Agent Skills Hub

xss-testing

自动化安全技能，用于识别和验证 XSS 漏洞，包括反射型、存储型和基于 DOM 的攻击，适用于各种场景。

librarian

抓取、索引并搜索 GitHub 和网站上的开发者文档，为 AI 代理提供准确、基于真实来源且具备版本控制的代码上下文。

qc

自动化质量闸门，使用 5 个并行 AI 代理审查代码变更，确保正确性、风格与一致性。

prompt-engineering-patterns

掌握先进的提示工程技术，以最大化生产环境中大型语言模型（LLM）的性能、可靠性和可控性。

indirect-injection-detection

检测 AI 代理中的间接提示注入与目标劫持，评估代理处理 RAG、文档与网页内容等外部信息时的安全性。

spec-to-code-compliance

验证区块链智能合约代码与技术规范、白皮书及设计文件的对应性，确保实现与规格完全一致。

golang-cli-review

针对 Go CLI 应用程序的专家级自动化代码审查，涵盖 Cobra/urfave 模式、安全性、性能、Go 惯用语法及完善的错误处理。

Global Coding Style

应用务实编码标准：包含明确命名、单一职责函数、防御性编程，以及确定性副作用，拒绝过度设计与臆测性功能。

documentation-creation

基于代码库分析自动生成项目文档，确保准确性、一致性并符合 VilnaCRM 架构模式。

predict-lucky-number

生成 0 到 9999 之间的随机幸运数字，适用于游戏、决策或娱乐需求。

creative-thinking-for-research

应用认知科学框架于计算机科学与人工智能研究，通过系统化的创造力策略生成具备原创性的研究方向。

karpathy-guidelines

为 LLM 设置的程序开发行为准则，旨在减少错误、落实最佳实践，并通过强调简洁性、精确修改与目标导向验证来提升代码质量。