Agent Skills Hub

jina-cli

專為 AI Agent 設計的網頁閱讀與搜索工具，透過 Jina AI Reader API 將網頁轉換為適合 LLM 閱讀的 Markdown、文字或 HTML 格式。

tavily-tools

整合式 Tavily AI Python CLI 工具，支援網頁搜尋、內容擷取、網站爬蟲、結構映射以及自動化深度研究報告。

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。

higress-auto-router

透過 CLI 管理 Higress AI Gateway 的自動模型路由。根據請求內容設定觸發規則，實現智慧模型選擇。

brave-search

透過 Brave Search API 進行無頭網頁搜尋與內容提取。無需瀏覽器即可執行文件檢索、事實查核及網頁內容抓取。

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。

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。

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。

maestro

智慧型 RAG 知識閘道，將程式碼任務路由至專業的 Swift/iOS 領域知識。透過 MCP 從 100 多種索引技能中擷取精準模式，優化開發情境使用率。

google-search

使用真實 Chrome 瀏覽器進行 JavaScript 渲染的進階 Google 搜尋。適用於抓取完整網頁內容、指定網站搜尋及時間篩選結果。

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。

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。