Agent Skills Hub

scikit-learn

使用 scikit-learn 进行经典机器学习。适用于分类、回归、聚类、降维、数据预处理、模型评估，以及构建 Python 机器学习流程。

risk-based-testing

利用风险评估与优先级排序，将测试重点集中在最高风险区域。适用于规划测试策略、配置测试资源或进行覆盖率决策。

ReasoningBank Intelligence

通过 ReasoningBank 实现代理程序的自适应学习，进行模式识别、策略优化与持续改进。

test-reporting-analytics

高级测试报告与质量仪表板，提供 QE 指标、代码覆盖率与部署就绪度分析，通过预测性洞察协助团队进行数据驱动的质量决策。

ml-pipeline-workflow

构建并编排从数据准备、模型训练、验证到自动化部署的端到端 MLOps 管线。

pymc

使用 PyMC 进行贝叶斯建模与概率编程。构建分层模型，执行 MCMC 采样 (NUTS) 与变分推断，并透过 LOO/WAIC 进行严谨的模型比较与后验检查。

flow-nexus-neural

使用 Flow Nexus 平台在分布式 E2B 沙盒中训练与管理神经网络，支持 Transformer、LSTM 和 GAN 等自定义架构。

milady-development

通过管理插件来自我修改 Milady 代理。编辑代码、重建并重新启动运行环境，以开发新功能或本地优化代理工作流程。

ReasoningBank with AgentDB

使用 AgentDB 的超快速向量后端实现 ReasoningBank 自适应学习。具备轨迹追踪、判定评估、记忆蒸馏与模式识别功能，适用于构建自我学习的自主智能体。

claude-code-guide

Claude Code 高级开发指南，涵盖 REPL 环境、MCP 集成、开发工作流及 AI 辅助编程最佳实践，助力提升开发效率。

pyhealth

全方位 Python 医疗 AI 工具包，用于临床数据处理、医学编码转换，以及开发用于 EHR、生理信号和临床预测任务的深度学习模型（如 RETAIN 与 Transformer）。

pytdc

提供用于药物开发的 AI 就绪数据集、基准测试与分子预测工具，涵盖 ADME、毒性、药物-目标交互作用及分子生成任务。