Agent Skills Hub

scikit-learn

使用 scikit-learn 進行經典機器學習。適用於分類、迴歸、分群、降維、資料預處理、模型評估，以及構建 Python 機器學習流程。

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。

configuring-connection-pools

優化 Prisma Client 連線池設定，適用於生產資料庫、無伺服器環境及高併發架構，以防止連線耗盡與效能瓶頸。

iterate

代碼庫自動化優化循環。根據特定目標與機械指標，自動修改、測量並迭代代碼以提升效能。

MLOps Industrialization

一套將實驗性機器學習原型轉換為穩健、可發佈的 Python 套件之框架，採用 src 配置、混合架構與嚴謹的設定管理。

context-engineering-expert

先進的上下文工程系統，用於協調 AI 代理、記憶體管理和 Token 優化，以提升長期持久性和專案智慧。

metadata-optimization

利用專業的 ASO 框架優化您的 App Store 與 Google Play 元數據。精準撰寫標題、說明與關鍵字欄位，提升 iOS 與 Android 應用的搜尋能見度與轉換率。

performance-optimization

透過 Redis 快取、叢集運算、效能剖析與監控技術，優化 Node.js 應用程式效能，打造高效且可擴展的後端服務。

context-fundamentals

情境工程基礎指南：為 AI 代理優化 Token 預算、注意力機制及系統架構。

creating-opencode-agents

為建立 OpenCode AI 代理程式提供專家指引與配置標準，包含 YAML frontmatter、工具權限設定及操作模式等。

grepai-config-reference

GrepAI 配置完整參考，詳述 .grepai/config.yaml 架構、嵌入模型設置、儲存後端以及優化參數。

pytorch-lightning

PyTorch Lightning 深度學習框架技能：自動化模型訓練、多 GPU 編排、數據管道以及 DDP、FSDP 和 DeepSpeed 等分散式訓練策略。