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。

java-dev

Java 開發規範，包含命名約定、異常處理、Spring Boot 最佳實踐及併發處理模式。

llmintegration

支援 Claude、GPT、Gemini 與 Ollama 的多模型 LLM 整合方案。包含 API 對接、提示工程、Token 管理及模型中立的編排架構。

flow-nexus-neural

使用 Flow Nexus 平台在分佈式 E2B 沙盒中訓練與管理神經網路，支援 Transformer、LSTM 和 GAN 等自定義架構。

ml-pipeline-workflow

建構並協調從資料準備、模型訓練、驗證到自動化部署的端到端 MLOps 管線。

speak

使用 Kokoro TTS 進行本地文字轉語音。在終端機中生成語音、朗讀文字並處理多語言語音合成。

implement-feature

使用架構優先設計、TDD、豐富領域模型與 Swift 6.2 模式實作功能的指南，確保領域、基礎設施與應用層之間的清晰隔離。

patterns

Langroid 多代理框架的設計模式合集，涵蓋代理配置、工具處理、任務編排與外部整合。

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。

typescript

LobeHub 的 TypeScript 開發標準，涵蓋型別安全、非同步模式、導入規範、UI 組件集成以及效能優化準則。

data-viz-plots

使用 matplotlib 和 seaborn 建立可發表等級的圖表與視覺化，並可在任何 LLM 環境下本地運行。

robot-perception

機器人感知系統設計、配置與優化，涵蓋攝影機、光達與感測器融合管線。包含相機校正、3D 重建與生產環境部署的最佳實踐。