Agent Skills Hub

differentiation-schemes

生成有限差分模板，选择PDE/ODE数值离散化方案，并执行截断误差分析以提升模拟精度。

social-media-analyzer

全方位的社交媒体营销活动分析工具，提供绩效追踪、投资回报率 (ROI) 计算、受众洞察以及可行的营销优化建议。

low-complexity

强制执行低认知与循环复杂度标准。自动在开发过程中维护代码的可读性、模块化与可维护性，防止复杂函数的堆叠。

guard

为提示词中的 JSON 数据提供认知安全分析，防止大型语言模型在处理不完整或大规模数据集时产生幻觉与推理错误。

deepwiki

通过 DeepWiki 和 MCP 搜索并检索超过 300 个热门 GitHub 仓库的 AI 生成文档、架构指南与 API 参考资料。

parallel-agents

通过协调多个专业 AI 代理来执行复杂工作流，实现多角度代码分析、功能开发与系统级审查的自动化编排。

java-test

执行基于 Gradle 的 Java 测试，过滤失败结果与关键统计数据，并提供精简报告以简化后端开发与调试。

market-sentiment-pulse

聚合并分析加密货币与股票代码的市场情绪，通过扫描新闻与社交信号，为交易前的“氛围感”评估提供快速参考。

prompt-improver

通过代码库研究与针对性提问，在执行前厘清模糊提示词的意图。

figma-design-to-code

使用 TemPad Dev MCP 将 Figma 设计转换为符合项目规范的 UI 代码，精确处理标记、样式与设计标记整合。

jupyter-notebook-testing

在浏览器中使用 Jupyter Notebook 交互式测试 Adobe EDS 区块。支持 ES6 导入、覆盖层预览、响应式设备测试及零依赖执行环境。

karpathy-guidelines

为 LLM 设置的程序开发行为准则，旨在减少错误、落实最佳实践，并通过强调简洁性、精确修改与目标导向验证来提升代码质量。