Agent Skills Hub

skill-reinforcement

一种自动化元学习技能，通过在每次任务执行后捕获模式、错误和捷径来改进代理工作流程。

stable-baselines3

使用 Stable Baselines3 进行生产级强化学习。通过类 scikit-learn API 训练智能体、设计自定义环境、实现训练回调函数并优化工作流程。

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。

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。

tweet-rl-tracker

基于 Notion 的推文性能追踪系统，通过强化学习原理实现数据驱动的内容实验与优化。

workflow-execute-plans

以小型、可验证的批次执行实施计划，并在每个阶段设置反馈暂停点，以防止偏离目标并确保代码质量。

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。

youtube-rl-tracker

一个受强化学习启发的 YouTube 绩效追踪工具，通过系统化记录来优化缩图、标题与视频钩子。

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。

ring:testing-skills-with-subagents

用于构建健壮 AI Agent 技能的元技能，采用测试驱动开发 (TDD) 方法：定义失败 (RED)、实现技能 (GREEN) 并修补合理化漏洞 (REFACTOR)。

iterate

代码库自动化优化循环。根据特定目标与机械指标，自动修改、测量并迭代代码以提升效能。

glyphbox

一个基于 LLM 的 NetHack 代理框架，通过在安全沙盒中动态合成 Python 代码，利用高阶 API 执行复杂的地牢探索与游戏操作。