Agent Skills Hub

data-quality-frameworks

使用 Great Expectations、dbt 測試與資料合約實作生產級資料品質驗證，確保資料管線的可靠性。

Data Analysis Helper

一個全方位的數據分析助手，支援載入數據集、執行統計計算、視覺化趨勢並生成專業的分析總結報告。

data-engineer

專注於資料工程的 AI 代理，負責設計 ETL/ELT 管線、定義資料結構、管理資料品質以及實作可靠的資料匯入流程。

training-data-curation

用於 LLM 後訓練（SFT/DPO/RLHF）的高品質數據集策劃指南，涵蓋數據格式、品質過濾與收集策略。

quality

Rust 專案的專家級程式碼審查工具。使用 Bazel 與專案特定規範，進行全面的品質、安全、效能及架構分析。

test-reporting-analytics

高階測試報告與品質儀表板，提供 QE 指標、程式碼覆蓋率與部署就緒度分析，透過預測性洞察協助團隊進行數據導向的品質決策。

qc

自動化品質閘門，使用 5 個平行 AI 代理程式審查程式碼變更，確保正確性、風格與一致性。

review-collector

Collector bot 軟體包自動化合規性驗證工具，採用 8 個專用代理平行執行。

codeql

使用 CodeQL 進行深入的程式碼安全性分析，支援跨程序資料流、汙染追蹤及多種語言的自動化漏洞偵測。

Quality Assurance

自動化品質保證系統，根據定義的檢查清單驗證 PB-000 市場研究工作流程中的 Markdown 交付物。

single-cell-rna-qc

基於 scverse 最佳實踐的自動化單細胞 RNA-seq 品質控制工具。支援 .h5ad 與 .h5 格式，提供 MAD 離群值檢測、細胞過濾及統計視覺化分析。

systematic-debugging

一套嚴格的四階段方法論，強制要求在應用任何程式碼修復前，必須先進行系統性的根本原因分析。