Agent Skills Hub

spec-miner

逆向工程专家，专门用于分析代码库、绘制依赖关系图，并从遗留或无文档系统中提取规格说明。

quality-fixer

自动套用 Python 代码质量修正，包含自动格式化 (Black, isort)、Linting (Ruff 自动修正) 以及解决格式化工具冲突，确保代码质量。

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。

plantuml-manipulator

针对 PlantUML 序列图的结构化批处理、验证与报表生成工具，适用于跨文件维护。

java-coding-standards

强制执行高质量 Java 17+ 编码标准、Spring Boot 惯例以及可维护的项目架构。

react-native-best-practices

React Native 性能优化指南，涵盖 FPS、TTI、Bundle 大小、内存泄漏与分析模式，基于 Callstack 的专业最佳实践。

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。

feature-dev

引导式功能开发代理，通过系统化的代码探索、架构设计、代码实现与自动化测试完整周期完成开发任务。

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。

reviewing-code

执行 FastMCP 项目的严格代码审查，专注于 API 设计、依赖管理与代码库的一致性。

clean-code

实用且精简的 AI 代码标准，专注于干净代码、简洁性与可维护性。强制执行 SRP、DRY 与 KISS 等最佳实践，避免过度设计。

metacognition

通过结构化的自我评估检查点，确保 AI 在任务执行前、中、后的方案验证与风险管控，提升程序开发质量。