Agent Skills Hub

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。

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。

markdown-converter

使用 markitdown 將各種文件、媒體和網頁內容轉換為 Markdown，非常適合大型語言模型處理和文字分析。

agent-architecture

實作生產級 AI 代理。包含 LangGraph、工具調用護欄、SSE 串流、情節記憶與 pgvector。提供反模式分析與修正代碼。

analyzing-research-documents

從研究文件、技術論文和架構設計檔案中，系統性地萃取關鍵見解、決策紀錄與技術限制。

memory-systems

指導代理人記憶系統的實作，比較主流框架（Mem0、Zep、Letta、LangMem、Cognee），並設計用於跨會話知識保留的持久化架構。

upstash-vector-db-skills

Upstash Vector DB 設定、語意搜尋、命名空間與向量嵌入模型。專為在 Next.js 16 與 Vercel 專案中建構高效向量搜尋功能而設計。

google-search

使用真實 Chrome 瀏覽器進行 JavaScript 渲染的進階 Google 搜尋。適用於抓取完整網頁內容、指定網站搜尋及時間篩選結果。

search

使用 Tavily 的 LLM 優化搜尋 API 進行網路搜尋，無需編寫程式碼即可獲取帶有引用來源的精準內容。

deep-research

一個系統化的多角度網頁研究代理。適用於深度調查、複雜問題查詢，以及在內容生成前作為強制性的研究步驟，確保獲得有據可查的高質量結果。

wt

使用 git worktrees 管理隔離的 LlamaFarm 開發環境，實現平行代理程式工作階段與服務測試。

crawl

爬取網站並將內容儲存為乾淨的 Markdown 檔案。適用於文件擷取、研究分析與離線知識庫建立。