Agent Skills Hub

constant-time-testing

检测加密代码中的时序侧信道漏洞，防止机密数据泄漏。适用于审计高敏感度的加密实现。

context-degradation

诊断、隔离并缓解 LLM 上下文故障（如中间丢失、中毒、干扰及冲突），提升 AI 代理的执行可靠性。

seo-audit

执行全面的 SEO 诊断与审计，涵盖技术基础、可爬取性、页面优化与内容 E-E-A-T，旨在提升搜索排名与自然流量表现。

receiving-code-review

为 AI 开发代理设计的严谨代码审查接收机制，强调技术验证与实际检查，避免盲目同意。

subagent-driven-development

通过为每个任务指派独立子代理来执行实现计划，并结合规格符合性与代码质量的两阶段审查机制。

code-review

执行全面的代码审查，专注于安全性漏洞、性能优化、可维护性及代码正确性。

code-quality-review

全面的多维度代码审查技能，针对正确性、安全性、性能、设计和可访问性提供优先排序的可操作反馈。

iam

管理 AWS Identity and Access Management：配置用户、角色、策略与权限，确保云端环境安全性。

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。

mcp-builder

用于构建高质量 MCP (Model Context Protocol) 服务器的指南，支持使用 Python 或 TypeScript 将外部 API 和服务集成到 LLM 工作流程中。