Agent Skills Hub

langgraph-workflows

掌握 LangGraph 多智能体编排。使用监管者-工作者模式、条件路由与状态管理，构建具备容错能力的复杂 AI 工作流。

sparc-methodology

SPARC 开发方法论，结合 Claude Flow 多代理协作，实现从规格、伪代码、架构到重构与完成的系统化软件工程。

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。

rust-async-patterns

精通 Rust 异步编程与 Tokio，涵盖任务、通道、流、错误处理及生产级并发模式。

django-celery-expert

Django Celery 异步任务处理专家指南。提供任务设计、工作节点配置、错误处理、定期任务与生产环境监控的最佳实践。

ring:testing-skills-with-subagents

用于构建健壮 AI Agent 技能的元技能，采用测试驱动开发 (TDD) 方法：定义失败 (RED)、实现技能 (GREEN) 并修补合理化漏洞 (REFACTOR)。

outpost

用于可靠、多目标事件传递的开源基础设施。将 Webhook 路由至 HTTP、SQS、RabbitMQ、Pub/Sub、EventBridge 或 Kafka，并提供内置重试与可观测性功能。

multi-agent-patterns

架构多代理系统以突破上下文限制，运用监督者、群体与分层模型等模式来管理复杂工作流程。

long-running-agent

为 AI 代理设计的框架，可在多个上下文窗口中保持状态，使代理能够完成复杂的长期编程任务，而不丢失进度或上下文。

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。

github-release-management

智能 GitHub 发布编排，利用 AI 群体智慧进行自动化版本控制、多平台部署、测试与回滚管理。

wt

使用 git worktrees 管理隔离的 LlamaFarm 开发环境，实现并行代理会话与服务测试。