Agent Skills Hub

ReasoningBank Intelligence

透過 ReasoningBank 實現代理程式的自適應學習，進行模式識別、策略優化與持續改進。

differentiation-schemes

產生有限差分模板，選擇PDE/ODE數值離散化方案，並執行截斷誤差分析以提升模擬精確度。

dyad:swarm-pr-review

使用三個專門 AI 代理（正確性、程式碼健康度、UX）組成的團隊進行協作式 PR 審查，討論並達成共識後發布包含行內註解的結構化審查摘要。

Observability

PAI 多代理活動的即時監控儀表板，提供 WebSocket 串流、工作階段追蹤以及代理工作流程除錯功能。

visual-creative

AI 視覺創意生圖提示詞生成工具，適用於海報、Banner、產品圖、社群媒體配圖等全場景視覺內容設計。

qras

基於 Qdrant 和 Ollama 的本地 RAG 語義記憶系統。適用於高效檢索工作區文件、筆記、決策記錄與用戶偏好，提供精確的向量語義搜索。

use-railway

操作 Railway 基礎設施：管理專案、服務、資料庫、物件儲存、部署、環境、變數、日誌及效能指標。

solana-dev

Solana 開發整合式技能中心，具備多代理協調、漸進式技能載入，並深度整合 Anchor、Token-2022、DeFi 協議與安全審計功能。

ADK Developer

使用 Google Agent Development Kit (ADK) 構建、編排和部署 AI 代理的綜合指南與參考。

proactive-agent

透過 WAL 協定、持久化記憶緩衝區與自動化 Cron 排程，將 AI 代理轉變為能主動預測需求並持續優化的主動式夥伴。

linkerd-patterns

實作 Linkerd 服務網格模式，用於 Kubernetes 環境中的安全性、流量策略管理與零信任網路部署。

context-fundamentals

情境工程基礎指南：為 AI 代理優化 Token 預算、注意力機制及系統架構。