Agent Skills Hub

ai-llm-engineering

LLM 系统生命周期、架构与部署的运营中心。包含 PEFT/LoRA 微调、RAG 流程、vLLM 吞吐量优化、自动化偏移检测及整合 CI/CD 的评估框架。

Add V4 Tool

指导如何通过 ToolRegistry 注册自定义工具，以扩展 Agent V4 系统的自动化执行能力。

a2a-protocol

LiteLLM-RS A2A 协议：基于 Rust 的自主代理通信框架，利用 JSON-RPC 2.0 协调多提供商代理工作流与任务管理。

personal-brand-agent

基于 LangGraph 与 Claude Opus 4.5 的自动化 LinkedIn 内容营销多代理系统，涵盖趋势研究、内容生成、个人品牌语调分析与成效追踪。

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。

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。

context-engineering-collection

一套用于上下文工程、多代理架构及生产级代理系统优化的结构化代理技能集。

langgraph-workflows

掌握 LangGraph 多智能体编排。使用监管者-工作者模式、条件路由与状态管理，构建具备容错能力的复杂 AI 工作流。

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。

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。

langgraph

LangGraph 专家技能，专为构建具状态、多角色 AI 代理工作流而设计，包含持久化、条件分支与 ReAct 模式。