Agent Skills Hub

autoresearch

自動化多團隊程式碼庫改進代理，具備狹義（目標導向）、廣義（假設發散）及全面（品質掃描）三種模式。

research-review

透過 Codex MCP 使用外部 LLM 獲取您的研究、論文草稿與實驗設置的深度批判性評論（NeurIPS/ICML 等級）。

evaluating-code-models

使用 BigCode Evaluation Harness 評估代碼生成模型。包含 HumanEval、MBPP 和 MultiPL-E 等基準測試，並提供多語言編碼模型的 pass@k 指標評估。

golang-cli-review

針對 Go CLI 應用程式的專家級自動化程式碼審查，涵蓋 Cobra/urfave 模式、安全性、效能、Go 慣用語法及完善的錯誤處理。

python-plan-optimization

為 Python 代碼提供 6 階段唯讀分析的工作流程，根據專案類型（從 POC 到開源）檢測設計原則違規、程式碼異味並建議現代化改善方案。

eval-harness

AI 代理會話的正式評估框架，實施評估驅動開發 (EDD) 原則以確保代理可靠性。

orchestration-patterns

用於編排長期代理任務、證據導向交付以及遵循 Simon Willison 迭代循環的自動化 QA 門控的框架。

file-todos

一套結構化的檔案式待辦事項追蹤系統，用於管理技術債、協調程式碼審查工作流程，並直接在儲存庫內進行任務追蹤。

codebase-analyzer

自動化維護 CLAUDE.md 文件。監控代碼庫變化，確保專案記憶庫與檔案結構、建構指令及開發模式保持同步。

update-llm-model-list

根據 litellm 註冊表審核並同步 assets.py 中的支援 LLM 模型列表。

core-principles

React 19 單頁應用開發的架構治理與專案標準，確保技術堆疊整合、專案結構與代理執行規則的一致性。

multi-llm-advisor

透過 OpenAI Codex 與 Google Gemini 獲取架構、程式碼審查與除錯的專家觀點，並透明化呈現所有 AI 推論與建議。