Agent Skills Hub

statsmodels

Python 統計建模與計量經濟學函式庫。執行 OLS、GLM、混合模型、ARIMA、診斷與推論，適用於嚴謹的科學分析。

scope-options

強化版規劃模式。透過結構化需求導入與具體技術方案選擇，協助工程師在動手寫程式前先建立產品思維。

skill-from-github

透過反向工程優質 GitHub 專案與開源方法論，建立高效能 AI 技能。

statistical-analysis

引導式統計分析，包含測試選擇、假設檢定、效能分析及 APA 格式報告，適用於學術與實驗研究。

manufacturing-failure-reason-codebook-normalization

根據產品代碼手冊將測試工程師的缺陷描述標準化，修正錯別字、縮寫錯誤與歧義，並執行站點驗證。

frontend-to-backend-requirements

標準化前端溝通，透過記錄後端開發人員所需的數據需求與業務規則，確保在不指定實作細節的情況下達到清晰的開發共識。

analyzing-research-documents

從研究文件、技術論文和架構設計檔案中，系統性地萃取關鍵見解、決策紀錄與技術限制。

literature-review

透過 PubMed、arXiv 和 Semantic Scholar 進行系統性文獻回顧，包含人工智慧驅動的綜述、核實引用以及強制性的科學圖表生成。

openclaw-pr-maintainer

OpenClaw 儲存庫維護助手：利用 gitcrawl 與 GitHub CLI 進行問題與 PR 的自動化分類、標記及驗證。

guard

為提示詞中的 JSON 數據提供認知安全分析，防止大型語言模型在處理不完整或大規模數據集時產生幻覺與推理錯誤。

avoid-feature-creep

協助軟體開發團隊與 AI 代理程式預防功能蔓延的框架，透過嚴格的驗證、待辦事項清理與明確的決策流程，落實範疇管理並交付精簡的 MVP 產品。

requirements-elicitation

需求分析與文件編寫技能。透過深入挖掘根本需求、分析利害關係人、解決衝突，並產出具備測試標準的規格說明，協助軟體開發專案精準落地。