Agent Skills Hub

token-surgeon

使用 Token Surgeon 審核並優化您的 AI 提示詞。偵測 10 種常見的冗餘模式，計算效率分數，並減少 Token 用量以提升提示詞效能。

code-review-facilitator

為 Arduino、ESP32 與 RP2040 專案提供自動化靜態程式碼審查。檢測記憶體安全性、程式結構與最佳實踐，協助提升韌體品質與可靠性。

workflows-plan

將功能需求、錯誤報告與改進建議轉化為結構化且可執行的 Markdown 專案計畫，並結合程式碼庫研究與產業最佳實踐。

structured-outputs-advisor

Anthropic 結構化輸出實作專家顧問。協助判斷 JSON 模式與嚴格工具使用之間的取捨，確保 schema 合規性與 Agent 工作流的輸入驗證。

structured-code-review

執行結構化的五階段程式碼審查，涵蓋需求合規性、正確性、程式碼品質、測試與安全性。提供分類後的具體改進建議（嚴重/主要/次要/微調）。

risk-based-testing

利用風險評估與優先級排序，將測試重點集中在最高風險區域。適用於規劃測試策略、配置測試資源或進行覆蓋率決策。

vercel-react-native-skills

React Native 和 Expo 效能優化最佳實踐。涵蓋列表虛擬化、Reanimated 動畫、UI 模式以及原生平台 API 優化。

inno-prepare-resources

自動化研究資源準備工作，包括載入實例、搜尋 GitHub 程式碼庫、建立資料集描述以及下載 arXiv 論文。

vitest

Vitest 測試模式，提供可靠的單元與整合測試架構。專注於關鍵業務邏輯、邊際案例與高效的 Mocking 策略，確保核心程式碼的穩定性。

omc-plan

智能戰略規劃與需求收集，支援多視角共識循環與結構化審議。

implementation-planner

透過代理驅動的迭代流程，創建結構化、高質量的技術實作計畫。適用於複雜重構、新功能開發與技術架構設計。

markdown-token-optimizer

分析 Markdown 檔案以識別浪費 Token 的模式，並提供具體優化建議，以提高文件對 AI 的 Token 使用效率與清晰度。