全方位的 Jira 交互套件，可通过命令行管理工单、冲刺、看板与工时。支持搜索、更新、状态转换与附件处理。针对 Jira 网址与工单编号自动触发。

skill-template

为建立与记录模块化代理技能所设计的标准化模板，确保在 AI 代理系统中间实现一致且高效的上下文工程。

rag-implementation

使用向量数据库、语义搜索与 LangGraph 构建生产级 RAG 系统，为 LLM 提供外部知识基础。