Agent Skills Hub

brainstorm

执行结构化的 RL 环境、评估及研究规划脑力激荡。基于 Prime Intellect verifiers、CLI 及训练器工作流程的迭代式构思。

AgentDB Memory Patterns

使用 AgentDB 为 AI 代理实现高性能持久化内存与自我学习模式。包含会话记忆、长期向量存储及用于状态化代理工作流程的层级式上下文管理。

AgentDB Learning Plugins

为自主代理创建并训练自定义强化学习插件，内置包含决策转换器 (Decision Transformer) 与 Actor-Critic 等 9 种核心算法，实现代理行为的自我优化。

glyphbox

一个基于 LLM 的 NetHack 代理框架，通过在安全沙盒中动态合成 Python 代码，利用高阶 API 执行复杂的地牢探索与游戏操作。

training-data-curation

用于 LLM 后训练（SFT/DPO/RLHF）的高质量数据集策劃指南，涵盖数据格式、质量过滤与收集策略。

moltbot-arena

Moltbot Arena AI 代理技能，适用于即时战略编程游戏。通过 REST API 管理单位、自动化资源采集、协调建筑并执行战术决策。

stable-baselines3

使用 Stable Baselines3 进行生产级强化学习。通过类 scikit-learn API 训练智能体、设计自定义环境、实现训练回调函数并优化工作流程。

tweet-rl-tracker

基于 Notion 的推文性能追踪系统，通过强化学习原理实现数据驱动的内容实验与优化。

youtube-rl-tracker

一个受强化学习启发的 YouTube 绩效追踪工具，通过系统化记录来优化缩图、标题与视频钩子。