Agent Skills Hub

proactive-agent

通过 WAL 协议、持久化内存缓冲区与自动化 Cron 调度，将 AI 代理转变为能主动预测需求并持续优化的主动式伙伴。

go

indiiOS 的自动递归执行引擎，负责管理任务完成、状态验证与错误处理。

data-storytelling

将原始数据转化为引人入胜的叙事，运用可视化策略、叙事框架与说服性结构，协助分析师进行高管汇报与数据决策。

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。

deep-thinking

一套深度推理框架，通过多假设生成、严谨验证与系统化分析，协助 AI 处理复杂的架构设计、调试与高风险决策任务。

ci

自动化 CI/CD 事故响应与 GitHub Actions 流水线失败分析。提供安全的修复建议，并协助解决构建与测试错误。

datarobot-model-deployment

用于部署、管理和监控 DataRobot 模型的工具，包含预测环境配置、冠军/挑战者模型工作流程以及部署操作。

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。

quality-metrics

自动化质量监控与度量，包含 DORA 指标、缺陷密度追踪，并为持续交付流水线配置智能质量闸道。

ring:testing-skills-with-subagents

用于构建健壮 AI Agent 技能的元技能，采用测试驱动开发 (TDD) 方法：定义失败 (RED)、实现技能 (GREEN) 并修补合理化漏洞 (REFACTOR)。

infographic-template-updater

自动同步新增的信息图表模板，并更新项目文档、画廊映射与 AI Playground 提示词。

systematic-debugging

一套严格的四阶段方法论，强制要求在应用任何代码修复前，必须先进行系统性的根本原因分析。