Agent Skills Hub

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。

indirect-injection-detection

检测 AI 代理中的间接提示注入与目标劫持，评估代理处理 RAG、文档与网页内容等外部信息时的安全性。

agents

构建具备工具调用与多步推理能力的 AI 代理。生成、管理并编排适用于 Claude Code、Cursor、Cline 等 AI 助手的自定义技能文件，实现开发流程标准化。

goal-tracking

层级式目标跟踪系统，将三年愿景连接至每日任务。自动化计算进度、检测停滞目标，并整合 Obsidian 库中的项目与目标对齐。

p9

P9 技术领队模式：通过任务提示（六要素）管理 P8 代理团队，无需亲自编写代码。负责项目管理、任务拆解，并协调 3 个以上平行代理执行任务。

context-bar

为 Claude Code 状态列提供实时彩色上下文使用进度条，并支持手动即时检查功能。

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。

session-logs

搜索、分析并审计 GeminiClaw 会话记录与记忆。用于调查过往交互、追踪 Token 用量、调试工具调用及监控代理程序性能。

tzurot-council-mcp

为技术架构、复杂重构与结构化调试提供多视角 AI 咨询服务。

java-coding-standards

强制执行高质量 Java 17+ 编码标准、Spring Boot 惯例以及可维护的项目架构。

multi-agent-patterns

架构多代理系统以突破上下文限制，运用监督者、群体与分层模型等模式来管理复杂工作流程。

write-e2e-cases

自动化创建与维护 Rsbuild E2E 测试，通过 Playwright 确保功能覆盖率并防止回归。