Agent Skills Hub

AgentDB Vector Search

为 AI 代理提供的高性能向量搜索引擎，具备毫秒级检索、HNSW 索引与量化技术，适用于 RAG 系统、相似度匹配与知识库管理。

ai-llm-patterns

Anthropic Claude 集成模式：流式传输、基于 pgvector 的 RAG、工具调用、模型选择（Haiku/Sonnet/Opus）、提示词缓存及 AI 工程成本管理。

maestro

智能 RAG 知识网关，将编程任务路由至专业的 Swift/iOS 领域知识。通过 MCP 从 100 多种索引技能中提取精准模式，优化开发上下文使用率。

qras

基于 Qdrant 和 Ollama 的本地 RAG 语义记忆系统。适用于高效检索工作区文件、笔记、决策记录与用户偏好，提供精确的向量语义搜索。

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。

qmd

用于 Markdown 笔记、文档和代码库知识库的本地混合搜索引擎，旨在降低 Token 消耗并提升检索效率。

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。

upstash-vector-db-skills

Upstash Vector DB 设置、语义搜索、命名空间与向量嵌入模型。专为在 Next.js 16 与 Vercel 项目中构建高性能向量搜索功能而设计。

skill-writer

用于编写 ClawdHub/MoltHub 高质量 Agent Skills (SKILL.md) 的工具套件，涵盖结构规范、前端元数据模式、内容模式及技术文档编写最佳实践。

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。

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。