Agent Skills Hub

humanizer

移除 AI 生成的写作模式，为文字注入自然的人文气息。修复机械化的措辞、AI 惯用词汇过度使用以及单调的结构，让内容读起来更真实自然。

context-fundamentals

情境工程基础指南：为 AI 代理优化 Token 预算、注意力机制及系统架构。

debug-hooks

Claude Code 钩子的系统化调试工作流程。用于解决钩子无法触发、输出错误或行为异常等问题。

browser-debugger

使用 Chrome DevTools MCP 和 AI 视觉模型进行 UI 测试、设计一致性验证及浏览器调试。

prompt-optimizer

通过成熟的提示工程原则，将模糊或结构不良的指令转换为优化且高效的 AI 模型提示，提升执行质量与准确性。

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。

debug-mcp

针对 MCP 服务器与 Microsoft Copilot Studio 集成的系统性调试工作流程，包含常见修复模式与验证脚本。

find-bugs

对本地分支差异进行自动化安全审计、漏洞检测及代码质量评估，使用结构化的检查清单驱动验证流程。

tldr

节省 token 的代码分析技能，支持调用图、语义搜索、影响分析与数据流追踪。相比原始代码读取节省约 95% token。

workflow-execute-plans

以小型、可验证的批次执行实施计划，并在每个阶段设置反馈暂停点，以防止偏离目标并确保代码质量。

agents

构建具备工具调用与多步推理能力的 AI 代理。生成、管理并编排适用于 Claude Code、Cursor、Cline 等 AI 助手的自定义技能文件，实现开发流程标准化。

memov

AI 辅助代码代理版本控制。通过 MemoV 自动追踪提示词、上下文与差异，确保完整可追溯性，且不污染 Git 历史记录。