Agent Skills Hub

ai-writing-detection

全面的 AI 文本检测框架。通过词汇分析、结构模式、模型指纹与技术元数据比对，精准辨识 AI 生成内容与写作痕迹。

doc-coauthoring

为文档、技术规格与提案提供结构化的共同创作工作流程，引导用户进行背景信息收集、协作式修订与读者核对。

customer-problems

从业务背景识别并记录客户问题 (CP)。适用于开始需求工程或利益相关者仅描述解决方案而非问题时。这是 Problem-Based SRS 方法论的第 1 步。

omc-plan

智能战略规划与需求收集，支持多视角共识循环与结构化审议。

github-code-review

部署专业 AI 代理集群进行全面的 GitHub Pull Request 审查，涵盖安全性、性能、架构及代码风格分析。

paper-write

根据研究计划与叙事报告，以章节为单位编写 LaTeX 学术论文，并通过多模型审阅机制确保质量。

code-reviewer

对本地更改或 GitHub 远程合并请求进行自动化代码审查。通过整合 git 和 gh CLI，分析代码的正确性、可维护性及标准遵循。

openrouter-trending-models

获取并分析 OpenRouter 热门编程模型。适用于选择评审模型、优化 AI 成本，并通过实时定价与上下文窗口数据掌握 AI 编码趋势。

research-pipeline

端到端自动化研究代理：从想法生成、文献综述到实验执行、对抗式审阅循环与论文撰写。

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。

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。

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。