Agent Skills Hub

jina-cli

专为 AI Agent 设计的网页阅读与搜索工具，通过 Jina AI Reader API 将网页转换为适合 LLM 阅读的 Markdown、文本或 HTML 格式。

tavily-tools

集成式 Tavily AI Python CLI 工具，支持网页搜索、内容提取、网站爬虫、结构映射以及自动化深度研究报告。

task-search

通过高性能、具备防抖功能的搜索引擎加速任务检索。支持多标记 AND 逻辑、相关性排序，并能实时高亮显示任务标题、描述与标签中的匹配文本。

higress-auto-router

通过 CLI 管理 Higress AI Gateway 的自动模型路由。根据请求内容设置触发规则，实现智能模型选择。

brave-search

通过 Brave Search API 进行无头网页搜索与内容提取。无需浏览器即可执行文档检索、事实查核及网页内容抓取。

rag-engineer

架构与优化生产级别的 RAG 系统。精通嵌入模型、向量数据库、分块策略及检索管线，提升 LLM 应用的精确度。

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。

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。

maestro

智能 RAG 知识网关，将编程任务路由至专业的 Swift/iOS 领域知识。通过 MCP 从 100 多种索引技能中提取精准模式，优化开发上下文使用率。

google-search

使用真实 Chrome 浏览器进行 JavaScript 渲染的高级 Google 搜索。适用于抓取完整网页内容、指定网站搜索及时间筛选结果。

upstash-vector-db-skills

Upstash Vector DB 设置、语义搜索、命名空间与向量嵌入模型。专为在 Next.js 16 与 Vercel 项目中构建高性能向量搜索功能而设计。

basic-usage

llmemory 文档存储与搜索入门：涵盖安装、pgvector 数据库配置、文档导入、混合/语义检索，以及构建具备多租户支持的 RAG 系统。