Agent Skills Hub

llm-integration

一套用于构建稳健 LLM 集成的工具包：包含 API 模式、流式传输、函数调用、RAG 流水线及具成本效益的模型路由。

lambda

管理 AWS Lambda 无服务器函数：部署代码、配置事件触发器、调试调用、优化冷启动，并维护层（Layers）。

find-bugs

对本地分支差异进行自动化安全审计、漏洞检测及代码质量评估，使用结构化的检查清单驱动验证流程。

swift-patterns

专业的 SwiftUI 助手，协助审核、重构与构建高效、可测试且现代化的 iOS 应用程序，并遵循 Apple 的最佳实践。

constant-time-analysis

通过静态与动态分析检测密码学代码中的时间侧通道漏洞，支持多种编程语言。

MLOps Industrialization

一套将实验性机器学习原型转换为稳健、可发布 Python 软件包的框架，采用 src 布局、混合架构与严谨的配置管理。

training-data-curation

用于 LLM 后训练（SFT/DPO/RLHF）的高质量数据集策劃指南，涵盖数据格式、质量过滤与收集策略。

inno-prepare-resources

自动化研究资源准备工作，包括加载实例、搜索 GitHub 代码库、构建数据集描述以及下载 arXiv 论文。

performance-testing

使用 k6、Artillery 或 JMeter 进行应用效能分析，测量延迟、吞吐量与错误率。适用于规划负载、压力与耐力测试，以识别效能瓶颈。

testing-strategies

实现强大的软件测试策略，涵盖单元测试、集成测试与端到端 (E2E) 测试，并提供模拟框架 (Mocking)、TDD 模式与各类技术堆栈的最佳实践，确保高质量且可靠的代码。

ci

自动化 CI/CD 事故响应与 GitHub Actions 流水线失败分析。提供安全的修复建议，并协助解决构建与测试错误。

basic-usage

llmemory 文档存储与搜索入门：涵盖安装、pgvector 数据库配置、文档导入、混合/语义检索，以及构建具备多租户支持的 RAG 系统。