Agent Skills Hub

parallel-agents

透過協調多個專業 AI 代理來執行複雜工作流，實現多角度代碼分析、功能開發與系統級審查的自動化編排。

implementation

結構化、模板驅動的端到端功能開發工作流，包含編碼、自動化測試、驗證及基於會話的持續改進。

multi-agent-patterns

架構多代理系統以突破上下文限制，運用監督者、群體與分層模型等模式來管理複雜工作流程。

plan

用於規劃與實作功能、技能、指令碼或架構變更的結構化六階段工作流程，包含自動化工具探索與安全驗證。

webapp-testing

使用 Playwright 測試本地 Web 應用程式的工具組，支援伺服器生命週期管理、自動化 DOM 檢測與瀏覽器自動化工作流程。

chatkit-frontend

使用 OpenAI ChatKit React 組件實現生產就緒的 AI 聊天介面。功能包含 hook 配置、流式傳輸、主題自定義、對話歷史與 Next.js 應用程式的自定義工具整合。

markdown-token-optimizer

分析 Markdown 檔案以識別浪費 Token 的模式，並提供具體優化建議，以提高文件對 AI 的 Token 使用效率與清晰度。

customer-research

客戶問題與調查研究工具，提供多來源資訊整合、事件追蹤、帳戶歷史紀錄查詢，並包含來源標註與信賴度評分。

deep-reading-analyst

深度閱讀與分析框架，運用 SCQA、第一性原理、系統思考等 10 種以上思維模型，協助您拆解複雜文章與學術報告。

jira-communication

全方位的 Jira 互動套件，可透過命令列管理工單、衝刺、看板與工時。支援搜尋、更新、狀態轉換與附件處理。針對 Jira 網址與工單編號自動觸發。

skill-template

為建立與記錄模組化代理技能所設計的標準化模板，確保在 AI 代理系統中實現一致且高效的上下文工程。

rag-implementation

使用向量資料庫、語意搜尋與 LangGraph 構建生產級 RAG 系統，為 LLM 提供外部知識基礎。