Agent Skills Hub

ops-devops-platform

DevOps 与平台工程模式：Kubernetes、Terraform、GitOps、CI/CD、可观测性、事件响应及云原生运营。

metacognition

通过结构化的自我评估检查点，确保 AI 在任务执行前、中、后的方案验证与风险管控，提升程序开发质量。

doc-reader

通过 llms.txt、MCP 搜索与智能解析策略，有效率地读取并导航外部技术文档。

tzurot-council-mcp

为技术架构、复杂重构与结构化调试提供多视角 AI 咨询服务。

response-compliance

执行 OpenResponses API 合规性测试，验证架构遵循度、流式响应及端点稳定性，确保 LobeHub 集成质量。

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。

project-migrate

使用 AI 驱动的分析技术，将现有项目迁移至 AgenticDev 结构。自动分类文档、生成丰富的 YAML 元数据，并完整保留 git 历史记录。

model-registry-maintainer

维护并更新 MassGen 模型注册表，包含后端能力、模型元数据、定价结构以及新旧 AI 模型的上下文窗口配置。

Hive Agent Architecture

用于在 Hive 原生 Rust 架构中构建、注册和编排模型上下文协议 (MCP) 工具与 AI 代理工作流的开发框架。

prompt-estruturado

一个结构化的提示工程框架，能将随意输入转换为包含角色、背景、任务、格式及防护机制的专业模块化提示词。

claude-copilot

分析 Markdown 文件以确保符合预定义的 AI Token 预算，并优化内容以利于 AI 高效摄取。

markdown-token-optimizer

分析 Markdown 文件以识别浪费 Token 的模式，并提供具体优化建议，以提升文档对 AI 的 Token 使用效率与清晰度。