Agent Skills Hub

performance-analysis

系统性性能工程：基准测试、性能分析、瓶颈诊断，以及基于实证的应用程序优化指导。

recursive-decomposition

通过将大型任务自动拆解为可管理的递归子任务，突破上下文窗口限制，提升对大型代码库和文档集的推理准确度。

structured-outputs-advisor

Anthropic 结构化输出实现专家顾问。协助判断 JSON 模式与严格工具使用之间的取舍，确保 schema 合规性与 Agent 工作流的输入验证。

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。

rag-engineer

架构与优化生产级别的 RAG 系统。精通嵌入模型、向量数据库、分块策略及检索管线，提升 LLM 应用的精确度。

google

使用 WebSearch 和 WebFetch 工具搜索互联网，获取实时信息、技术文档或进行主题研究。

training-data-curation

用于 LLM 后训练（SFT/DPO/RLHF）的高质量数据集策劃指南，涵盖数据格式、质量过滤与收集策略。

ai-multimodal

使用 Google Gemini 处理与生成多媒体内容。支持音频转录、图像识别、视频分析、PDF 解析及 AI 图像生成，具备超长上下文窗口，适用于复杂的多模态 AI 任务。

omc-plan

智能战略规划与需求收集，支持多视角共识循环与结构化审议。

kreuzberg

高性能文档智能库，可从 91 种以上文件格式中提取文本、表格、代码及元数据，支持 OCR 及 LLM 友好输出。

maestro

智能 RAG 知识网关，将编程任务路由至专业的 Swift/iOS 领域知识。通过 MCP 从 100 多种索引技能中提取精准模式，优化开发上下文使用率。

code-quality-review

全面的多维度代码审查技能，针对正确性、安全性、性能、设计和可访问性提供优先排序的可操作反馈。