Agent Skills Hub

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。

search

使用 Tavily 的 LLM 優化搜尋 API 進行網路搜尋，無需編寫程式碼即可獲取帶有引用來源的精準內容。

upstash-vector-db-skills

Upstash Vector DB 設定、語意搜尋、命名空間與向量嵌入模型。專為在 Next.js 16 與 Vercel 專案中建構高效向量搜尋功能而設計。

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。

backend-rag-implementation

建立 RAG 系統以運用專有數據增強 LLM。包含向量資料庫整合、嵌入策略、混合搜尋及 FastAPI 後端的高級檢索模式。

qmd

用於 Markdown 筆記、文件和代碼庫知識庫的本地混合搜尋引擎，旨在降低 Token 消耗並提升檢索效率。

rag-engineer

架構與優化生產級別的 RAG 系統。精通嵌入模型、向量資料庫、分塊策略及檢索管線，提升 LLM 應用的精確度。

basic-usage

llmemory 文件儲存與搜尋入門：涵蓋安裝、pgvector 資料庫設定、文件導入、混合/語義檢索，以及具備多租戶支援的 RAG 系統建構。

web-search

自主研究專員，專注於獲取驗證資訊、評估來源並進行結構化綜述。

task-search

透過高性能、具備防手震功能的搜尋引擎加速任務檢索。支援多標記 AND 邏輯、相關性排序，並能即時標示任務標題、說明與標籤中的匹配文字。

postgresql-table-design

為 PostgreSQL 資料庫設計高效能與可維護架構的綜合指南，涵蓋最佳實踐、資料類型、索引策略及進階功能。

skill-engineer

為 OpenClaw 技能開發提供多代理迭代優化與品質把關，透過標準化測試與生命週期管理提升技能效能。