Agent Skills Hub

context-driven-development

通过管理 conductor/ 目录中的项目环境工件（产品、技术栈、工作流程、跟踪）来标准化开发环境。支持项目脚手架创建、工件同步以及针对全新与既有项目的 AI 对齐。

Project Context Analyzer

通过并行代理执行分析项目结构、依赖项与代码模式，为快速上手陌生代码库与 AI 辅助开发生成详尽的工程背景文档。

webapp-testing

使用 Playwright 测试本地 Web 应用程序的工具组，支持服务器生命周期管理、自动化 DOM 检测与浏览器自动化工作流程。

massive-context-mcp

通过递归分块、子查询与聚合结果处理超过 1,000 万 token 的大型文件和代码库，突破 LLM 上下文窗口限制。

btca-cli

操作 btca CLI 进行源代码优先的研究。管理 Git、本地目录与 npm 资源，确保 AI 的回答基于实际代码库而非过时的文档。

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。

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。

backend-rag-implementation

构建 RAG 系统以利用私有数据增强 LLM。包含向量数据库集成、嵌入策略、混合搜索及 FastAPI 后端的高级检索模式。

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。

gemini-video-understanding

使用 Google Gemini API 进行深度视频分析：包含视频摘要、音频转录、时间戳提取、视频片段剪辑，并支持 YouTube 链接或本地文件，适用于多种模型与长文本上下文。

saving-codeacts

将成功的 Python 代码执行结果封装为 gentools 套件中的可重用工具，并透过 Pydantic 模型实现结构化输出与类型安全的执行接口。

ralph-tui-create-beads

将 PRD 转换为 ralph-tui 自主执行所需的任务 beads，包含质量门控与依赖关系管理。