Agent Skills Hub

hs

AI 代理的执行前安全防护机制。针对 Shell 指令和文件读取执行 400 多种安全模式验证，拦截具破坏性的操作、凭证窃取与未授权的系统访问。

command-executor

安全地执行、测试并验证文档中的命令，支持真实输出捕获、性能跟踪与 Git 安全协议。

prompt-estruturado

一个结构化的提示工程框架，能将随意输入转换为包含角色、背景、任务、格式及防护机制的专业模块化提示词。

executing-plans

在独立会话中执行实施计划并进行审核检查点，确保逐项任务验证与代码质量。

eval-harness

克劳德代码会话的正式评估框架，实施评估驱动开发（EDD）原则，用于保障 AI 代理的可靠性。

enterprise-agent-builder

根据结构化规范架构企业 AI 代理，生成生产就绪代码、数据流图以及适用于 ServiceNow、Salesforce 和 Snowflake 的平台特定逻辑。

karpathy-guidelines

为 LLM 设置的程序开发行为准则，旨在减少错误、落实最佳实践，并通过强调简洁性、精确修改与目标导向验证来提升代码质量。

skill-vetter

AI 代理技能安全审查协议。在安装前检测凭证窃取、混淆代码及未经授权的数据传输等安全风险。

ai-llm-patterns

Anthropic Claude 集成模式：流式传输、基于 pgvector 的 RAG、工具调用、模型选择（Haiku/Sonnet/Opus）、提示词缓存及 AI 工程成本管理。

prompt-engineering-patterns

掌握先进的提示工程技术，以最大化生产环境中大型语言模型（LLM）的性能、可靠性和可控性。

prp-manager

通过 Context Engineering 原则，为 AI 代理程序初始化、生成并执行完整实作蓝图 (PRPs)，实现软件开发一次成功。

anthropic-api

为构建 Claude API 生产级应用提供专家指导，涵盖 SDK 使用、提示词缓存、批量处理、流式传输、工具调用及成本优化策略。