Agent Skills Hub

semantic-compression

積極精簡輸入內容中的語法結構與冗餘文字，在保留核心語義的同時優化 LLM 的 Token 使用效率。

context-compression

透過先進的上下文壓縮、結構化摘要與任務導向的狀態管理，為長期運行的 AI 代理會話優化效能並降低 Token 使用量。

context-engineering-collection

一套用於上下文工程、多代理架構及生產級代理系統優化的結構化代理技能集。

context-optimization

透過 KV 快取、觀察遮罩、基於摘要的壓縮與內容分割技術，優化代理程式的上下文窗口，以降低成本並減少延遲。

generate-image

使用 AI 模型（如 FLUX 和 Gemini）生成或編輯影像。適用於照片、插圖、概念藝術和視覺素材，不包含技術圖表或原理圖。

qasai

功能強大的圖像壓縮與轉換 CLI 工具，支援批次處理、多種引擎（mozjpeg、pngquant、sharp 等）、格式轉換（WebP、AVIF）及遞迴目錄優化。

strategic-compact

透過在邏輯任務邊界手動執行上下文壓縮，取代不可預測的自動壓縮，藉此提升工作流程效率。

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。

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。

claude-copilot

分析 Markdown 文件以確保符合預先定義的 AI Token 預算，並優化內容以利於 AI 高效攝取。

migrate-postgres-tables-to-hypertables

將標準 PostgreSQL 資料表遷移至 TimescaleDB 超表，並優化分區、分塊與壓縮策略，以提升時間序列數據效能。

llmfit-advisor

分析本機硬體 (RAM, CPU, GPU/VRAM) 並獲取最佳化的本機 LLM 模型推薦、量化設定與效能預估。