Agent Skills Hub

Ralph-Loop-Ultra

通过模型上下文协议 (MCP) 在实时与模拟外部依赖项之间无缝切换，支持自动化开发环境。

skill-developer

根据 Anthropic 最佳实践创建与管理 Claude Code 技能，包含触发条件、Hook 机制与渐进式披露。

taskery

为 AI 代理生成完整的 Taskery 本地 Kanban 看板操作指南，涵盖 CLI、API 及并发控制管理。

marketing-fundamentals

掌握营销核心概念、心理学与框架。包含漏斗规划、定位、价值主张与客户旅程分析，为营销策略奠定基础。

customer-problems

从业务背景识别并记录客户问题 (CP)。适用于开始需求工程或利益相关者仅描述解决方案而非问题时。这是 Problem-Based SRS 方法论的第 1 步。

agno

用于构建多代理系统、AgentOS 运行时及整合 MCP 服务器的 AI 代理开发框架。

skill-architect

设计与构建高质量 AI Agent Skills 的专家顾问。通过发现、架构与制作阶段的结构化引导，确保您建立的技能具备高度一致性、可组合性与执行效能。

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。

model-registry-maintainer

维护并更新 MassGen 模型注册表，包含后端能力、模型元数据、定价结构以及新旧 AI 模型的上下文窗口配置。

ux-audit-walkthrough

极简 UX/互动审计专家，通过认知负荷与操作效率的视角剖析复杂互动，评估 Figma 原型或网页可用性。

training-data-curation

用于 LLM 后训练（SFT/DPO/RLHF）的高质量数据集策劃指南，涵盖数据格式、质量过滤与收集策略。

goal-tracking

层级式目标跟踪系统，将三年愿景连接至每日任务。自动化计算进度、检测停滞目标，并整合 Obsidian 库中的项目与目标对齐。