Agent Skills Hub

implementation

結構化、模板驅動的端到端功能開發工作流，包含編碼、自動化測試、驗證及基於會話的持續改進。

plan

用於規劃與實作功能、技能、指令碼或架構變更的結構化六階段工作流程，包含自動化工具探索與安全驗證。

clean-code

實用且精簡的 AI 程式碼標準，專注於乾淨程式碼、簡潔性與可維護性。強制執行 SRP、DRY 與 KISS 等最佳實踐，避免過度設計。

cc-skill-project-guidelines-example

用於建立專案專屬 AI 代理指南的模板技能，定義確定性開發所需的架構、檔案結構與程式碼模式。

submodule-push

將 git 子模組（hive 或 core-geth）的本地更改推送到對應的遠端分支，確保儲存庫同步。

self-reviewer

為 AI 代理實作自動化的關鍵自我驗證層，在完成任務前確保程式碼品質、安全性及需求一致性。

tasks

使用 Mighty (mt) 任務進行代碼開發管理，包含進度追蹤、證據連結、設計決策記錄以及標準化的任務結案流程。

linear

LobeHub 的 Linear 問題管理與同步工具，支援自動化 PR 關聯、子任務樹狀拆解與進度更新。

testops-companion

一個 AI 驅動的測試運營平台與 MCP 伺服器，提供自動化測試失敗分析、根因匹配 (RCA) 及 CI/CD 流水線的智能測試編排。

memov

AI 輔助代碼代理版本控制。透過 MemoV 自動追蹤提示詞、上下文與差異，確保完整可追溯性，且不污染 Git 歷史紀錄。

ride

分析代碼庫並使用企業級託管腳手架生成基於證據的 Loa 工件，實現結構化的現實映射。

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。