Agent Skills Hub

scikit-learn

使用 scikit-learn 进行经典机器学习。适用于分类、回归、聚类、降维、数据预处理、模型评估，以及构建 Python 机器学习流程。

java-dev

Java 开发规范，包含命名约定、异常处理、Spring Boot 最佳实践及并发处理模式。

llmintegration

支持 Claude、GPT、Gemini 和 Ollama 的多模型 LLM 集成方案。涵盖 API 对接、提示工程、Token 管理及模型中立的编排架构。

flow-nexus-neural

使用 Flow Nexus 平台在分布式 E2B 沙盒中训练与管理神经网络，支持 Transformer、LSTM 和 GAN 等自定义架构。

ml-pipeline-workflow

构建并编排从数据准备、模型训练、验证到自动化部署的端到端 MLOps 管线。

speak

使用 Kokoro TTS 进行本地文字转语音。在终端中生成音频、朗读文本并处理多语言语音合成。

implement-feature

使用架构优先设计、TDD、丰富领域模型与 Swift 6.2 模式实现功能的指南，确保领域、基础设施与应用层之间的清晰隔离。

patterns

Langroid 多代理框架的设计模式合集，涵盖代理配置、工具处理、任务编排与外部集成。

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。

typescript

LobeHub 的 TypeScript 开发标准，涵盖类型安全、异步模式、导入规范、UI 组件集成以及性能优化准则。

data-viz-plots

使用 matplotlib 和 seaborn 建立可发表等级的图表与可视化，并可在任何 LLM 环境下本地运行。

robot-perception

机器人感知系统设计、配置与优化，涵盖摄像头、激光雷达与传感器融合管线。包含相机校准、3D 重建与生产环境部署的最佳实践。