Agent Skills Hub

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。

context-detection

系统化的项目技术栈检测、框架特定技能自动加载，以及针对 React + Go 等全栈项目的多技术栈分析。

lint-fix

使用 Trunk 进行 linting、格式化与迭代式错误修复的自动化代码维护流程。

session-memory

为 Claude Code 启用跨会话上下文持久化，管理工作历程、项目决策与工作流模式，确保任务无缝接续。

hunt-focus-definition

将系统内核与对手战术研究合成为具体且可验证的威胁狩猎假设。

evaluation

为 AI 代理构建系统化的评估框架，利用多维评分标准、LLM-as-a-judge 与回归测试，量测代理效能、质量及上下文工程的有效性。

webf-quickstart

开始使用 WebF 开发：设置 WebF Go，初始化基于 Vite 的 Web 项目（React/Vue/Svelte），并在符合 W3C 标准的本机运行时中预览应用程序。

implement-type-annotations

自动化整合 Python 与 TypeScript 类型注解，以增强 IDE 智能提示、错误检测并提升 AI 代码理解能力。

subagent-driven-development

通过为每个任务指派独立子代理来执行实现计划，并结合规格符合性与代码质量的两阶段审查机制。

nango-esm-migration

修复 Nango 集成迁移至零 YAML 架构后产生的 CJS/ESM 模块兼容性问题，包含路径修正、创建 ESM 包装器及还原原始实现。

paper-reproduce

提供论文复现的系统性方法论，支持数据清洗、统计验证、样本筛选及自动化产出学术复现报告（Markdown 与 LaTeX）。

wenxian

学术文献自动检索与结构化总结工作流，支持多渠道定时推送，适用于各类研究主题追踪。