Agent Skills Hub

context-optimization

通过 KV 缓存、观测遮罩、基于摘要的压缩与内容分割技术，优化代理程序的上下文窗口，以降低成本并减少延迟。

lading-optimize-submit

自动化 lading 性能优化的提交流程，包含分支管理、git 提交与 Pull Request 创建。

ReasoningBank with AgentDB

使用 AgentDB 的超快速向量后端实现 ReasoningBank 自适应学习。具备轨迹追踪、判定评估、记忆蒸馏与模式识别功能，适用于构建自我学习的自主智能体。

performance-optimization

通过 Redis 缓存、集群运算、性能分析与监控技术，优化 Node.js 应用程序性能，打造高效且可扩展的后端服务。

order-troubleshooting

处理订单追踪、配送状态查询，以及针对丢失、损坏或错误商品的疑难排解。

python-plan-optimization

为 Python 代码提供 6 阶段只读分析的工作流程，根据项目类型（从 POC 到开源）检测设计原则违规、代码异味并建议现代化改善方案。

convoy

使用 Gas Town 的车队系统 (convoy) 管理批次任务追踪与排程，实现多代理自动化协作。

ui-design-review

基于 Gemini 的 UI 设计审核、无障碍审计与设计系统验证工具，专为软件代理设计。

worker-integration

用于将任务分发给专业后台代理的智能编排系统，具备基于性能的路由与执行追踪功能。

spawn-decision

专为协调系统设计的决策代理，用于处理复杂的架构选择、任务规划与错误排除。

ReasoningBank Intelligence

通过 ReasoningBank 实现代理程序的自适应学习，进行模式识别、策略优化与持续改进。

log-debug-issue

维护结构化的 DEBUG_LOG.md 以记录程序错误、调试过程与解决方案，确保项目稳定性并积累技术知识。