Agent Skills Hub

memcontext-autopilot

为 AI 代理设计的自动化记忆管理中间件，通过“查-回-存”闭环实现跨对话的长期记忆维持与上下文自动管理。

simplemem-skill

为 AI 代理提供持久的语义长期记忆。通过语义压缩，跨对话存储、查询并检索对话记录、决策与多模态上下文。

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。

skill-reinforcement

一种自动化元学习技能，通过在每次任务执行后捕获模式、错误和捷径来改进代理工作流程。

context-management

为 AI 代理提供主动式上下文窗口管理，通过智能令牌监控、快照建立与选择性状态恢复，确保长会话期间的连续性。

langchain-architecture

使用 LangChain 1.x 与 LangGraph 构建生产级 LLM 应用程序。实现状态化 AI 代理、多步骤工作流程，并为复杂的对话与自动化任务构建自定义记忆系统。

cascade-orchestrator

高级 AI 代理工作流编排，支持多模型路由、Codex 沙盒迭代、并行 swarm 执行及复杂管线中的持久化内存功能。

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。

moollm

一个用于大语言模型代理生存记忆的微世界操作系统，将文件系统转化为可导航的房间，并将代码转化为可居住的世界。

state-snapshot

捕获完整的被调试程序状态快照，包括所有已提交的内存区域与处理器寄存器，用于离线分析与取证调查。

novelty-check

根据最新文献验证研究想法的新颖性。适用于用户询问“查新”、“有没有人做过”或需要确认方法原创性时。

doc-sync

同步并维护存储库中的 CLAUDE.md 与 README.md 文件层级，确保 AI 代理程序拥有即时且一致的上下文信息。