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。

refactoring

基于代码检查器的重构代理，通过自动化模式提取解决循环复杂度、原始类型偏执和函数过长等代码维护问题。

confluence-docs

为 AI 代理工作流程提供 ADR、运营手册、系统架构与知识转移等标准化技术文档模板。

handoff-pack

生成结构化的 Handoff Pack 提示词，用于将任务委派给 Gemini，确保明确的范围、验收标准与格式规范。

openai-agents-sdk

使用 OpenAI Agents SDK (Python) 构建 AI 代理。支持多代理协作、函数工具、状态化会话、流式传输以及通过 LiteLLM 进行 Azure OpenAI 集成。

writing-agents

一个用于在项目环境中创建、测试和管理自主 AI 子代理的框架，并采用测试驱动开发 (TDD) 原则。

cross-plugin-detective

代理角色侦探技能标准化集成。将代理映射至代码分析技能，并强制执行 claudemem 以实现索引内存代码调查。

component-workflow

指导如何创建与整合新的 ECS 组件，包含类设计、JSON 序列化、自定义编辑器 UI 实现以及 DI 注册流程。

ADK Developer

使用 Google Agent Development Kit (ADK) 构建、编排和部署 AI 代理的综合指南与参考。

react-native

React Native 开发最佳实践，适用于 Expo 与原生项目。涵盖项目结构、路由导航、NativeWind 样式、平台特定代码及 TypeScript 整合。

mcp-builder

用于构建高质量 MCP (Model Context Protocol) 服务器的指南，支持使用 Python 或 TypeScript 将外部 API 和服务集成到 LLM 工作流程中。

evidence-first-debugging

强制执行严格的实证调试工作流程，利用结构化观察、假设检验和因果验证，消除技术调查中的推测。