Agent Skills Hub

prompt-engineering-patterns

掌握先进的提示工程技术，以最大化生产环境中大型语言模型（LLM）的性能、可靠性和可控性。

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。

prompt-lookup

通过 prompts.chat 搜索、发掘并优化 AI 提示词。访问数千个专为 ChatGPT、Claude 等 AI 模型设计的社区精选提示词。

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。

milady-development

通过管理插件来自我修改 Milady 代理。编辑代码、重建并重新启动运行环境，以开发新功能或本地优化代理工作流程。

moai-foundation-core

MoAI-ADK 基础架构原则，包含 TRUST 5、SPEC-First TDD、委派模式以及节省 Token 的代理人协作工作流程。

ai-llm-patterns

Anthropic Claude 集成模式：流式传输、基于 pgvector 的 RAG、工具调用、模型选择（Haiku/Sonnet/Opus）、提示词缓存及 AI 工程成本管理。

building-logseq-plugins

Logseq 插件开发专家指南，专注于新版数据库架构、API 集成与属性管理。

request-optimizer

一个智能网关，可分析、评分并将用户请求路由至 27 个代理、27 个技能与 14 个 MCP，以优化 Claude Code 的执行效率。

langgraph

LangGraph 专家技能，专为构建具状态、多角色 AI 代理工作流而设计，包含持久化、条件分支与 ReAct 模式。

dynamic

专为 bkend.ai BaaS 设计的全栈开发代理。自动化项目初始化、身份验证、数据库配置及 Next.js 应用程序 API 集成。

engineering-as-marketing

执行“工程即营销”增长策略：通过构建免费的 SEO 工具页面获取自然流量，将访客转化为付费用户，实现零广告预算下的高效成长。