Agent Skills Hub

bazinga-db-core

管理 BAZINGA-DB 核心引擎的数据库协调会话、状态快照及系统级操作。

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。

ReasoningBank with AgentDB

使用 AgentDB 的超快速向量后端实现 ReasoningBank 自适应学习。具备轨迹追踪、判定评估、记忆蒸馏与模式识别功能，适用于构建自我学习的自主智能体。

qras

基于 Qdrant 和 Ollama 的本地 RAG 语义记忆系统。适用于高效检索工作区文件、笔记、决策记录与用户偏好，提供精确的向量语义搜索。

dlt-skill

建立、管理与调试 dlt (data load tool) 数据管道，将数据从 API、数据库及自定义来源导入 DuckDB、BigQuery 或 Snowflake 等目标。

test-delete-skill

统一的 AI 网关，支持超过 100 种大语言模型，提供兼容 OpenAI 的 API、模型回退、负载均衡及企业级管理工具。

context-cascade

为 Claude Code 设计的嵌套插件架构，通过动态加载 Playbooks、Skills 与 Agents，有效节省超过 90% 的上下文标记空间。

building-ai-agent-on-cloudflare

使用 Cloudflare Agents SDK 在 Workers 上构建有状态的 AI 代理。支持实时 WebSocket、持久化状态管理、定时后台任务与工具集成，专为生产环境设计。

common

HealthSim 跨产品数据持久化、SSN 实体关联及 DuckDB 数据库操作的基础设施。

polars

高性能 Python 与 Rust 内存内 DataFrame 库。支持延迟计算、并行处理，并使用 Apache Arrow 引擎，适用于高效 ETL、数据处理及加速 pandas 工作流。

librarian

抓取、索引并搜索 GitHub 和网站上的开发者文档，为 AI 代理提供准确、基于真实来源且具备版本控制的代码上下文。

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。