Agent Skills Hub

prompt-engineering-patterns

掌握先進的提示工程技術，以最大化生產環境中大型語言模型（LLM）的性能、可靠性和可控性。

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。

prompt-lookup

透過 prompts.chat 搜尋、發掘並優化 AI 提示詞。存取數千個專為 ChatGPT、Claude 等 AI 模型設計的社群精選提示詞。

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。

milady-development

透過管理插件來自我修改 Milady 代理。編輯程式碼、重建並重新啟動運行環境，以開發新功能或本地優化代理工作流程。

moai-foundation-core

MoAI-ADK 基礎架構原則，包含 TRUST 5、SPEC-First TDD、委派模式以及節省 Token 的代理人協作工作流程。

ai-llm-patterns

Anthropic Claude 整合模式：串流、使用 pgvector 的 RAG、工具使用、模型選擇（Haiku/Sonnet/Opus）、提示詞快取及 AI 工程成本管理。

building-logseq-plugins

Logseq 外掛開發專家指南，專注於新版資料庫架構、API 整合與屬性管理。

request-optimizer

一個智慧閘道，可分析、評分並將使用者請求路由至 27 個代理、27 個技能與 14 個 MCP，以優化 Claude Code 的執行效率。

langgraph

LangGraph 專家技能，專為構建具狀態、多角色 AI 代理工作流而設計，包含持久化、條件分支與 ReAct 模式。

dynamic

專為 bkend.ai BaaS 設計的全端開發代理。自動化專案初始化、身份驗證、資料庫設定及 Next.js 應用程式 API 整合。

engineering-as-marketing

執行「工程即行銷」增長策略：透過構建免費的 SEO 工具頁面獲取自然流量，將訪客轉化為付費用戶，實現零廣告預算下的高效成長。