Agent Skills Hub

basic-usage

llmemory 文档存储与搜索入门：涵盖安装、pgvector 数据库配置、文档导入、混合/语义检索，以及构建具备多租户支持的 RAG 系统。

markdown-token-optimizer

分析 Markdown 文件以识别浪费 Token 的模式，并提供具体优化建议，以提升文档对 AI 的 Token 使用效率与清晰度。

markdown-converter

使用 markitdown 将各种文档、媒体和网页内容转换为 Markdown，非常适合大语言模型处理和文本分析。

agent-architecture

实现生产级 AI 代理。包含 LangGraph、工具调用护栏、SSE 流式传输、情节记忆与 pgvector。提供反模式分析与修正代码。

analyzing-research-documents

从研究文档、技术论文和架构设计文件中，系统性地提取关键见解、决策记录与技术限制。

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。

upstash-vector-db-skills

Upstash Vector DB 设置、语义搜索、命名空间与向量嵌入模型。专为在 Next.js 16 与 Vercel 项目中构建高性能向量搜索功能而设计。

google-search

使用真实 Chrome 浏览器进行 JavaScript 渲染的高级 Google 搜索。适用于抓取完整网页内容、指定网站搜索及时间筛选结果。

search

使用 Tavily 的 LLM 优化搜索 API 进行网络搜索，无需编写代码即可获取带有引用来源的精准内容。

deep-research

一个系统化的多角度网页研究代理。适用于深度调查、复杂问题查询，以及在内容生成前作为强制性的研究步骤，确保获得有据可查的高质量结果。

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。

crawl

爬取网站并将内容保存为整洁的 Markdown 文件。适用于文档提取、研究分析与离线知识库建立。