Agent Skills Hub

context-driven-testing

运用情境导向测试原则，根据项目目标、风险与限制调整测试策略，而非盲目依赖通用最佳实践。

doc-coauthoring

为文档、技术规格与提案提供结构化的共同创作工作流程，引导用户进行背景信息收集、协作式修订与读者核对。

tavily-web

使用 Tavily API 进行进阶网络搜索、内容提取与网站爬取，为 AI 代理研究与数据收集进行优化。

langchain-architecture

使用 LangChain 1.x 与 LangGraph 构建生产级 LLM 应用程序。实现状态化 AI 代理、多步骤工作流程，并为复杂的对话与自动化任务构建自定义记忆系统。

qras

基于 Qdrant 和 Ollama 的本地 RAG 语义记忆系统。适用于高效检索工作区文件、笔记、决策记录与用户偏好，提供精确的向量语义搜索。

fabric

Fabric CLI 智能模式选择工具，从 242+ 种专业提示中自动选取最合适的模式，支持威胁建模、数据分析、摘要与内容创作。

ReasoningBank Intelligence

通过 ReasoningBank 实现代理程序的自适应学习，进行模式识别、策略优化与持续改进。

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。

personal-brand-agent

基于 LangGraph 与 Claude Opus 4.5 的自动化 LinkedIn 内容营销多代理系统，涵盖趋势研究、内容生成、个人品牌语调分析与成效追踪。

context-engineering-expert

先进的上下文工程系统，用于协调 AI 代理、内存管理和 Token 优化，以提升长期持久性和项目智慧。

edge-tts

使用 Microsoft Edge 神经语音引擎，通过 uvx edge-tts 生成高质量的文字转语音音频。

langchain-chat-models

为 LangChain 应用程序提供统一接口，整合并管理 OpenAI、Anthropic、Google、Azure 和 Bedrock 等 LLM 聊天模型服务。