Agent Skills Hub

cohort-analysis

执行用户参与数据的同期群分析。识别留存趋势、功能采用率、流失模式，并透过定量数据分析生成可执行的研究建议。

Confidence Check

开发人员的事前实作信心评估工具。通过重复代码检查、架构合规性、官方文档验证与根本原因分析，确保达到 90% 以上的准备度。

paper-writing

从研究报告到成品 PDF 的全自动论文写作流水线。

pytorch-lightning

PyTorch Lightning 深度学习框架技能：自动化模型训练、多 GPU 编排、数据管道以及 DDP、FSDP 和 DeepSpeed 等分布式训练策略。

pymc

使用 PyMC 进行贝叶斯建模与概率编程。构建分层模型，执行 MCMC 采样 (NUTS) 与变分推断，并透过 LOO/WAIC 进行严谨的模型比较与后验检查。

evaluation

为 AI 代理构建系统化的评估框架，利用多维评分标准、LLM-as-a-judge 与回归测试，量测代理效能、质量及上下文工程的有效性。

testing

执行、调试与管理 DBHub 测试，包含单元测试、使用 Testcontainers 的集成测试及数据库专属测试。适用于验证代码变更与排查数据库连接器问题。

proofread

针对 LaTeX 与 Quarto 课程文件进行自动化且非破坏性的校对，并针对语法、错字与学术风格产生质量评估报告。

nuxt-test-skill

npm-agentskills 框架的测试工具，用于验证 Nuxt 模块整合与 AI Agent 技能发现机制。

feature-prioritization

一种结构化的决策工具，应用 RICE、MoSCoW、Kano 和价值与努力等框架，通过数据驱动的客观性来确定软件功能、产品路线图项目以及开发与否的决策优先级。

code-review

执行全面的代码审查，专注于安全性漏洞、性能优化、可维护性及代码正确性。

evaluating-code-models

使用 BigCode Evaluation Harness 评估代码生成模型。涵盖 HumanEval、MBPP 和 MultiPL-E 等基准测试，提供多语言编码模型的 pass@k 指标评估。