Agent Skills Hub

rag-implementation

使用向量数据库、语义搜索与 LangGraph 构建生产级 RAG 系统，为 LLM 提供外部知识基础。

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。

langchain-chat-models

为 LangChain 应用程序提供统一接口，整合并管理 OpenAI、Anthropic、Google、Azure 和 Bedrock 等 LLM 聊天模型服务。

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。

claude

Anthropic Claude AI 模型，专用于高效编码、长文本分析及 GUI 交互。

stream-chain

用于 Ruflo/Claude Flow 生态系统的多代理管道、数据转换与顺序工作流程的 Stream-JSON 串联工具。

agentic-workflows

构建企业级 AI 代理系统，支持 LangGraph、Anthropic/OpenAI/vLLM 与结构化输出。具备流式传输、A2A 协议、Pydantic 验证、向量记忆体与防幻觉机制，适用于复杂的多代理协作工作流。

jina-cli

专为 AI Agent 设计的网页阅读与搜索工具，通过 Jina AI Reader API 将网页转换为适合 LLM 阅读的 Markdown、文本或 HTML 格式。

trulens-evaluation-workflow

使用 TruLens 对 LLM 应用程序进行检测、评估与监控的系统化工作流程，支持 LangChain、LangGraph 与 LlamaIndex 等框架。

tools

统一的 LLM 函数调用与工具使用 API，支持 OpenAI、Anthropic、Google 与 Ollama，提供标准化的 JSON Schema 定义与执行流程。

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。

ai-llm-patterns

Anthropic Claude 集成模式：流式传输、基于 pgvector 的 RAG、工具调用、模型选择（Haiku/Sonnet/Opus）、提示词缓存及 AI 工程成本管理。