Agent Skills Hub

low-complexity

强制执行低认知与循环复杂度标准。自动在开发过程中维护代码的可读性、模块化与可维护性，防止复杂函数的堆叠。

using-sdlc-engineering

基于 CMMI 的 SDLC 路由工具，针对 GitHub 与 Azure DevOps 工作流程，提供流程指引、需求管理、架构决策支持、质量保证与治理。

avoid-feature-creep

协助软件开发团队与 AI 代理程序预防功能蔓延的框架，通过严格的验证、待办事项清理与明确的决策流程，落实范畴管理并交付精简的 MVP 产品。

codebase-inspection

使用 pygount 分析代码库统计数据：代码行数 (LOC)、语言分布及代码与注释比例。

documentation-creation

基于代码库分析自动生成项目文档，确保准确性、一致性并符合 VilnaCRM 架构模式。

skill-repo

标准化、验证与管理 Netresearch AI Agent 技能存储库，提供自动化结构执行、发布工作流程与授权合规工具。

frontend-design-review

评估、审核并构建具有高质量设计、符合无障碍标准及设计系统规范的生产级前端界面。

long-running-agent

为 AI 代理设计的框架，可在多个上下文窗口中保持状态，使代理能够完成复杂的长期编程任务，而不丢失进度或上下文。

shift-right-testing

生产环境测试策略，包含功能标志、金丝雀部署、合成监控与混沌工程，确保线上系统的持续可靠性。

ui-styling

使用 shadcn/ui 和 Tailwind CSS 构建可访问且一致的用户界面。采用组件优先架构以建立设计系统、集成 React Hook Form，并实践响应式移动优先开发。

study-note

使用 CLI 工具将学习笔记、想法与心得按时间顺序自动归档至项目文件，实现系统化的知识管理。

data-quality-frameworks

使用 Great Expectations、dbt 测试与数据契约实现生产级数据质量验证，确保数据管道的可靠性。