Agent Skills Hub

ai-llm-patterns

Anthropic Claude 集成模式：流式传输、基于 pgvector 的 RAG、工具调用、模型选择（Haiku/Sonnet/Opus）、提示词缓存及 AI 工程成本管理。

deepscan-monitor

管理长时间运行的 PapersFlow DeepScan 研究流程，提供异步监控、实时进度追踪与自动化报告生成功能。

skill-code-review

多模型代码审查工作流，通过共识机制进行代码质量与安全分析。

prp-manager

通过 Context Engineering 原则，为 AI 代理程序初始化、生成并执行完整实作蓝图 (PRPs)，实现软件开发一次成功。

evidence-first-debugging

强制执行严格的实证调试工作流程，利用结构化观察、假设检验和因果验证，消除技术调查中的推测。

session-reflection-analysis

分析 Claude Code 会话历史，以识别效率低下的模式、优化 Token 使用量并建议工作流程改进。

reflect-appworld-failure

分析 AppWorld 任务失败原因，提取具体的 API 模式并生成带有实现代码示例的可执行剧本要点。

tdd-london-chicago

掌握伦敦派（模拟测试）与芝加哥派（状态测试）TDD。通过 AI 代理自动化测试驱动开发流程、风格选择与代码重构。

multi-llm-advisor

通过 OpenAI Codex 和 Google Gemini 获取架构、代码审查与调试的专家观点，并透明化展示所有 AI 推论与建议。

frontend-design-review

评估、审核并构建具有高质量设计、符合无障碍标准及设计系统规范的生产级前端界面。

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。

claude-code-guide

Claude Code 高级开发指南，涵盖 REPL 环境、MCP 集成、开发工作流及 AI 辅助编程最佳实践，助力提升开发效率。