Agent Skills Hub

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。

context-detection

系統化的專案技術棧檢測、框架特定技能自動載入，以及針對 React + Go 等全端專案的多技術棧分析。

lint-fix

使用 Trunk 進行 linting、格式化與迭代式錯誤修復的自動化程式碼維護流程。

session-memory

為 Claude Code 啟用跨會話上下文持久化，管理工作歷程、專案決策與工作流模式，確保任務無縫接續。

hunt-focus-definition

將系統內核與對手戰術研究合成為具體且可驗證的威脅狩獵假設。

evaluation

為 AI 代理構建系統化的評估框架，利用多維評分標準、LLM-as-a-judge 與回歸測試，量測代理效能、品質及上下文工程的有效性。

webf-quickstart

開始使用 WebF 開發：設定 WebF Go、初始化基於 Vite 的網頁專案（React/Vue/Svelte），並在符合 W3C 標準的原生執行環境中預覽應用程式。

implement-type-annotations

自動化整合 Python 與 TypeScript 型別標註，以強化 IDE 智慧提示、錯誤偵測並提升 AI 程式碼理解能力。

subagent-driven-development

透過為每個任務指派獨立子代理程式來執行實作計畫，並結合規格符合性與程式碼品質的兩階段審查機制。

nango-esm-migration

修復 Nango 整合遷移至零 YAML 架構後產生的 CJS/ESM 模組相容性問題，包含路徑修正、建立 ESM 包裝器及還原原始實作。

paper-reproduce

提供論文復現的系統性方法論，支援數據清理、統計驗證、樣本篩選及自動化產出學術復現報告（Markdown 與 LaTeX）。

wenxian

學術文獻自動檢索與結構化總結工作流，支援多管道定時推送，適用於各類研究主題追蹤。