Agent Skills Hub

semantic-compression

积极精简输入内容中的语法结构与冗余文字，在保留核心语义的同时优化 LLM 的 Token 使用效率。

context-compression

通过先进的上下文压缩、结构化摘要与任务导向的状态管理，为长期运行的 AI 代理会话优化性能并降低 Token 使用量。

context-engineering-collection

一套用于上下文工程、多代理架构及生产级代理系统优化的结构化代理技能集。

context-optimization

通过 KV 缓存、观测遮罩、基于摘要的压缩与内容分割技术，优化代理程序的上下文窗口，以降低成本并减少延迟。

generate-image

使用 AI 模型（如 FLUX 和 Gemini）生成或编辑图像。适用于照片、插图、概念艺术和视觉素材，不包含技术图表或原理图。

qasai

功能强大的图像压缩与转换 CLI 工具，支持批处理、多种引擎（mozjpeg、pngquant、sharp 等）、格式转换（WebP、AVIF）及递归目录优化。

strategic-compact

通过在逻辑任务边界手动执行上下文压缩，取代不可预测的自动压缩，从而提升工作流效率。

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。

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。

claude-copilot

分析 Markdown 文件以确保符合预定义的 AI Token 预算，并优化内容以利于 AI 高效摄取。

migrate-postgres-tables-to-hypertables

将标准 PostgreSQL 数据表迁移至 TimescaleDB 超表，并优化分区、分块与压缩策略，以提升时间序列数据效能。

llmfit-advisor

分析本地硬件 (RAM, CPU, GPU/VRAM) 并获取优化的本地 LLM 模型推荐、量化设置与性能预估。