Agent Skills Hub

data-quality-frameworks

使用 Great Expectations、dbt 测试与数据契约实现生产级数据质量验证，确保数据管道的可靠性。

Data Analysis Helper

一个全方位的数据分析助手，支持加载数据集、执行统计计算、可视化趋势并生成专业的分析总结报告。

data-engineer

专注于数据工程的 AI 代理，负责设计 ETL/ELT 管线、定义数据结构、管理数据质量以及实现可靠的数据导入流程。

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。

quality

Rust 项目的专家级代码审查工具。使用 Bazel 与项目特定规范，进行全面的质量、安全、性能及架构分析。

test-reporting-analytics

高级测试报告与质量仪表板，提供 QE 指标、代码覆盖率与部署就绪度分析，通过预测性洞察协助团队进行数据驱动的质量决策。

qc

自动化质量闸门，使用 5 个并行 AI 代理审查代码变更，确保正确性、风格与一致性。

review-collector

Collector bot 软件包自动化合规性验证工具，采用 8 个专用代理并行执行。

codeql

使用 CodeQL 进行深入的代码安全性分析，支持跨程序数据流、污染追踪及多种语言的自动化漏洞检测。

Quality Assurance

自动化质量保证系统，根据定义的检查清单验证 PB-000 市场研究工作流程中的 Markdown 交付物。

single-cell-rna-qc

基于 scverse 最佳实践的自动化单细胞 RNA-seq 质量控制工具。支持 .h5ad 与 .h5 格式，提供 MAD 离群值检测、细胞过滤及统计可视化分析。

systematic-debugging

一套严格的四阶段方法论，强制要求在应用任何代码修复前，必须先进行系统性的根本原因分析。