Agent Skills Hub

creative-thinking-for-research

应用认知科学框架于计算机科学与人工智能研究，通过系统化的创造力策略生成具备原创性的研究方向。

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。

agent-architecture

实现生产级 AI 代理。包含 LangGraph、工具调用护栏、SSE 流式传输、情节记忆与 pgvector。提供反模式分析与修正代码。

evaluation

为 AI 代理构建系统化的评估框架，利用多维评分标准、LLM-as-a-judge 与回归测试，量测代理效能、质量及上下文工程的有效性。

context-fundamentals

情境工程基础指南：为 AI 代理优化 Token 预算、注意力机制及系统架构。

cost-optimization

为 AWS、Azure、GCP 和 OCI 提供系统化的云端成本优化，涵盖资源调整、自动化治理、定价模型分析及架构最佳实践。

sparc-methodology

SPARC 开发方法论，结合 Claude Flow 多代理协作，实现从规格、伪代码、架构到重构与完成的系统化软件工程。

database-testing

数据库架构验证、数据完整性测试、迁移测试、事务隔离与查询性能分析。确保应用程序的 ACID 合规性与参照完整性。

vibesafe

管理 Vibesafe 单元，通过加密哈希检查点，对 AI 生成的代码进行扫描、编译、测试与验证，确保生产环境的稳定性。

mcpgraph

构建无代码 MCP 服务器，通过 YAML 以有向图形式编排工具，实现数据转换、条件路由与自动化工作流。

youtube-rl-tracker

一个受强化学习启发的 YouTube 绩效追踪工具，通过系统化记录来优化缩图、标题与视频钩子。

memory-systems

指导代理人记忆系统的实现，比较主流框架（Mem0、Zep、Letta、LangMem、Cognee），并设计用于跨会话知识保留的持久化架构。