Agent Skills Hub

Extract structured data from unstructured files (PDF, PPTX, DOCX...)

使用 LlamaExtract 实现从 PDF、DOCX 和 PPTX 等非结构化文件中提取结构化数据的方案，并通过 Pydantic 定义数据架构。

docs-generator

为代码库生成层级化的 AI 优化文档结构 (AGENTS.md, agent.d)，帮助 AI 编码助手与开发者更高效地访问项目上下文、设置与导航。

request-optimizer

一个智能网关，可分析、评分并将用户请求路由至 27 个代理、27 个技能与 14 个 MCP，以优化 Claude Code 的执行效率。

paper-reproduce

提供论文复现的系统性方法论，支持数据清洗、统计验证、样本筛选及自动化产出学术复现报告（Markdown 与 LaTeX）。

frontend-design-pro

打造价值 $50,000 美元级别的专业前端界面，提供生产级代码、精选排版与高质量影像素材整合。

Task Patterns

基于 CLI 的 Linear 集成，用于 AI 辅助的任务管理、工单追踪和自动化开发工作流程。

content-rewriter

跨平台内容重制工具。将单一内容改写为小红书、知乎、微信公众号及抖音脚本，精确适配各平台原生的语气、排版与内容限制。

hegelion

适用于 MCP 的辩证推理与对抗式编码代理，通过强制 LLM 解决内部矛盾，产出更高质量的推理与代码。

transcribee

使用高精度说话者分离技术转录 YouTube 视频与本地音视频文件，提供适合 AI 分析的结构化文本输出。

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。

massive-context-mcp

通过递归分块、子查询与聚合结果处理超过 1,000 万 token 的大型文件和代码库，突破 LLM 上下文窗口限制。

figma-create-new-file

通过 MCP 服务器直接创建新的 Figma 设计或 FigJam 文件。自动处理计划解析并为您的设计工作流程初始化画布。