Agent Skills Hub

prompt-engineering-patterns

掌握先进的提示工程技术，以最大化生产环境中大型语言模型（LLM）的性能、可靠性和可控性。

Extract structured data from unstructured files (PDF, PPTX, DOCX...)

使用 LlamaExtract 实现从 PDF、DOCX 和 PPTX 等非结构化文件中提取结构化数据的方案，并通过 Pydantic 定义数据架构。

langchain-architecture

使用 LangChain 1.x 与 LangGraph 构建生产级 LLM 应用程序。实现状态化 AI 代理、多步骤工作流程，并为复杂的对话与自动化任务构建自定义记忆系统。

massive-context-mcp

通过递归分块、子查询与聚合结果处理超过 1,000 万 token 的大型文件和代码库，突破 LLM 上下文窗口限制。

llmfit-advisor

分析本地硬件 (RAM, CPU, GPU/VRAM) 并获取优化的本地 LLM 模型推荐、量化设置与性能预估。

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。

memory-systems

指导代理人记忆系统的实现，比较主流框架（Mem0、Zep、Letta、LangMem、Cognee），并设计用于跨会话知识保留的持久化架构。

agentic-workflows

构建企业级 AI 代理系统，支持 LangGraph、Anthropic/OpenAI/vLLM 与结构化输出。具备流式传输、A2A 协议、Pydantic 验证、向量记忆体与防幻觉机制，适用于复杂的多代理协作工作流。

langgraph

LangGraph 专家技能，专为构建具状态、多角色 AI 代理工作流而设计，包含持久化、条件分支与 ReAct 模式。

n8n

官方 n8n 工作流自动化支持，用于构建、调试和扩展复杂的业务流程与 AI 驱动的集成。

nexau-agent

从零开始构建、配置与部署 NexAU Agent 的完整指南与开发框架，包含工具、提示词与技能实现。

taide-botrun

高中语文国学考试解题助手，采用上下文工程与检索增强生成架构，提供高准确度、具可解释性的解题服务。