Agent Skills Hub

skill-authoring-workflow

一套标准化工作流程，用于将原始 PM 笔记、工作坊内容或初稿转化为经过验证且符合仓库规范的 AI 技能。

recursive-decomposition

通过将大型任务自动拆解为可管理的递归子任务，突破上下文窗口限制，提升对大型代码库和文档集的推理准确度。

docs-generator

为代码库生成层级化的 AI 优化文档结构 (AGENTS.md, agent.d)，帮助 AI 编码助手与开发者更高效地访问项目上下文、设置与导航。

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。

data-storytelling

将原始数据转化为引人入胜的叙事，运用可视化策略、叙事框架与说服性结构，协助分析师进行高管汇报与数据决策。

working-with-spreadsheets

使用 openpyxl 与 pandas 创建和编辑 Excel 电子表格，包含专业格式、公式与财务建模标准。

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。

research-review

通过 Codex MCP 使用外部 LLM 获取您的研究、论文草稿与实验设置的深度批判性评论（NeurIPS/ICML 等级）。

proactive-agent

通过 WAL 协议、持久化内存缓冲区与自动化 Cron 调度，将 AI 代理转变为能主动预测需求并持续优化的主动式伙伴。

kagent

kagent 专家指南：用于构建、部署和管理 AI Agent、MCP 工具及 A2A 协议的 Kubernetes 原生框架。

openai-agents-sdk

使用 OpenAI Agents SDK (Python) 构建 AI 代理。支持多代理协作、函数工具、状态化会话、流式传输以及通过 LiteLLM 进行 Azure OpenAI 集成。

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。