Agent Skills Hub

problem-mapping

設計衝刺與產品策略的問題框架工具。支援個人或團隊協作，協助在進入解決方案開發前，系統化地定義目標、利害關係人、限制條件與痛點。

qc

自動化品質閘門，使用 5 個平行 AI 代理程式審查程式碼變更，確保正確性、風格與一致性。

investigate-dependencies

進行徹底的依賴項審計，識別冗餘代碼、未使用的功能和不當的使用模式。透過充分利用現有依賴項而非重新發明輪子，確保專案的模組化與代碼整潔。

Verification & Quality Assurance

為軟體代理提供的穩健驗證與品質保證系統，具備即時真相評分、自動化程式碼驗證以及即時回滾功能，以確保高品質的輸出與可靠性。

trench

為 AI 代理設計的高性能 Solana 迷因幣交易技能：涵蓋狙擊新幣、MEV 保護執行、防地毯檢測及自動化倉位管理。

FastMCP Development

使用 FastMCP 框架建構與管理 MCP 伺服器。提供工具開發、資源配置、Prompt 設計、Claude Desktop 整合及 Python/TypeScript 部署指南。

indirect-injection-detection

檢測 AI 代理中的間接提示注入與目標劫持，評估代理處理 RAG、文件與網頁內容等外部資訊時的安全性。

refly

Refly 生態系統基礎技能。用於建立、探索及執行特定領域技能，透過符號連結路由使用者意圖至工作流程，並透過 Refly CLI 自動化執行多步驟任務。

testing-anti-patterns

執行高品質測試實踐，識別並防止常見反模式，如測試 Mock 行為、生產程式碼中的測試專用方法以及對相依性理解不足的 Mock 方式。

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。

feature-prioritization

一種結構化的決策工具，應用 RICE、MoSCoW、Kano 和價值與努力等框架，透過數據驅動的客觀性來確定軟體功能、產品藍圖項目以及開發與否的決策優先級。

github-code-review

部署專業 AI 代理集群進行全面的 GitHub Pull Request 審查，涵蓋安全性、效能、架構及程式碼風格分析。