Agent Skills Hub

implementation

结构化、模板驱动的端到端功能开发工作流，包含编码、自动化测试、验证及基于会话的持续改进。

plan

用于规划与实现功能、技能、脚本或架构变更的结构化六阶段工作流程，包含自动化工具探索与安全验证。

clean-code

实用且精简的 AI 代码标准，专注于干净代码、简洁性与可维护性。强制执行 SRP、DRY 与 KISS 等最佳实践，避免过度设计。

cc-skill-project-guidelines-example

用于建立项目专属 AI 代理指南的模板技能，定义确定性开发所需的架构、文件结构与代码模式。

submodule-push

将 git 子模块（hive 或 core-geth）的本地更改推送到对应的远程分支，确保仓库同步。

self-reviewer

为 AI 代理实现自动化的关键自我验证层，在完成任务前确保代码质量、安全性和需求一致性。

tasks

使用 Mighty (mt) 任务进行代码开发管理，包含进度追踪、证据链接、设计决策记录以及标准化的任务结案流程。

linear

LobeHub 的 Linear 问题管理与同步工具，支持自动化 PR 关联、子任务树状拆解与进度更新。

testops-companion

一个 AI 驱动的测试运营平台与 MCP 服务器，提供自动化测试失败分析、根因匹配 (RCA) 及 CI/CD 流水线的智能测试编排。

memov

AI 辅助代码代理版本控制。通过 MemoV 自动追踪提示词、上下文与差异，确保完整可追溯性，且不污染 Git 历史记录。

ride

分析代码库并使用企业级托管脚手架生成基于证据的 Loa 工件，实现结构化的现实映射。

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。