Agent Skills Hub

context-management

為 AI 代理提供主動式上下文視窗管理，透過智慧令牌監控、快照建立與選擇性狀態恢復，確保長會話期間的連續性。

session-investigator

分析與除錯 fast-agent 會話記錄、工具執行日誌與對話時序，以解決效能瓶頸、工具迴圈以及非預期的會話終止問題。

backend-rag-implementation

建立 RAG 系統以運用專有數據增強 LLM。包含向量資料庫整合、嵌入策略、混合搜尋及 FastAPI 後端的高級檢索模式。

evaluating-code-models

使用 BigCode Evaluation Harness 評估代碼生成模型。包含 HumanEval、MBPP 和 MultiPL-E 等基準測試，並提供多語言編碼模型的 pass@k 指標評估。

hegelion

適用於 MCP 的辯證推理與對抗式編碼代理，透過強制 LLM 解決內部矛盾，產出更高品質的推理與程式碼。

openrouter-trending-models

獲取並分析 OpenRouter 熱門程式設計模型。適用於選擇審查模型、優化 AI 成本，並透過即時定價與上下文視窗數據掌握 AI 編碼趨勢。

response-compliance

執行 OpenResponses API 合規性測試，驗證架構遵循度、串流回應及端點穩定性，確保 LobeHub 整合品質。

basic-usage

llmemory 文件儲存與搜尋入門：涵蓋安裝、pgvector 資料庫設定、文件導入、混合/語義檢索，以及具備多租戶支援的 RAG 系統建構。

context-degradation

診斷、隔離並緩解 LLM 上下文故障（如中間丟失、中毒、干擾及衝突），提升 AI 代理的執行可靠性。

serena-mcp

Serena MCP 語義代碼分析指南。Serena MCP 連接時自動啟用，優先使用專用工具進行符號搜索、引用追蹤及代碼記憶，以優化分析效率與準確性。

wiki-llms-txt

自動產生 llms.txt 與 llms-full.txt 檔案，為專案文件提供人工智慧友善的閱讀格式與專案上下文。

gpt-researcher

GPT Researcher 是一個自主 AI 代理，專為全面的網頁與本地研究而設計，採用規劃-執行-發佈架構，可產出詳盡且具引用的研究報告。