Agent Skills Hub

memory-systems

指导代理人记忆系统的实现，比较主流框架（Mem0、Zep、Letta、LangMem、Cognee），并设计用于跨会话知识保留的持久化架构。

context-degradation

诊断、隔离并缓解 LLM 上下文故障（如中间丢失、中毒、干扰及冲突），提升 AI 代理的执行可靠性。

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。

context-engineering-collection

一套用于上下文工程、多代理架构及生产级代理系统优化的结构化代理技能集。

skill-creator

一个用于构建模块化、可重复使用 Agent 技能的框架。提供有关构建 SKILL.md、脚本、参考资料和资源的使用指南，以扩展 Claude 的功能。

multi-agent-patterns

架构多代理系统以突破上下文限制，运用监督者、群体与分层模型等模式来管理复杂工作流程。

cmux

通过 CLI 控制 macOS cmux 终端拓扑、工作区与窗口布局。适用于需要确定性多窗格导航、界面路由与注意力提示的 AI 编程助手。

digital-brain

为创业者、内容创作者与专业人士设计的个人数字大脑系统，利用 AI 协助管理数字足迹、知识库、人际关系与个人目标。

skill-template

为建立与记录模块化代理技能所设计的标准化模板，确保在 AI 代理系统中间实现一致且高效的上下文工程。

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。

semantic-compression

积极精简输入内容中的语法结构与冗余文字，在保留核心语义的同时优化 LLM 的 Token 使用效率。

claude

Anthropic Claude AI 模型，专用于高效编码、长文本分析及 GUI 交互。